遥感变化检测是指对同一区域不同时间获取的遥感影像进行对比和分析，提取地表覆盖变化的技术。随着卫星和传感器技术的快速发展，对地观测数据显著增加，变化检测在地理国情监测、生态环境保护等领域发挥越来越重要的作用。深度学习因其强大的特征挖掘能力，目前已成为变化检测的前沿方法。研究从像素级、对象级和场景级3个方面总结了深度学习变化检测方法的主要进展，并结合3个研究案例具体探讨了深度学习在变化检测中的应用，最后对深度学习变化检测的发展趋势进行了展望。

遥感图像的超分辨率重建是利用图像分析方法和模型从一幅或多幅低分辨率图像重建出高分辨率图像，从而改善遥感图像数据质量的一类方法。该方法旨在恢复传感器成像、存储和传输过程中丢失的高频细节。其核心在于构建表达高低分辨率图像之间的映射关系。本研究首先回顾了图像超分辨率重建的主流方法及代表性研究工作；其次，重点分析了传统方法和深度学习方法在单幅遥感图像超分辨率重建研究中取得的进展。结果表明：①模型轻量化与实时性是当前单幅遥感图像超分辨率重建方法面临的主要挑战；②亟待构建面向遥感图像超分辨率重建方法研究的公共数据集，完善方法研究的评价指标体系。最后，通过实验讨论了基于双三次插值、卷积神经网络、生成对抗网络和扩散概率模型框架下的超分辨率重建方法对单幅遥感图像超分辨率重建的效果，为后续研究与应用提供参考。

日光诱导叶绿素荧光（SIF）作为植被光合作用的探针，其卫星遥感技术正迅速发展并得到广泛应用。本文系统阐述了SIF卫星遥感的原理、关键进展及前沿科技挑战。首先，系统介绍了SIF遥感反演原理与算法。SIF反演的核心在于从上行辐射中精准分离反射光与荧光信号，当前主流方法包括物理模型算法和数据驱动算法两大类。发展高鲁棒性、对仪器参数低敏感性的高精度算法始终是研究热点，然而红光波段反演仍存在显著不确定性，亟需变革性算法突破；其次，回顾了过去30年SIF卫星遥感发展历程。国产卫星SIF遥感虽然已实现高精度反演的技术突破，但在卫星寿命、数据共享与应用深度方面与国际先进水平仍存在一定差距。我国2026年计划发射的下一代碳卫星（TanSat-2）预计将提供具备2 km空间分辨率、全球逐日覆盖能力，以及红光/远红光双波段观测的SIF数据集，有望从根本上解决现有卫星数据存在的分辨率低、信噪比低以及重访频次低等瓶颈问题；最后，综述了卫星SIF产品时空尺度融合方法与进展。相比机器学习模拟方法，基于空间降尺度算法的卫星SIF产品虽在时空连续性方面稍显不足，但因其保留了观测信号核心特征，从而具有独特优势。因此，尽管“弱信号高精度反演”仍是SIF卫星遥感的根本挑战，但随着载荷技术和反演算法的持续进步，SIF卫星遥感将在植被生态监测、气候变化响应、农业与资源管理等科学应用领域发挥日益重要的支撑作用。

高分影像地物分类是遥感分类研究热点之一。传统的卫星影像湿地分类采用人工提取特征解译方式，费时费力且精度低，高分影像下湿地植被特征复杂，湿地水文边界季节性波动，实现自动、高效地高分影像湿地分类是亟待解决的问题。为促进高分影像在湿地分类中的应用，研究阐明了深度学习在高分影像湿地分类中的优势，总结了在高分影像中常用的深度学习分类模型，分析了深度神经网络、卷积神经网络、生成对抗网络在湿地分类中的最新研究成果。最后从样本、模型两个方面对深度学习在高分影像湿地分类中存在的问题以及后续的研究趋势进行了展望。

湖泊作为主要的地表水资源载体，在调节河流水量以及满足生活、生产和生态用水需求方面发挥着重要作用，同样人工湖泊（水库）在供水、灌溉、发电和生态保护等方面也起着关键作用。近年来，受气候变化和人类活动影响，湖泊和水库（简称“湖库”）的水量和水质发生很大变化，长时序遥感监测能够更加客观精准地认识其时空变化规律。研究结合多源遥感影像数据和卫星测高数据，提取了2013~2022年中国重点监测湖泊（83个）和水库（118个）的面积和水位，估算了湖库的水量变化，并通过国家相关部门发布的水质月报，对重点湖库的监测数据进行整理，分析其富营养化等级的变化，最后对两者进行综合分析。研究结果表明：从水量方面来看，2013~2022年期间中国重点湖库水量整体呈增加趋势，湖泊水量增加了10.65 km³，水库水量增加了2.50 km³；从水质方面来看，大部分监测的湖泊水质较差，处于中度到轻度富营养等级，总体上看中度到轻度富营养等级的湖泊数量呈现逐年增加的趋势；水库水质相对较好，但部分水库水质呈现变差的趋势。联合水量和水质的变化信息分析发现，湖库在处于中度富营养等级时水量变化幅度较大，且水量与水质之间存在不同的相关性。其中33个湖泊的水量与水质变化表现为负相关关系，尤其是东部平原的城西湖和石臼湖，相关系数分别为-0.67和-0.90。此外，接近50%的水库水量与水质变化表现出正相关关系。通过联合湖库水量与水质监测数据，对两者的关系进行探讨，可以为湖库的水资源综合管理和生态保护提供重要的科学依据。

