商洛市作为全国唯一全域位于秦岭腹地的地级市，其生态环境质量研究对维护秦岭生态安全和推进陕西省生态文明建设具有重要意义。且传统遥感生态指数（ remote sensing environment index，RSEI）模型在评估山地城市生态环境时存在指标单一、对生物多样性表征不足等问题，难以全面反映秦岭山地生态系统的复杂性。故以商洛市行政辖区为研究对象，本研究利用谷歌地球引擎（Google Earth Engine,GEE）平台中的Landsat数据集，选取2001年、2005年、2010年、2015年和2023年的影像，创新性构建综合遥感生态环境指数（integrated remote sensing eco-environment index，IRSEI），耦合绿度、湿度、干度、热度、生物丰度、植被净初级生产力、PM2.5等7项指标，全面评价其生态环境质量。结合MK-Sen趋势分析和Hurst指数计算，探讨商洛市近23年来生态环境质量的时空演变规律并采用参数优化的地理探测器模型，量化分析绿度、湿度、热度、干度、人类活动强度（human activity intensity , HAI）、土地利用类型、夜间灯光强度、降雨量及海拔等9个可能的影响因子对IRSEI的影响强度及其交互作用特征。研究结果表明：（1）商洛市23年来生态环境质量良好，IRSEI值均维持在0.650以上，呈现“中部低、四周高”的空间格局。（2）商洛市生态环境质量改善趋势明显，78.19%区域生态环境质量改善，其中显著改善区域占比52.61%，主要集中在中部区域。预测未来商洛市生态环境质量有退化迹象，改善转为退化的面积占比76.16%。（3）地理探测器分析表明绿度和人类活动强度是主要驱动因子，绿度和干度的交互作用对生态质量空间分异解释力最强。研究成果可为秦岭生态保护及陕西省生态文明建设提供科学依据，助力区域可持续发展。

煤火长期燃烧不仅导致矿区资源损失，还可能引发地质灾害与环境污染，精准监测煤火区域至关重要。本研究利用SDGSAT-1热红外数据进行煤矿区地表温度反演，并与Landsat 9的地表温度产品（LC2L2ST）和无人机热红外影像结果进行对比分析，以评估SDGSAT-1在矿区煤火监测中的可靠性。结果表明，基于单窗算法的SDGSAT-1反演结果中地表温度最高13.33°C，最低-9.46°C，高温区域与煤火区高度吻合。相比Landsat 9（100m分辨率、185km幅宽），SDGSAT-1（30m分辨率、300km幅宽）能更精准识别小范围温度差异，且适合大范围监测。且SDGSAT-1热异常区与无人机热红外高温区空间分布一致，证实了SDGSAT-1热红外数据进行地表温度反演及煤火监测的可行性。其在大范围煤火动态监测、灾害评估、预警及生态保护方面具有较好的应用前景。

叶绿素含量直接影响植物的光合效率，是评估植被健康状况的重要指标。传统地面测量方法存在耗时费力、破坏样本等局限，而遥感技术为实现叶片叶绿素含量的无损高效监测提供可行方法。构建兼具高精度、强泛化能力的叶绿素含量遥感估算模型是植被生理状态监测与生态系统健康评估的核心需求。基于涵盖多种植被类型与生态系统的11个实测数据集和1个PROSPECT模拟数据集，对比分析了分别基于9种光谱指数和7种机器学习方法构建的叶绿素含量估算模型的精度、普适性和跨场景迁移能力。研究结果表明，在光谱指数中，红边叶绿素指数CIred-edge在实测与模拟数据集中均展现最高精度（实测：=0.7567，nRMSE=13.73 μg/cm2，MAE=11.83 μg/cm2；模拟：=0.9578，nRMSE=5.31 μg/cm2，MAE=4.93 μg/cm2），且在模拟-实测迁移中具有最强泛化能力（=0.7567，nRMSE=15.27 μg/cm2，MAE=14.36 μg/cm2））；在机器学习模型中，GBRT具有最高精度和普适性（=0.8172，nRMSE=11.58 μg/cm2，MAE=3.93 μg/cm2），而SVM在模拟-实测迁移中泛化能力最强（=0.8113，nRMSE=11.81 μg/cm2，MAE=4.14 μg/cm2）。研究结果为相关应用中选择合适的遥感反演模型提供了方法论参考，同时验证了模拟数据在模型应用中的潜在价值，模型迁移策略为缺少实测数据的应用场景提供了叶绿素监测的可行方法，可为精准农业、全球碳循环研究等提供低成本高精度的叶绿素估算技术。

