本研究系统介绍了相干探测红外成像技术领域的研究进展，阐述了稀疏孔径红外成像方法，分析了相干探测体制下的红外探测灵敏度，给出了激光本振下的红外复图像形成方法；对子镜结构稀疏三孔径系统，给出了合成孔径成像信号处理流程；在数字域通过多子镜光瞳相邻拼接减少稀疏孔径带来的图像副瓣，采用波长可调谐激光本振减少直接阵列探测器积分时间对红外复图像形成的影响；基于直接阵列探测器的稀疏三孔径原理样机设计方案，给出了实际数据的成像处理结果，验证了技术的可行性。最后，研究讨论了阵列探测器相关问题，展望了相干探测体制应用的前景。

星载圆锥扫描微波辐射计的技术演进与通道配置适配规律梳理，是规划下一代高分辨率、低成本辐射计发展的理论基石。本研究以全球星载圆锥扫描微波辐射计为研究对象，从工作频段配置、扫描机制优缺点等技术维度出发，系统梳理分析了自1974年首台仪器发射以来的历史数据，揭示了该类传感器的技术发展轨迹。研究发现，星载圆锥扫描微波辐射计经历了从单一技术验证到系统化业务运行的跨越式发展，核心技术升级体现在3个层面：通道配置上实现了从低频窗区探测向成像/探测一体化的转变；定标技术上完成了从两点定标到全链路高精度定标的演进；极化能力上实现了从单极化到全极化观测的突破；应用场景由早期的大气与海洋监测，逐步拓展至陆表水文、极地冰盖等多元领域。未来，星载圆锥扫描微波辐射计向更高时空分辨率的发展受制于物理探测极限与应用需求的双重约束，需在超分辨率反演算法、星座协同组网、频段拓展等技术路径上提高分辨率，并在系统性能、工程复杂度与研制成本之间寻求最优平衡，以实现观测能力与工程可行性之间的最佳平衡。

随着首都生态安全格局的构建与生态功能的持续强化，北京市生态涵养区生态系统服务的时空演变及其权衡/协同关系已成为区域生态治理与空间管控的重要问题，揭示其复杂互动机制，对于优化生态空间格局与提升区域生态功能具有重要意义。基于此，本研究系统评估了2000—2020年间北京市生态涵养区内6项关键生态系统服务的时空变化特征，运用最优参数地理探测器识别关键影响因素，并结合Pearson相关分析与均方根偏差法揭示并量化服务间的权衡/协同关系和强度，通过双变量空间自相关分析空间演化规律，最后采用自组织映射法识别生态系统服务簇并划分差异化功能管理区。结果表明：①2000―2020年北京市生态涵养区碳储量（CS）和生境质量（HQ）略有下降，而产水量（WY）、食物供给（FS）、土壤保持（SC）和休闲游憩（RC）呈上升趋势。空间分布上，近20年来食物供给、休闲游憩和生境质量变化较为显著，其余服务格局总体稳定；②生态系统服务的主要影响因素包括坡度、年均降水、NDVI和土地利用强度。其中，碳储量和土壤保持主要受土地利用强度、NDVI和坡度影响；休闲游憩服务对夜间灯光指数响应显著；生境质量则主要受土地利用强度、夜间灯光指数及高程影响，且解释力较强；③各类生态系统服务之间多为协同关系，其中CS_HQ协同关系最为显著，相关系数均高于0.85。权衡关系上，早期FS_CS权衡关系最为突出，相关系数低于-0.45，而2020年RC_HQ权衡关系最强；④基于生态系统服务簇识别结果，可将研究区划分为生态保育区、生态调控区、农业生产区与人居功能区4类功能分区，并据此提出差异化管理策略。本研究可为北京市生态涵养区生态空间精细化管控与功能分区优化提供科学依据，并为生态系统服务导向的国土空间治理实践提供方法支撑。