以青藏高原为核心的“亚洲水塔”区具有地形复杂、天气多变的特点，特别是高山地区地面观测站点稀少。现有遥感观测在能量与水循环要素监测方面缺乏系统性，观测精度有限，难以全面揭示亚洲水塔区水量平衡的时空分布特征及其变化规律。在“第二次青藏高原综合科学考察研究”专题项目支持下，本研究系统开展了青藏高原能量与水循环卫星遥感观测研究，取得以下主要成果：研制和共享了15种能量与水循环关键要素的卫星遥感数据集，改进和发展了各要素的卫星反演方法和技术，构建了亚洲水塔区域能量平衡（6种）与水循环（9种）关键要素的卫星组网观测系统，涵盖云、辐射、地表温度、发射率、反照率、净水通量、大气水汽、土壤水分、土壤冻融、积雪覆盖与雪深、陆地水储量与水体变化等参数，生产了高精度、时空连续和高时空分辨率的能量和水循环要素的系统遥感数据集。基于该数据集的系统分析表明：青藏高原地表蒸散发多年平均空间分布格局受降水分布控制，表现为由东南向西北递减的趋势。蒸散发在大部分区域（干旱和半干旱区）主要受水分条件控制，仅在少数湿润区域受辐射因素主导。影响高原蒸散发的能量和水循环的其他要素如地表下行长波辐射等能量参数呈现增加趋势，地表反射率呈现下降趋势，与积雪覆盖度的降低趋势相比具有显著的相关性；此外大气水汽、土壤水分、湖泊面积以及陆地水储量等水循环关键参数均呈现出显著的增加趋势，而积雪覆盖度和地表年冻结天数呈现减少趋势。总体而言，自2000年以来青藏高原总体呈现出变暖变湿趋势。本研究提供的数据集有助于支撑遥感与模式结合，促进区域气候-陆面和多圈层水文的模式的验证和改进。

过去20年，围绕植被光谱不变理论（也称为p理论）的建模理念得到了快速发展。2023年底，作者在Remote Sensing of Environment发表了题为“Photon recollision probability and the spectral invariant theory：Principles，methods，and applications”的综述文章（DOI：10.1016/j.rse.2023. 113859），全面阐述了p理论的提出背景、建模原理、光谱不变量的获取与p理论应用等。本研究在英文版的基础上，对p理论进行了进一步系统整理并补充了一些新的认识。首先阐述了p理论的基本要点，介绍了不同光学参数和再碰撞概率尺度转换的基本原理，总结了光谱不变量获取的经验方法、光谱方法和结构方法等，分析了p理论在冠层反射率建模以及植被结构和生理参数反演与估算中的应用。文章剖析了原文中的几处关键创新点，最后探讨了p理论的未来发展方向及我国在相关方面的研究。

土壤有机质（Soil Organic Matter，SOM）是土壤固相部分的重要组成成分，可为植物提供生长所必需的养分，也是评价土壤肥力的一个重要参考指标。近年来，遥感技术为实现SOM的高效估算与制图提供了新途径，但环境干扰与数据复杂性仍是重要挑战。本文系统综述了常用的多光谱、高光谱数据在SOM反演与制图中的应用，并探讨了相关数据处理方法。研究表明：实验室控制条件下获取的光谱数据因环境稳定，其模型精度与稳健性显著优于野外实测数据；针对高光谱数据的特征选择与提取可降低数据维度与多重共线性，从而提升反演精度；融合机器学习与深度学习的集成建模框架，相较于单一模型，能更有效刻画土壤系统的非线性复杂特征；多时相数据通过整合植被季相动态与时间演变信息，进一步提高了模型预测能力。然而，光学数据易受大气条件制约，尤其在中国南方多云雨地区难以获取高质量影像，而微波遥感凭借全天候观测、地形适应性强等优势成为重要补充。未来研究需侧重多源技术协同：通过光学—SAR融合、多传感器平台联用及物理信息驱动的机器学习，削弱秸秆覆盖、土壤水分等混杂因素的影响；利用小波分析与盲源分离等预处理技术分离土壤特征光谱；构建融合土壤类型、农艺措施及气候变量的时空建模框架，增强预测普适性。同时，需发展可解释性人工智能模型与地理自适应的空间插值方法，以提升模型科学性与全球尺度的适用性。本研究为多源遥感技术支撑精准农业与可持续土地管理提供了理论与实践参考。

植被总初级生产力（Gross Primary Production， GPP）是陆地植物通过光合作用固定的有机碳的总量，同时也是陆地生态系统碳循环的开始。遥感观测数据驱动的GPP模型，能够实现监测GPP的时空变化。基于遥感数据驱动的GPP数据产品，为研究植被功能、陆地碳循环、全球变化等课题提供有效数据支撑。然而现有遥感数据驱动的GPP数据无论在绝对量级、空间分布、年际变化等方面均具有较大差异，导致对GPP全球估算存在较大不确定性。该不确定性主要源于不同的学者采用了不同的模型框架、遥感驱动数据源和研究时段，因此学者们得出了多样化的研究结论。为此，有必要汇总现有代表性研究结果，提升对遥感数据驱动的GPP模型及其应用的认识与理解。同时也基于目前研究中存在的不足之处，探讨当前遥感数据驱动的GPP模型的共性问题，以及展望未来GPP模型的发展趋势。