青海湖是维系青藏高原东北部生态安全的重要水资源，近年来，其西部和北部近岸有刚毛藻分布。及时且准确地获取刚毛藻水华空间分布范围是有效保护青海湖水体环境和科学治理刚毛藻水华生态问题的关键。Sentinel-2 MSI遥感影像具有10 m空间分辨率，可作为有效监测青海湖刚毛藻水华的数据源。本研究基于2019年Sentinel-2 MSI遥感影像和无人机航拍正射影像，以布哈河口及周围湖岸附近区域为样本区，结合单波段阈值法 (Single Band, SB)、三波段法 (Three Bands, TB)、波段差值法 (Band Difference, BD)、波段比值法 (Band Ratio, BR)、归一化叶绿素指数 (Normalized Difference Vegetation Index, NDVI)、最大叶绿素指数 (The Maximum Chlorophyll Index, MCI)、浮游藻类指数 (Floating Algae Index, FAI)、表面藻华指数 (Surface Algal Bloom Index, SABI) 和基于虚拟基线高度的浮游藻类指数 (Virtual-Baseline Floating Macroalgae Height, VB-FAH) 9种光谱指数来提取刚毛藻水华分布信息，并对比9种指数的提取效果和适用性。选取Kappa系数大于0.9的6种光谱指数 (SB、BD、NDVI、MCI、SABI和VB-FAH)对青海湖全湖区刚毛藻水华分布区域进行提取，结果表明：①VB-FAH指数在全湖区提取效果最优，NDVI指数次之。②2019年青海湖刚毛藻水华总面积为4.10 km2。刚毛藻水华分布最多的区域是布哈河口北侧，其次是布哈河口南侧，其他区域刚毛藻水华面积相对较小。青海湖各分布区域面积呈不同的波动特征，各区域最大水华面积发生时间也不同。③在空间上，刚毛藻水华受风力作用随青海湖面积的扩张而向外迁移，呈条带状和斑块状分布在湖岸附近。本文的研究结果可为长时序刚毛藻水华分布信息提取提供参考依据。

陕北地区由于煤矿开采引发的沉降、地裂缝、滑坡等地质灾害，严重影响了矿区的生态环境和居民安全。为深入了解矿区内的地表形变特征及相应的地质灾害，以神木市神南矿区为研究区，利用2017年3月12日至2022年9月18日期间SBAS-InSAR得到的地表形变监测结果，分析矿区内地表形变的特征和形成过程；基于沿剖面的累计沉降值和时间序列累计沉降曲线，研究地表形变的发展过程和影响因素；无人机调查证实地表沉降已引发地裂缝、滑坡等其他地质灾害。结合2021年12月~2022年12月期间10个监测点的位移监测数据，对地裂缝、滑坡的发展趋势和相关因素进行综合分析。结果表明，矿区内地表形变主要由采矿活动导致，并受到上覆岩层厚度的影响；地表形变与采矿活动具有较强的空间扩展性、时间延续性和时空相关性；研究结果为掌握采矿对地表形变的影响及两者之间的时空相关性研究提供了参考。

植被覆盖度(FVC)作为不可或缺的气候参数，长时序FVC时空演变特征可为评估地表植被状况提供数据参考。采用MODIS-NDVI数据，利用像元二分模型估算FVC，运用趋势分析、偏差分析方法探究沈阳市2000-2020年植被覆盖时空演变特征，同时基于2010、2015、2020年土地利用数据，结合PLUS模型对沈阳市2030年植被覆盖情况进行多情景模拟预测。结果表明：(1)在时间上，沈阳市年均FVC以3.14%/10a增速上升，高、中高植被覆盖呈增加趋势，植被改善面积比重高于恶化比重。(2)在空间上，沈阳市FVC高值区主要分布在沈北新区、浑南区和苏家屯区，低值区则分布于市内五区和区县中部。(3)模拟结果发现：历史趋势情景中，耕地、林地、草地、水域面积减少；耕地保护情景中，耕地面积增加，林地减少；低碳发展情景中，林地显著增加。研究结果为沈阳市未来制定环境治理政策提供理论依据。