近年来，兰州市削山造地等活动加剧，易诱发滑坡灾害，严重威胁人民生命财产安全。因此，开展兰州地区的滑坡隐患点识别对地质灾害的预警和防治具有重要意义。本研究利用Sentinel-1数据和ALOS-2数据基于短基线集合成孔径雷达干涉测量技术（Small Baseline Subset Interfero-metric Synthetic Aperture Radar，SBAS-InSAR）和合成孔径雷达差分干涉测量（Differential InSAR，DInSAR）技术获取了兰州地区的地表形变，结合InSAR观测适宜性分析和地表起伏特征对滑坡隐患点进行识别，选取威胁性高的典型滑坡进行细致分析，并对部分滑坡点开展野外核查验证结果的可靠性。研究结果表明：兰州地区能接收到后向散射信号的透视收缩和可视性良好区域占比97%以上，大部分地区适宜InSAR形变信息的监测。低灵敏度区域低于30%，大部分区域具有较高灵敏度。利用合成孔径雷达（Synthetic Aperture Radar， SAR）数据共识别兰州地区122个滑坡隐患点，其中Sentinel-1升降轨识别出79处，ALOS-2识别出43处，大部分隐患点集中在黄河流经的兰州主城区附近，这与城区内的人类工程活动密切相关。野外核查结果表明，InSAR形变区均有实际变形特征，选取的37处隐患点中30处为滑坡隐患点，验证了InSAR识别结果的可靠性。靠近居民区的兰雅星河湾滑坡年均形变速率达到了72 mm/a，且累积形变量与降雨具有相关性；魏岭乡滑坡长期受该地区煤矿开采的影响，形变速率达到289 mm/a，形变范围逐渐扩大，坡体表面有明显的形变痕迹。综合比较，L波段的ALOS-2数据比C波段的Sentinel-1数据对兰州地区滑坡的识别率更高，研究成果为兰州地区的精准滑坡灾害监测提供了重要的数据参考。

农田防护林建设对保障东北地区农田高产稳产、保障我国粮食安全极为重要。获取大尺度农田防护林的空间分布，是分析与产能关系的基础，对防护林进行科学合理的空间配置具有重要意义。本研究以Sentinel-2A/B影像的波段反射率、植被指数为输入，采用随机森林算法筛选出最适宜的特征组合，对东北黑土区进行地物分类，划分为林地/农田防护林、耕地、水体、裸地和不透水面等类别；在此基础上，结合土地利用产品，对耕地类别进行形态学膨胀后掩膜，从而实现农田防护林的提取与分布制图。结果表明，B4、B5、B8、B8A、B12、NDVI和RENDVI的特征组合分类精度最高，最终提取农田防护林的生产者精度和用户者精度分别为90.13%和96.49%。本研究为大尺度农田防护林的提取及中高空间分辨率的农田防护林空间制图提供了有效方案，可为宏观分析农田防护林对产能影响提供数据支持，对农田防护林间优化管理和综合决策具有重要意义。

伴随新一代静止气象卫星的发射，其高频次、高时空分辨率的观测特性为动态火点监测提供了独特优势。本研究利用我国新一代静止轨道气象卫星FY-4A的AGRI数据，系统对比分析了时序法与上下文法在森林与草原火灾不同发展阶段的监测性能与适用性；并通过计算同一像元相邻时次的亮温变化率（时序法）及构建局部背景窗口统计亮温均值与方差（上下文法），分别对四川省与内蒙古自治区多起典型的森林和草原火灾进行了火点识别精度分析。研究结果表明：在火灾前期，时序法对亮温突变敏感，能有效捕捉火点，森林与草原火灾的识别准确率达到80%~89%；在火灾中期，火势蔓延导致空间热异常显著，上下文法表现更优，准确率达82%~88%；在火灾后期，火源减弱，单一方法识别能力下降，而采用时序法与上下文法的联合判识策略能显著提升监测能力，森林和草原准确率最高分别达到93.56%、90.36%。研究证实，针对火灾发展的不同阶段采用针对性的判识方法，可有效减少漏判与误判。