叶面积指数（Leaf Area Index， LAI）是研究植被冠层结构和生理生化特性的重要参数，由于山地地表和山地森林冠层结构存在高度复杂性和异质性，山地LAI地面测量方法尚未形成统一标准，因此导致不同方法的地面测量结果存在显著差异。为了分析各影响因素对测量结果的影响，进而提升山地LAI地面测量数据的精度和可靠性，本文使用植物冠层分析仪（LAI2200 Plant Canopy Analyzers， LAI2200）和数字半球摄影相机（Digital Hemisphere Photography， DHP）在典型山地森林场景进行了LAI地面观测实验，定量分析了不同光学测量仪器、植被聚集效应以及地形等因素对山地LAI测量结果的影响。结果表明：LAI2200和DHP两种光学仪器均可用于山地森林的LAI地面测量，实验发现LAI2200对针叶林LAI相比DHP更敏感；关于地形因子对LAI地面测量的影响中，周围地形起伏对入射辐射的遮挡是引起测量误差的重要因素，需在测量中剔除；此外，植被聚集效应对测量结果影响显著，需通过引入聚集度指数（Clumping Index， CI）对有效LAI进行校正从而获得真实LAI。研究结果能为提高山地森林LAI地面测量的精度和准确度提供有效的参考建议。

黑臭水体是一种极端的水污染现象，是许多城市普遍存在的问题，严重影响人居生活的幸福感、获得感。因此，解决城市黑臭水体问题迫在眉睫。科学监测水体黑臭情况是城市黑臭水体整治工作的第一步，为后续治理评估提供准确的整治对象。相对于传统的地面监测手段，遥感是一种更有效发现黑臭水体的方式，能更大范围、更快速连续地识别出水体黑臭区域并及时全面地展示黑臭水体时空演变过程。系统回顾了城市黑臭水体遥感监测的主要研究进展，首先，简要介绍了黑臭水体概况，总结了城市黑臭水体的遥感特征以及常用数据源。其次，详细探讨了城市黑臭水体遥感识别和分级的方法，并对比分析了各方法的适用性和优缺点。最后，总结了当前城市黑臭水体遥感研究现状以及不足之处，并展望了未来的发展方向。旨在为相关研究提供借鉴与思考，为黑臭水体长效治理提供更好的决策支持。

秦岭—大巴山（秦巴山地）是中国重要的南北过渡带，研究秦巴山地物候变化及其对气候变化的响应对揭示中国南北过渡地带生态环境的复杂性以及历史气候的重建具有重要的意义。本研究基于MODIS 的MCD12Q2数据，结合气象遥感数据，采用趋势分析和相关性分析方法，探求了秦巴山地2001~2020年植被物候的时空变化特征及其对气候变化的响应关系。结果表明：①秦巴山地植被物候始期、末期、生长期长度由东到西呈明显的垂直地带性分布特征，生长季始期主要分布在3月中下旬至4月下旬（70~110 d），生长季末期均值集中分布在10月下旬至11月下旬（290~320 d），生长期长度绝大部分在180~260 d之间。20 a间秦巴山地区植被物候年际变化的总体特征呈现生长始期平均提前0.38 d/a，生长末期平均推迟0.43 d/a；生长期长度年际变化具有延长趋势，平均延长0.80 d/a，变化趋势显著；②在对气候因子的时间滞后性响应方面，秦巴山地物候始期与当月的气温和潜在蒸散发之间相关性最大并且没有表现出明显的时间滞后效应，与降水存在约1.73月的时间滞后性；③海拔高度在一定程度上决定了秦巴山地植被物候始期与各气象要素的响应关系。

森林生态系统在调节气候、水土保持、碳平衡等方面具有重要作用，但近年来该系统受到气候变化和人类活动的扰动在日益加剧，急需精准及时的森林变化监测。遥感技术凭借其多时间分辨率数据优势和自动化处理能力，已成为森林变化监测的关键手段。本研究聚焦多时间分辨率遥感变化监测方法，系统梳理并比较了双时相和时间序列遥感两类技术，其中双时相变化监测涵盖了人工目视解译、传统机器学习和深度学习技术；时间序列则包括时序趋势分析、动态变化监测和多算法集成等方面研究。通过归纳深度学习与多模态时序数据在实际运用中的相关问题，提出了相关解决方案，为提升森林变化监测的精度提供借鉴。

传统高光谱数据分类方法往往只注重频谱特征提取，忽略了有价值的光谱空间信息，导致分类效果不佳。因此，本文提出一种结合主成分分析（PCA）、引导滤波和深度学习架构的方法，应用于高光谱数据分类。首先，采用成熟的PCA降维技术，有效减少高光谱信息冗余；其次，以一种简洁有效的引导滤波方式来获取空间主导信息；最后，采用栈式自编码器模型这一深度学习架构，有效处理多层次多特征图像数据。本文通过对两个公共数据集进行训练和测试，并在第三个数据集上验证模型泛化能力。实验结果表明：提出的GF-FSAE算法分类精度均在99%以上，具有良好的分类性能和泛化能力；比CNN-AL模型分类算法精度略高，验证了频谱—空间高光谱图像分类框架具有优越性。