城市群时空大数据具有跨时空区域、跨行政区域的动态性与实时性特征，传统的小数据样本数据建设方式给数据存储管理、整合分析、信息挖掘与知识发现等技术环节带来挑战。本研究面向城市群建设与管理对空间信息重点服务的重大需求，针对应用主题领域触发的事件模型和关联要素的特征研究，以空间格局与功能定位、区域规划与监测评价、城乡统筹发展、产业协同发展四个应用主题为例，设计了基于要素-事件-主题的城市群建设与管理时空大数据框架体系。本研究提出的时空大数据信息资源框架体系，有助于推动多类型、多层次、多状态语义的要素类时空大数据在时间、空间、属性和尺度上的一致性进程，从而为城市群建设与管理的时空信息集成应用系统提供快捷的数据支撑服务。

油棕是一种重要的热带经济作物，在热带地区种植面积迅速扩张，已经成为全球最大的植物油来源。油棕扩张在带来经济效益的同时，也在不断侵占全球现有的森林、耕地和泥炭地，造成严重的生态环境问题。地理信息技术（RS、GIS、GNSS，3S技术）是空间信息收集、分析和管理的有效工具，在优化土地利用类型空间布局和可持续发展规划中发挥着重要作用。通过文献综述和文献计量学的方法，分析3S技术在油棕研究中的应用进展，并探讨影响油棕制图精度的关键因素。我们发现：该领域的论文主要以土地覆被变化研究为知识基础，来自马来西亚、美国、中国、印度尼西亚和英国的科研机构和研究人员是最主要参与者；目前3S技术在油棕研究中的应用包括油棕制图、油棕变化监测、油棕树计数、树龄估算、地上生物量与碳储量估算、适宜性评估、产量估算、病虫害监测、种植园管理等；制图精度与论文发表时间并没有明显相关性，与遥感数据源、分类方法具有相关性；目前油棕研究中的3S技术以RS为主导，RS应用于油棕研究的各个关键方向，GIS技术主要应用于油棕变化制图、适宜性评估、种植园管理、病虫害监测等，GNSS主要作为辅助工具，应用于病虫害监测和种植园管理等。

基于大量站点观测的森林凋落物量数据，利用长时期遥感观测NDVI数据，驱动构建的随机森林模型，模拟评估1982-2020年中国森林凋落物碳密度的时空变化特征。凋落物碳密度与NDVI非线性的联系，初步论证了研究方法的可行性。凋落物碳密度模拟结果显著高正相关与观测值（r=0.65,p<0.001,n=4882），其较小的误差百分率（0.96%），表明随机森林模型模拟精度较高。1982-2020年凋落物碳密度的时空变化特征分析，表明中国森林凋落物碳密度整体呈显著的增加趋势（r=0.81,p<0.001），其中常绿针叶林、落叶阔叶林和落叶针叶林的凋落物碳密度增加显著。可见，长期连续的NDVI数据，驱动先进的随机森林模型，能有效模拟监测国家尺度上森林凋落物碳密度的时空动态。这为利用遥感观测数据动态监测大尺度森林凋落物提供了新的技术方法，也拓展了遥感数据的应用场景。

在快速城镇化和乡村振兴背景下，客观掌握城市扩展进程中的城乡建设用地及内部不透水面变化特征，对于优化大都市城乡用地结构及城乡空间融合发展具有重要意义。基于21世纪以来城乡建设用地遥感监测以及不透水面数据集，应用空间分析模型，对哈尔滨2000-2015年城乡建设用地规模、结构及内部不透水面时空演变特征进行分析，探究城市扩展格局、区位差异、建设用地利用强度及城乡之间的差异。结果表明：①2000年以来城乡建设用地快速扩展了158.32km2，年变化率和动态度均呈先增大后减小趋势；从城市核心区至远郊区方向其扩展规模依次增大，建设重点不断向城市周边推移，呈现出较明显的空间异质性。②城镇建设用地和独立工矿用地面积及占比逐年增加，扩展来源均以耕地为主；农村居民点占比降低了13.14%，城乡建设用地结构特征发生了较明显变化。③2000-2015年城乡建设用地内部不透水面面积和比例分别增加了145.32km2和10.04%，城镇建设用地利用强度已达到较高水平，农村居民点用地利用强度快速提高，城市和农村之间的差距不断缩小；自城市核心区至远郊区方向不透水面比例不断降低，可利用潜力越大，不透水面面积增量、比例增量、比例增长率及扩张强度大体呈增加趋势，不透水面与城乡建设用地规模变化趋势相近，可在一定程度上揭示城市扩展轨迹。