绿化屋顶作为提升城市生态系统服务功能的关键绿色基础设施，其空间信息的精准获取对于城市规划与环境管理至关重要。针对当前复杂城市建筑中绿化屋顶快速、高精度自动化提取方法的不足，本研究以北京市朝阳区为例，提出一种融合深度学习与光谱指数的两阶段自动识别方法。该方法利用基于HRNet骨干的全卷积网络（FCN-HRNet18s）从0.8 m高分二号影像中提取建筑物屋顶，随后在建筑物范围内通过归一化植被指数识别绿化屋顶，最后利用200个分层随机点进行验证和精度评价。结果表明：建筑物提取阶段像素准确率和F1分数均达到0.96；绿化屋顶识别总体精度为0.82，F1分数为0.80。朝阳区绿化屋顶总面积为598.28 hm²，空间分布显著异质，呈现少数区域集中分布的特征。研究有效整合深度学习空间特征与光谱分析优势，实现了复杂城市环境下高精度自动化识别，为城市绿色基础设施盘点和规划提供了可靠的数据支持。

秸秆焚烧管控作为大气污染防治与农业可持续发展的重要环节，其精准监测技术亟待突破。现有的遥感监测方法多聚焦于燃烧产物光谱特征识别，但由于烟雾目标尺度多变、背景干扰复杂等因素，传统深度学习模型在检测精度与实时性之间难以实现有效平衡。本研究提出一种多模态优化的YOLO v12改进框架，通过集成卷积块注意力机制与多尺度特征金字塔策略，显著提升了哨兵遥感影像中烟雾目标的检测性能。研究结果表明：改进算法在秸秆焚烧烟雾识别任务中展现出更优的“精度—速度”权衡特性（mAP@0.5=95.52%）；基于XGBoost模型进行特征重要性分析，融合特征的重要性显著高于单一特征，植被火灾衍生指数提取燃烧信息更能区分目标与干扰物；基于燃烧物理过程构建的衍生指数组合（RGB+MNDFI+BAI+MCRC）展现出更优的特征可分离性，使模型对烟雾动态扩散过程的识别平均精度达到96.39%，证实了中高分辨率数据空间细节丰富，目标表征能力可满足秸秆焚烧监测需求。本研究构建的光谱协同检测框架，为秸秆焚烧精细化监管提供了可扩展的技术范式，更为区域空气质量预警与秸秆禁烧政策制定提供参考。

当前我国农村公路存在总量大、分布广且多处于地质条件复杂地区，养护资金投入不足等问题，仅依靠地面监测手段难以实现高效的监测与预防。基于上述问题，本研究提出一种基于天地一体化农村公路病害监测方法，利用Sentinel-1A数据进行干涉合成孔径雷达（InSAR）形变监测，进行广域地表风险等级筛查，对不同风险等级的农村公路进行车载地面巡检验证与补充，并构建天地一体化协同分析框架。实验结果表明：卫星InSAR技术能够快速实现农村公路大范围的形变风险等级筛查，可与车载地面巡检数据进行有效的点面协同监测，对典型病害路面进行精准监测。该方法有效地弥补了人工巡检效率低、覆盖面有限的短板，为农村公路病害的早期识别与精准养护提供技术支撑。

气候变化与人类活动引发的生态系统退化持续加剧，生态修复已成为恢复生态功能和支撑区域可持续发展的重要途径。随着遥感技术的快速发展与日益成熟，其在生态修复领域的应用正逐步扩大并深入。为全面系统地梳理遥感技术在生态修复领域的应用现状，本研究基于Web of Science（WOS）和中国知网（CNKI）数据库，采用文献计量学方法，对筛选出的683篇SCI论文和383篇中文核心期刊论文进行了定量分析与综合评述。结果表明：国际上，中国与美国是该领域发文量最多且贡献突出的国家，并在国际合作交流中表现最为紧密；国际研究热点集中于自然生态系统的修复与气候变化的响应机制，国内研究则更聚焦于人工生态系统的研究，特别是矿区生态修复，且监测技术为其核心研究内容。遥感技术为生态修复研究提供了高时空分辨率的基础数据支撑与广域连续监测的技术手段。未来研究应进一步推动多源遥感数据的深度融合，提升其在生态退化识别、修复过程动态监测及修复成效精准评估等关键环节的应用能力，为生态修复的全周期精细化管理提供有效技术支撑。