草地地上生物量（Above Ground Biomass，AGB）是反映草地生态系统功能和评价草地生产力的重要指标，准确估算草地AGB对草地经营管理和生态环境评估具有重要意义。本研究以锡林浩特、呼伦贝尔和鄂尔多斯3个不同类型草原的部分草地为研究区，基于无人机多光谱数据、激光雷达数据和野外实测样本数据，获取多个纹理和植被指数，并通过多种特征筛选方法得到不同特征组合，利用随机森林（RF）、多元线性回归（MLR）、BP神经网络（BP）、支持向量回归（SVR）、长短时记忆神经网络（LSTM）5种回归分析算法构建草地AGB估算模型，对比评估得到最优估算模型，并进行空间生物量估算。结果表明：①使用特征重要性方法筛选出的光谱指数特征组合结合样方内植被平均株高（Mean Height）实测数据在多模型对比估算草地AGB时具有较高精度；②随机森林模型较其他模型估算精度更高，使用决定系数（R²）、均方根误差（RMSE）和平均绝对误差（MAE）作为精度评价指标，测试样本R²达0.859，RMSE和MAE分别为35.17、28.22 g/m²。经验证，融合多源遥感特征与机器学习算法可有效突破传统AGB估算的局限性，基于优选特征组合的随机森林模型为草地AGB的精准估算提供有效的方法支撑。

雪崩是高寒山区主要的自然灾害之一，但与滑坡、泥石流、山洪和干旱等灾害相比，较少被关注。本研究在概述西藏过去主要雪崩灾害事件的基础上，对西藏雪崩灾害的空间分布和主要驱动因素进行分析，同时通过积雪覆盖的空间分布和数字高程模型数据对西藏雪崩易发区进行制图，并利用藏东南雪崩观测数据对制图结果进行验证。结果显示，念青唐古拉山东南部和喜马拉雅山南坡是西藏雪崩灾害发生频次最高的两个区域，高原内陆因降水少，地势相对平坦，雪崩发育受到抑制，仅在高寒常年积雪山区和冰川作用区才有常年雪崩存在。在全球气候变暖背景下，由于人类到高海拔山区的活动日益增多，雪崩灾害造成的人员伤亡呈增加趋势。除了在藏东南川藏铁路和公路等关键区域实施工程防控措施之外，加强监测和早期预测预警服务是西藏高寒山区雪崩灾害防控的重要途径。本研究对全球其他高寒山区的雪崩易发区制图和灾害防控措施同样具有重要借鉴意义。

全球约60%的甲烷排放与人为源有关，有效控制人为源甲烷排放对当前温室气体减排具有重要意义。能源部门是人为源甲烷排放的主要来源之一，其甲烷排放事件能追溯到具体的排放设施（即点源分布），且甲烷排放速率呈重尾分布。高分辨率高光谱卫星遥感数据具备从点源尺度监测甲烷排放事件的能力，并可实现对具体排放设施的溯源。在进一步发展高光谱卫星遥感的甲烷点源反演方法的基础上，通过WebGIS平台构建了全球能源部门甲烷排放点源的高分辨率遥感监测系统，其集成了点源反演算法、甲烷排放反演数据库和动态监测平台等模块，截至2024年底，已实现对全球573处能源设施甲烷点源排放事件的有效遥感监测。研究构建的监测系统可对煤矿与油气等的开采及存储导致的突发甲烷排放事件进行动态遥感监测，并针对具体事件进行设施溯源，为能源部门的排放源识别与估算工作提供支持与验证数据，以响应全球甲烷减排的总体目标。

地下煤火被称为“没有地理界限”的全球性灾难，不仅造成了煤炭资源的巨大浪费，还对生态环境和社会安全发展构成了严重威胁。遥感技术在探测识别地下煤火的长期应用中展现出了独特优势，为煤火的监测和治理提供了重要的技术支撑。围绕地下煤火引发的典型地表响应特征，阐述了煤火区遥感探测识别的基本原理，对现有地下煤火区遥感探测识别方法进行了系统分析和综述，并探讨了各个方法的优势和局限性。在此基础上，剖析了当前研究存在的不足，并对面临的挑战和未来的发展方向进行了展望。

针对在台风天气下，遥感成像存在大量雾气遮挡导致图像质量严重下降与目标检测困难，以及现有相关研究在电力场景下泛化性不足的问题，提出一种结合暗通道去雾与YOLOv8的改进方法。该方法采用二阶段的处理方式，通过累积分布函数分析图像颜色分布，结合暗通道算法对图像进行色彩自适应去雾处理，有效改善雾天场景下目标的表达，同时为进一步提高遥感图像中多尺度目标的检测精度，在YOLOv8算法网络中增加小目标检测层，深入提取小目标特征，并使用MPDIoU代替CIoU，降低模型的计算复杂度。实验显示，该算法对电力杆塔和风力发电机的检测精度分别提升8.1%和3.9%。研究结果证明该算法在含雾遥感图像处理与目标识别的方面具有可行性与有效性，可为含雾遥感图像的去雾处理与户外大型电力设施的识别提供可靠的技术支持。

掌握详细、准确的人为CO₂排放清单，加强对CO₂排放的有效管控，对于实现“双碳”目标意义重大。在有效评估EDGAR、ODIAC全球人为CO₂排放清单在中国地区可靠性的基础上，结合多源遥感数据，构建了基于随机森林的高精度、高分辨率中国区域人为CO₂排放估算模型，实现了1 km×1 km分辨率2005~2020年人为CO₂排放的时空估算，并结合空间自相关分析探索了研究区人为CO₂排放的集聚模式，开展了中国地区整体以及集聚重点区域人为CO₂排放时空变化特征分析。结果表明：中国地区人为CO₂排放估算模型能有效融合全球清单与遥感数据优势，为精细尺度人为CO₂排放时空估算提供有效支持；2005~2013年全国人为CO₂排放量急剧上升，从55.3亿t增长至107.3亿t；2013~2020年CO₂排放增长率回落，变化趋向平缓；中国整体人为碳排放呈现“东高西低、沿海高内陆低”区域性特征，且在长江三角洲地区、京津冀地区、西部地区重点集聚；不同地区的人为碳排放特征与其工业化进程、经济发展水平、城县规模等有着密切联系。

在通过遥感影像获取农业种植结构过程中，遥感影像自身及分类过程会不可避免地引入不确定性，降低制图结果精度与可靠性。地块作为农业基础单元，具有分类精度和不确定性控制的优势，然而当前遥感分类不确定性研究方法多以像元为基本单元，难以简单套用至地块作物分类。因此以地块为基本空间单元，选择信息熵作为后验不确定性评价指标，在宁夏引黄灌区开展作物分类与不确定性分析实验。借助时序特征及地块内部多种幅值特征，分析遥感数据中随机不确定性和模糊不确定性对后验分类不确定性的影响效果。实验结果表明：①相比于像素尺度分类，地块尺度分类能够有效消弱后验不确定性；②随机不确定性对后验不确定性影响显著，与时序特征呈显著相关性；③地块边缘混合像元和内部混杂异质引入的模糊不确定性放大了随机不确定性，进而影响后验不确定性。针对性消减措施可以有效降低分类不确定性，且消减效果与相关性分析结果基本一致。研究结果可为后续作物分类流程改进和不确定性控制提供思路与方法。

静止气象卫星成像仪可以对海雾进行大范围连续性监测，但当云层遮盖在雾区之上时，卫星接收到的信号主要来自上层云，从而很难判断低层是否存在海雾。而东海海域云下雾事件多发，制约着卫星在海雾探测中的业务应用。根据静止气象卫星葵花8号（Himawari-8）搭载的先进成像仪AHI（Advanced Himawari Imagers）通道设计特点，结合辐射传输理论模拟和真实观测数据，创新性地提出了针对高层冰云覆盖雾区之上的海雾检测方法。该方法利用两个长波红外（8.5和11 μm）通道进行云顶相态（冰云或水云）识别，若判断为冰云，进而根据水云、海雾在短波红外（1.6和2.25 μm）和可见光（0.64 μm）通道的辐射特性，实现低层水云和海雾的检测与分离。最后利用星载激光雷达CALIOP（Cloud-Aerosol Lidar with Orthogonal Polarization）资料对算法的准确性进行对比验证，结果表明两者有较好的一致性，且平均正确率49%、误警率7%、可靠性因子46%。由于云下雾探测属于卫星遥感领域的难点问题，该结果证明本方法有实现冰云遮挡下的海雾检测的能力。

缨帽变换是一项广为应用的遥感影像处理技术。其中，针对Landsat 8卫星影像，已有Baig等、Zhai等、Liu等提出了3种缨帽变换算法。但这3种算法间的一致性如何，用户在使用时究竟选择哪一种算法，并不清楚。另外，这3种算法中，除了Zhai等提供了基于地表反射率（SR）数据的算法，其它2种算法都仅提供基于表观反射率（TOA）的算法。因此基于表观反射率数据的算法是否能够应用于地表反射率数据，也亟待验证。为此，选取了3幅土地覆盖类型不同的Landsat 8影像、利用前述3种算法进行缨帽变换，对反演结果进行定量对比以查明各算法间的差异。结果表明：3种算法中，Baig与Zhai两种算法的一致性最高，3个分量之间的平均R²达到0.974 4，平均RMSE只有0.025。而Liu算法的反演结果与Baig和Zhai算法的反演结果总体相差较大，其与Baig和Zhai各分量的平均R²分别为0.803 1和0.865 2，平均RMSE分别为0.077 6和0.065 5。因此，Baig和Zhai的反演结果更具有可比性。另外，将Baig和Liu基于TOA反射率推导的缨帽变换算法代入地表反射率SR数据进行计算的结果表明：基于SR反射率和TOA反射率反演的各分量普遍差距较大，RMSE可达0.053 5，平均|PC|可达146.07%。因此不建议将Baig和Liu的TOA反射率算法代入SR数据进行缨帽变换。综上，推荐用户使用Zhai等提出的、可适用于TOA和SR两种反射率数据的Landsat 8缨帽变换算法。

有色可溶性有机物（Colored Dissolved Organic Matter，CDOM）具有光学特性和重要遥感监测优势，它是生物地球化学循环的重要组成部分，具有光学活性的一部分，广泛存在于各种水体中，在全球水生生态系统循环、水色水质遥感和全球碳循环中都有重要的作用。不同区域和类型下CDOM光学特性具有显著差异性，可以为今后在内陆水体CDOM反演时普适性模型构建中加入关键环境与人为影响因子提供思路。本研究通过文献收集全球不同水域和类型湖泊CDOM特征进行分析，总结归纳不同纬度、不同水质类型湖泊的CDOM时空分布规律与来源特征，结果表明在不同自然地带分异下根据水体光学特性建立的模型能够更加准确攫取影响CDOM变化规律的关键因子。研究结果为内陆水体富营养化治理、有机污染物管理、水源地保护和人类社会可持续发展等提供科学依据，也为完善内陆水体碳估算提供数据支撑。