红色岩壁是丹霞地貌最重要的识别要素，岩壁反射高光谱的特征分析对丹霞岩壁色调定量研究具有重要科学意义。本研究采用多种光谱变换（Savitzky-Golay smooth，SG；Continuum Removal，CR；First Derivative，FD；Second Derivative，SD；Reciprocal Logarithm，RL；Reciprocal Logarithm First Derivative，RLFD）与连续投影算法（Successive Projection Algorithm， SPA）、竞争自适应重加权采样法（Competitive Adaptive Reweighted Sampling， CARS）、随机蛙跳（Random Frog， RF）3种特征波长提取方法结合偏最小二乘回归（Partial Least Squares Regression， PLSR）—变量重要性投影指标方法（Variable Importance in Projection， VIP）对丹霞山岩壁高光谱反射数据进行光谱特征提取，探讨不同地表类型的光谱特征与矿物组成的关系以及岩生植物覆盖对光谱响应的影响。结果表明：①CARS方法在PLSR模型中表现最佳，24种光谱增强变换中有19种在CARS提取的特征波段下测试集决定系数R²最高，RL和RLFD变换与任何特征波长提取方法组合后，R²普遍达到0.99；②FD和RLFD变换在400~700 nm范围内能有效区分橘色和红色表面，两类变换在440 nm和570 nm处的特征峰参数的差异显示橘色表面较红色表面含更多针铁矿，红色表面较橘色表面含更多赤铁矿；③非白斑岩生植物覆盖表面与白斑覆盖表面在RLFD变换698 nm附近的特征谷吸收深度差异显著，可作为植被覆盖程度的指标。研究表明机器学习对高光谱特征提取具有较好效果，可以提高丹霞岩壁色调高光谱定量反演的效率和精度。

森林冠层高度是衡量森林结构和评估森林生态系统健康的关键参数，对森林碳汇评估及气候变化分析具有重要意义。高精度森林冠层数据的反演预测可以进行潜在的碳储量分析，对估算区域森林碳密度及分析动态变化提供支撑。复杂地形区因受地形干扰、植被异质性等因素影响，传统遥感手段难以获取准确数据，估测精度存在不确定性。GEDI星载激光雷达数据提供的全波形特征经过处理，可以提供与森林冠层、植被类型和碳密度估算等森林结构相关的关键参数。本研究以典型山地森林为研究对象，基于随机森林模型，利用GEDI与多源数据协同构建森林冠层高度与碳密度反演模型，量化了各生态因子对森林结构的相对贡献，并结合生物特征和气象影响等信息，分析了典型山地区域森林冠层高度空间分异规律及其与碳汇能力的耦合关系。结果表明：模型反演预测的森林冠层高度精度R²分别为0.80（云阳县）和0.63（北碚区），RMSE分别为4.29 m（云阳县）和7.18 m（北碚区）；区域森林碳密度范围为6.86~147.60 t/hm²（云阳县）和3.02~88.56 t/hm²（北碚区）；高郁闭度森林冠层的连续分布特征与碳密度空间格局相符，反演模型在不同研究区域展现出良好适应性。研究量化了各生态因子的相对贡献，可为山地区域森林碳循环研究和气候变化应对策略提供科学依据与数据支持，对森林 “双碳” 目标实现具有一定实践价值。

高时空分辨率地表温度（LST）在精细化陆表水热通量估算和干旱监测等研究中发挥着重要作用，然而由于条带宽度和轨道高度等限制，单个传感器无法提供同时具有高空间和高时间分辨率的地表温度数据。多源遥感数据的时空融合为解决这一问题提供了一种可行的解决方案，现有的传统时空融合方法通常依赖于先验知识进行模型构建，并在应用于不同地区时需要进行特定的调整，无法稳定地重建出所需的高时空分辨率地表温度。随着计算机算力的快速发展，深度学习模型在自动特征提取和非线性建模方面具有出色表现。本研究以张掖绿洲灌区和怀来站周边地区作为实验区域，利用增强交叉配对小波时空融合网络（ECPW-STFN）和生成对抗网络多级特征融合模型（MLFF-GAN）两种深度学习模型，基于Landsat LST和MODIS LST数据进行高时空分辨率LST时空融合，并与3种传统方法进行比较。结果表明：基于深度学习方法的结构相似度（SSIM）、均方根误差（RMSE）以及平均绝对误差（MAE）的均值分别为0.917 6、1.74 K和1.39 K，传统方法的SSIM 、RMSE以及MAE 的均值分别为0.866 5、3.22 K和2.66 K，基于深度学习方法的结果整体优于传统方法，其中深度学习MLFF-GAN方法表现出最优的性能，SSIM、RMSE以及MAE的均值分别为0.953 3、1.51 K和1.19 K，证明了深度学习模型在多源遥感地表温度时空融合中较传统方法具有明显的优势。

明晰20世纪60—80年代锁眼影像空间分布可为影像选取提供参考。获取中国区域锁眼影像的空间与属性数据，划分为米级（C1）、5米级（C2）与10米级（C3），研究锁眼影像在中国的空间分布特征；结合免费数据覆盖次数与付费影像成本，计算3次覆盖数据的购置成本。免费数据覆盖面积分别为58%、95%与76%，平均覆盖次数为4.9、4.5与3.6；高值区分布在江浙沿海、京津与边境，无覆盖区域集中于新疆中南部与西藏北部。全部数据覆盖了中国区域，平均覆盖次数增加10倍以上。免费影像的空间分布异质性高于全部影像。中国区域3类影像3次覆盖数据集的购买成本分别为75、75与17万元。因此，构建完整覆盖中国区域的锁眼影像数据集以延长对地观测时限可行且成本低。

针对X波段双偏振一维相控阵天气雷达，研究提出了一种“窄发窄收”业务运行模式下的系统性标校框架。首先，针对被标雷达进行静态测试，包括机内外仪表测试、天线远场测试与金属球标校，获取雷达在较为理想情况下的性能；其次，针对被标雷达展开动态测试，包括降水数据收集与分析、不同仰角波束差异评估；最后，使用一种基于多距离库加权的一致性比对算法，利用长沙气象雷达标校中心的标准S波段天气雷达进行雷达一致性比对，直接比较被标雷达与标准雷达的性能差异。测试结果表明：被标X波段双偏振一维相控阵天气雷达整体表现良好，不同仰角下合成的波束探测性能较为稳定，但是可能存在灵敏度不足、反射率因子偏低等现象，需要后续继续排查问题以保证满足业务需求。

光学遥感影像易受云层遮挡，导致关键地表信息缺失与图像质量下降。为了解决这一问题，本研究提出一种基于MAE-GAN的异源遥感图像去云重建方法，利用合成孔径雷达（SAR）图像穿透云层的能力对光学图像进行信息补全。该方法通过权重共享的孪生结构提取光学与SAR影像的语义特征，构建统一特征表示空间，利用视觉Transformer的掩码自编码器结构，引导模型聚焦于云遮挡区域的重建任务，引入交叉自注意力机制实现SAR特征向光学域的映射，同时融合对抗损失与感知损失，进一步提升细节恢复能力和结构真实感，从而确保重建图像在视觉和语义层面的一致性。实验在SEN12MS-CR数据集上进行，结果显示：该方法在峰值信噪比（PSNR=27.11 dB）、结构相似性指数（SSIM=0.69）、相关系数（CC=0.86）、平均绝对误差（MAE=0.031 49）和均方根误差（RMSE=0.047 24）等关键指标上均显著优于现有主流方法。在保持语义一致性的基础上，研究提升了重建图像的纹理质量和结构真实性，验证了该方法在异源遥感图像去云任务中的有效性。