冰湖遥感监测是当下冰冻圈科学研究热点之一。作为我国自主研发的SDGSAT⁃1卫星，多光谱波段具有高分辨率成像能力，是否能为该研究方向提供新型数据源非常有必要进行研究。本文以珠穆朗玛峰地区近2 000个冰湖为研究对象，设计针对SDGSAT⁃1多光谱数据的冰湖自动提取方法，并与Sentinel⁃2 MSI和Landsat-8 OLI的冰湖数据进行对比，获得SDGSAT⁃1多光谱提取冰湖的精度，进一步结合波段配准和卫星间影像配准，量化冰湖误差的影响因素。研究结果表明：以NDWI为基础的决策树方法获取SDGSAT⁃1多光谱影像的冰湖矢量数据平均误差为16.6%，精度高于Landsat-8 OLI，低于Sentinel⁃2 MSI；大气校正后的SDGSAT⁃1多光谱影像提高了阴影区域冰湖的识别能力，但识别精度较其他冰湖低10%~14%；冰湖面积误差主要由SDGSAT⁃1多光谱波段配准误差引起，代表重叠度的Jaccard系数受波段配准和定位误差共同影响。总体而言，SDGSAT⁃1多光谱波段是冰湖研究的可靠数据源，也是冰面湖变化研究的潜在数据源，可为冰湖溃决预警、季节性水量变化监测提供高时效数据支撑。

星载遥感器观测的大气成分资料在气候、大气环境研究领域的应用，推动了大气成分遥感从可见短波红外到紫外波段、从通道式探测向高光谱探测技术的快速发展。高光谱数据定量应用的前提是数据经过精确的光谱定标和辐射定标，相较发展较为成熟的可见短波红外波段的遥感器定标技术，受星上定标装置稳定性、大气臭氧带状吸收等因素的影响显著，紫外波段高光谱遥感的星上定标技术是亟待突破的技术难点。研究结合国内外紫外波段高光谱大气成分遥感器，综述了星上光谱定标、星上辐射定标和替代定标技术，在比较可见光波段卫星遥感器在轨定标方法优缺点的基础上，分析了现有定标方法在紫外波段的适用性和存在的问题，结合星载大气成分新型遥感器的发展趋势，展望了紫外高光谱大气成分遥感星上定标需要重点解决的技术，为星载紫外遥感器的研制改进、紫外遥感器定标精度的提升提供参考。

本研究首次联合无人机视角下的可见光与热红外图像，提出了一种基于跨模态特征解耦与重聚焦的多模态语义分割模型CDFNet。CDFNet创新性地设计跨模态特征解耦模块，精细解耦并增强各模态的互补判别特征，提高融合特征场景表征能力；在解码阶段进一步提出模态判别特征聚焦注意力解码器，动态优化模型对于微小目标的注意力聚焦范围，降低场景干扰信息对语义分割的影响。在Kust4K数据集上进行实验验证，CDFNet相较于基线模型与当前先进多模态语义分割方法Sigma，mIoU分别提升了6.3%和3.1%。；特征可视化与模态鲁棒性实验表明：CDFNet相较于其他方法，在低信噪比复杂城市道路场景中，能得到更加鲁棒的特征表示，有效提高无人机视角下微小目标的分割精度。

现有业务化遥感叶绿素a浓度数据存在不同程度空间不完整、时间不连续的数据缺失问题，严重制约了遥感叶绿素a浓度数据的应用潜力，数据重构是解决该问题的主要手段。依据近年来国内外水色遥感数据重构方法的研究成果，研究总结了水色遥感数据重构方法的理论基础和发展历程，重点讨论了叶绿素a浓度数据重构研究的热点方向、常用的数据、常用方法和主要研究区域等内容，总结了叶绿素a浓度数据重构研究存在的问题，进一步揭示了叶绿素a浓度数据重构研究亟待解决的数据极端匮乏区的数据重构、短时间尺度数据重构方法构建、多变量结合的重构方法、经验正交函数数据插值法的改进以及遥感与数值模拟相结合的数据重构方法等关键难点，并展望了未来研究的方向。

为监测作为“世界屋脊”和“亚洲水塔”的青藏高原地区21世纪初土壤水分的时空变化特征，在对多种土壤水分产品评估的基础上，利用精度最优的多通道协同反演算法（Multi-Channel Collaborative Algorithm，MCCA）获取的AMSR-E/2土壤水分产品（2002~2022年），以泰尔—森估算叠加曼—肯德尔检验方法，系统分析了近21年青藏高原土壤水分的时空变化特征以及土壤水分与降水之间的关系。结果表明： 21世纪初青藏高原土壤总体呈现湿润化趋势，土壤水分显著增加趋势比例（31.52%）远高于显著减少趋势比例（1.70%）；同时大部分流域呈现出“干燥区域高增长趋势，湿润区域低增长趋势”的模式，流域和季风区变化趋势存在显著差异，降水是影响青藏高原土壤水分变化的重要驱动因子。