对数字高程模型（Digital Elevation Model， DEM）进行精度评估是保障其在各领域可靠应用的重要前提。考虑到传统地面测量方法很难适用于大范围DEM数据精度评估，以第二代冰、云和陆地高程卫星搭载的地学激光测高系统（ICESat-2/ATL08）为参考，综合数字地形分析和数理统计分析方法，对8种全球DEM产品在安徽省的质量表现进行评估，并对各产品的误差特性进行探究。结果表明：FABDEM和GEDTM30两种产品整体精度最高，平均绝对误差分别为0.70 m和0.73 m；DEM产品精度表现受地形因子影响显著，对于全部8种产品，其精度在高海拔带（\ge500 m）、高坡度带（\ge25°）以及平面坡向（0°）下表现最佳；此外，DEM产品精度与下垫面特征关系密切，大多数产品在中山地貌以及农田覆被类型下误差更低。研究成果对区域DEM产品的选取和应用等具有指导意义。

整合无人机与手持LiDAR点云数据可显著提升森林单木参数估测的精度与效率。本研究采用区域生长结合阈值判断算法（Point Cloud Segmentation，PCS）对无人机LiDAR点云进行单木分割，基于密度的噪声应用空间聚类算法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）对手持LiDAR点云进行树干分割，再利用迭代最近点算法（Iterative Closest Point，ICP）进行点云整合。结果表明：手持与拼接点云的单木检出率达到96.15%，较单独使用无人机LiDAR（93.28%）显著提高；树高提取精度方面，拼接点云的决定系数R²为0.961，均方根误差RMSE为0.898 m，平均绝对误差MAE为0.726 m，平均绝对百分比误差MAPE为7.01%，优于单独使用无人机LiDAR（R²=0.942，RMSE=0.946 m，MAE=0.754 m，MAPE=6.8%）和手持LiDAR（R²=0.867，RMSE=1.447 m，MAE=1.224 m，MAPE=11.6%）；胸径提取精度方面，拼接点云的R²为0.979，RMSE为1.373 cm，MAE为1.155 cm，MAPE为11.87%，与手持LiDAR（R²=0.967，RMSE=1.286 cm，MAE=1.000 cm，MAPE=10.25%）相当；冠幅提取精度方面，拼接点云的R²为0.733，RMSE为0.894 m，MAE为0.752 m，MAPE为35.78%，高于单独使用手持LiDAR（R²=0.561，RMSE=1.131 m，MAE=0.935 m，MAPE=42.42%）。拼接点云能有效克服单一数据源局限性，为森林资源精准监测提供高效技术手段，推动森林资源管理科学化和精细化。

高分辨率遥感图像中的道路提取易受植被及高大建筑物遮挡的影响，导致道路拓扑结构断裂；同时，多尺度特征的耦合也使得提取精度显著下降。现有的方法在面对这些复杂场景时，普遍存在语义不连贯与细节信息丢失的局限。为解决上述问题，本研究提出一种双向跨尺度聚合网络（Bidirectional Cross-scale Dense Aggregation Network，BCD-LinkNet）。首先，构建非对称双路径特征交互机制，通过自上而下的语义增强路径与自下而上的空间精炼路径，形成编码器—解码器闭环信息流，实现跨层级特征互补与融合；其次，在ResNet34基本模块中引入注意力增强型残差单元，将并联式通道—空间注意力机制（Convolutional Block Attention Module，CBAM）嵌入结构中，并将其创新性地置于残差连接之前，有效增强道路特征的响应能力并提升信息召回率；此外，提出特征精炼策略，融合双路特征拼接与卷积残差学习机制，在保持原始空间分辨率的基础上提升特征判别力。在DeepGlobe数据集上的实验结果表明：所提出方法的交并比（IoU）达到69.35%，较基线模型提升4.52%；召回率（Recall）达到82.64%，相较基线模型提高4.72%。结果验证了该方法在改善道路提取断裂问题和提升提取完整性方面的有效性。