在过去的几十年里，全球水体不断遭受系统性污染、水质恶化形式严峻。总磷是水质评价的一个重要指标之一，是水体富营养化、蓝藻水华暴发的重要影响因素。本研究论述了总磷与其他光学水质参数关系、不同水体类型总磷浓度遥感反演、总磷浓度遥感算法以及不同遥感平台总磷浓度遥感反演四部分内容。自20世纪90年代至今有300余篇关于总磷浓度反演的文献，近年来研究的热点逐渐集中于“遥感技术”、“机器学习”等话题。对于内陆湖泊水体的研究，主要以Landsat/TM和MODIS影像为主，其中采用绿色波段、近红外波段与中红外波段组合做出的模型精度普遍更高。通过卫星影像数据观察全球湖泊的总磷浓度，发现全球湖泊总磷含量整体呈上升趋势，其中亚洲湖泊最高，其次是南美、非洲和欧洲。大洋洲没有发现明显增加的趋势。随着计算机技术的发展，机器学习算法逐渐成为当前热点，相比于传统算法，运用机器学习算法所构建的模型精度更高。随机森林算法因其构建的模型相比于其他机器学习算法拥有更高的精度而被广泛应用。随着研究的不断发展，构建一个适用于不同水体类型的总磷浓度模型是未来大势所趋，同时具有高空间分辨率及高时间分辨率传感器的研发更是迫在眉睫。

准确反演林区积雪面积比例（Fractional Snow Cover， FSC）对于水文过程模拟、气候变化预测以及生态系统管理具有重要意义。基于随机森林（RF）算法与辐射渐进传输（ART）模型，提出RF_ART混合机器学习模型，旨在提高林区积雪面积比例（FSC）的反演精度。模型集成了光谱、植被、地形、角度、地温和积雪粒径等多环境变量，并在北疆阿勒泰和天山中东部林区进行了实验。结果表明，RF_ART在训练影像中的均方根误差（RMSE）平均值约为0.048 0，在测试影像中的RMSE平均值约为0.096 6，与NDSI_FSC和NDFSI_FSC方法相比显著降低。此外，RF_ART与RF_FSC的误差相近，但RF_ART引入了物理约束，提升了模型的稳健性，因此被认为是反演林区FSC的最佳算法。特别是在占主要部分的落叶林区，随着各类型变量的加入，RF_ART模型的RMSE逐渐降低，同时在数据稀缺的情况下，RF_ART模型也表现出极强的鲁棒性和应用潜力。通过混合机器学习模型与多源遥感数据，为林区的积雪面积比例反演提供了重要参考。

互花米草（Spartina alterniflora）作为我国滨海湿地典型的入侵物种，其快速扩张已对生态系统结构与功能造成严重威胁，亟需构建高效、精准、可业务化的大尺度监测体系，以支撑生态风险评估、入侵防控与湿地保护决策。面对传统监测手段效率低、大尺度应用困难以及遥感监测在复杂环境下精度受限等挑战，本研究系统梳理了互花米草入侵遥感监测研究进展，重点从识别手段、时空分析与生态影响评估3个方面展开。遥感识别主要依托互花米草特有的光谱与物候特征。传统机器学习与深度学习方法的应用显著提高了识别精度，而基于物候特征的识别策略有效抑制了“异物同谱”现象的干扰。多项研究表明互花米草在我国沿海经历了从零星分布到快速扩张的阶段变化，空间格局具有明显地域差异。其入侵对盐沼、滩涂及红树林等湿地生态系统造成系统性破坏，显著压缩原生植被生存空间、降低生境质量、缩小水鸟栖息范围，并改变滩涂沉积过程，导致生物多样性下降与土壤退化，对湿地生态系统稳定性与服务功能造成破坏。总体来看，尽管当前研究在识别精度和入侵机制解析方面取得重要进展，但仍存在小斑块识别困难、模型普适性不足、多源数据协同应用不充分等挑战。未来研究需融合高时空分辨率与多源遥感数据以提升监测能力，发展迁移学习与小样本学习以增强模型泛化性，深化物候、光谱与纹理等多特征融合，并进一步解析入侵的驱动机制与生态效应，从而为滨海湿地入侵防控与生态安全维护提供科学支撑。

准确的耕地信息对保障国家粮食安全意义重大。传统的耕地提取方法在处理日益复杂的遥感影像时存在局限性。深度学习的发展为耕地提取带来新途径，然而经典的DeepLabV3+网络在应用中存在训练参数量较大、影像分割精确度欠佳和泛化性较差等问题。为此，本研究提出融合注意力机制的轻量化DeepLabV3+网络。该网络将DeepLabV3+的主干结构Xception替换为MobileNetV2以减少训练参数；引入通道注意力机制SENet提升分割精度；把损失函数替换为Hybrid函数以增强模型泛化能力。研究结果表明：①轻量化后的网络平均训练时间从7.45 min缩至1.86 min，模型训练参数由208.7 MB减至24.73 MB；②模型的精度（Precision）、召回率（Recall）和均交并比（Mean Intersection over Union，MIoU）分别达到90.26%、90.08%、81.58%，均优于其他对比模型；③在永川区高庙村的提取结果相对误差绝对值为7.95%，表现优于DeepLabV3+网络模型。综上，改良后的DeepLabV3+网络能有效改善耕地提取效果，在减少参数量、提升运算速度的同时提高了提取精度，具备一定的普适性和可迁移性，可以为农业规划提供精准的耕地空间分布信息。