森林地上生物量的准确估算对全球碳循环研究与“双碳”战略实施至关重要。遥感技术已广泛应用于生物量估算，但在复杂地形条件下遥感数据融合的光谱—空间一致性与模型可解释性方面的研究仍显不足。因此，本研究提出改进的STARFM（Spatio-Temporal Adaptive Reflectance Fusion Model）图像融合方法与基于SHAP（SHapley Additive exPlanations）可解释Transformer模型，并以祁连山国家公园为研究区开展森林地上生物量估算研究。结果表明：①融合图像在光谱—空间一致性方面表现优异，RMSE值为0.021 4，AD值为0.005 9，说明其与真实图像的光谱差异较小且整体相似度较高；②Transformer模型估算结果显示，生物量的分布主要集中在研究区东南部，2020年祁连山国家公园的总森林地上生物量为2.34×10⁸ t；③SHAP分析表明，在全局SHAP中NDMI、B7和B5波段对模型贡献较大，在SHAP决策图中B5_Correlation和B6_Dissimilarity是影响地上生物量估算的主要因子，其中B5_Correlation反映森林空间分布的规律性，B6_Dissimilarity表征冠层表面粗糙度，变量间存在复杂的非线性交互作用和多阈值响应特征。研究构建的图像融合与生物量估算模型能够有效修复Landsat 8图像中被云遮和阴影等影响的无效区域，并提升模型的精度和可解释性，为后续复杂地形条件下生物量估算提供了可靠的技术支持。

山区过渡性地理空间作为人地耦合关键地带，其土地利用演化机制明显区别于平原。为揭示其演变规律和驱动机制，以中国南方典型山区过渡性地理空间——永州市为例，基于Google Earth Engine（GEE）和随机森林算法，构建了2001—2021年永州市高精度土地利用数据集（总体精度91.88%，Kappa系数0.89）。结果表明：演化呈现“植被稳定（占64.5%以上）—耕地流失（减少25.67%）—建设用地扩张（增长163%）”的总体趋势。且空间分异受地形强烈约束，建设用地放射式扩张，而非“摊大饼”蔓延；耕地流失具有“生态化”（43.64%转为林草地）与“非农化”并存的双重路径，凸显了生态政策的山区响应；地理探测器与GBM模型（R²=0.866）结合分析表明：自然因素构成基础约束，社会经济因素是核心驱动力，各因素之间存在非线性交互与阈值效应。本研究揭示了山区“地形约束—政策响应—经济驱动”耦合的独特机理，可为同类地区的差异化土地管理提供科学依据。

系统评估不同时空融合方法在湖泊动态监测中的适用性对于优化监测方案具有重要意义。基于鄱阳湖典型区，本研究选取5种主流时空融合方法（STARFM、OL-STARFM、FSDAF、OL-FSDAF、OL-FSDAF 2.0），设计动态过渡组与水体极端组两类实验方案，分别在4个不同地貌特征子区开展融合实验，并通过水体提取进行应用验证。结果表明，在动态过渡组中，FSDAF融合影像的光谱精度最高，OL-FSDAF2.0的融合影像在结构保持上表现最佳；在水体极端组中，FSDAF模型表现稳健，适合处理碎片化水体，OL-FSDAF2.0模型则在局部边界增强方面突出。水体提取实验显示，融合影像总体能够为湖泊水体提取提供有效数据支撑。研究揭示了水文阶段与地貌条件对时空融合模型表现的协同影响，弥补了现有文献关于时空融合方法在动态环境中应用的不足，为不同监测场景下最优融合模型的选择提供了理论依据。多源时空融合影像有效弥补了单一数据源的局限，可为水资源管理、生态保护和洪水监测提供高频率、高精度的数据支持。