冬小麦地上部生物量是反映作物生长状况与产量形成潜力的重要生理指标，其准确、高效的监测对于实施精准农业管理、优化施肥与灌溉策略以及保障粮食安全具有重要意义。本研究在河北省石家庄市藁城区南部开展了田间试验。试验分别在冬小麦的返青期、拔节期和灌浆期进行了地上部生物量及冠层高光谱反射率的测定。通过皮尔逊相关性分析初步筛选了冬小麦不同生育期的原始光谱、多元散射校正光谱、一阶导数（First Derivative，FD）光谱和连续统去除光谱中与地上部生物量显著相关的敏感波长。在此基础上，运用竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling，CARS）算法和连续投影算法（Successive Projections Algorithm，SPA）进行特征波段选择，再结合偏最小二乘回归（Partial Least Squares Regression，PLSR）、高斯过程回归（Gaussian Process Regression，GPR）和支持向量机（Support Vector Machine，SVM）3种机器学习方法构建生物量估算模型。研究结果表明：①基于一阶导数处理的光谱数据在相关性分析和机器学习建模中整体表现优于其他光谱预处理方法；②CARS算法和SPA均能有效剔除高光谱数据中的冗余信息，降低数据维度。其中，SPA在简化波段方面表现更为突出，但是基于CARS算法的模型整体估算精度要高于SPA。二者所筛选出的与地上部生物量高度敏感的特征波段主要集中在红边和近红外区域内；③在不同生育期，FD-CARS-GPR模型的整体表现优于其他方法，展现了良好的适应性和鲁棒性。特别是在拔节期的模型估算精度最高，验证集R²为0.802，RMSE为50.97 \mathrm{g}/{\mathrm{m}}^{\mathrm{2}}，RPD为2.30，返青期次之，灌浆期最低。基于FD光谱并结合CARS算法，采用GPR构建的冬小麦地上部生物量估算模型具有较高精度与稳定性，适用于不同生育时期冬小麦地上部生物量的定量估算，为冬小麦生长监测及精准农业管理提供了可靠的技术支持。

自工业革命以来，自然和人为因素导致温室气体排放增加，引起全球变暖等一系列环境问题。全球海洋已被证实是大气二氧化碳（CO₂）的主要汇，能吸收大约25%的人为排放CO₂；而内陆水体作为大气CO₂的源，排放的温室气体相当于全球化石燃料释放CO₂的近20%。表层水体CO₂分压（pCO₂）的准确估算是研究各类水体碳通量与源汇格局的前提。从90年代开始，研究者们已经积累了大量的实测pCO₂值，这为深入理解水体pCO₂的影响机制和估算模型的建立提供了坚实的数据基础。遥感具有大尺度、长期观测的能力，通过遥感反演的相关环境变量进而推测pCO₂是目前遥感量化水体pCO₂的主流方法。本研究首先明确了影响水体pCO₂的环境变量及相关理化过程，这是参数化pCO₂的理论基础；进而总结了不同类型水体中pCO₂的遥感反演算法，该算法目前在开阔大洋中的研究已经趋于成熟，在近岸水体也发展了一系列经验或半解析模型，但遥感估算内陆水体pCO₂的相关研究较少，这与内陆水体复杂的光学特性及pCO₂的时空多变性有关。考虑到内陆水域在全球碳循环中的重要性，研究者们应更多关注内陆水体pCO₂的遥感估算研究。

基于水土流失估算模型的土壤侵蚀评价研究需要高质量的输入数据，其中包括土地利用分类数据，然而传统的土地利用分类方法在面对多类别分类任务时存在效率较低以及“异物同谱”现象显著的问题。为此，本研究尝试将深度学习应用于土壤侵蚀评价中，采用以Swin Transformer为主干网络的语义分割模型实现高精度土地利用分类，并将分类结果应用于RUSLE模型对土壤侵蚀程度进行评价。经验证，语义分割模型的总体精度达到95%，且具有良好的泛化性能。土壤侵蚀评价结果表明鄱阳县土壤侵蚀以轻度侵蚀为主，空间上呈现带状和点状的分布特征。结果表明，基于深度学习的土地利用分类在土壤侵蚀评价领域具有较广泛的应用前景。

在城市化与气候变暖的背景下，极端高温天气频发，危及城市居民的健康。公园降温效应（Park Cooling Effect， PCE）对于缓解这种影响至关重要。然而在土地资源紧缺的城市中，不受限制地扩大公园规模是不现实的，如何最大限度地提升公园的单位面积降温效果，是目前亟需解决的问题。本研究以中国最热的“火炉城市”福州为研究区，采用降温幅度（∆T_max）、降温距离（L_∆max）和降温梯度（G_temp）3个指标量化PCE，计算其内部50个城市公园的PCE指标，并从公园外部形态与内部景观斑块特征两个角度分析降温效应的影响因素。研究表明：①50个公园中有42个存在PCE，其余8个不存在PCE；②公园并非越大越好，同时要注重外部形态和内部斑块特征；③从公园外部形态特征来说，简单和规则的公园边界轮廓有利于公园的降温效应；④从公园内部斑块特征来说，低不透水面比例、高水体和植被占比以及复杂的斑块形态会增强PCE，而边缘密度过高与景观破碎化则会削弱PCE。因此，要注意保持植被、水体覆盖的连续性和完整性，设计多样化多层次的植被边界结构，或利用地形变化增加不透水面边界的纵向层次，以最大化公园的降温效果，缓解城市热岛效应。

在全球气候变暖和快速城市化背景下，城市热岛效应加剧了人口热暴露风险，准确识别人口热暴露高风险区域对于适应和减缓高温威胁至关重要。以北京市六环内区域为研究对象，基于局地气候区（Local Climate Zones，LCZ）视角，研究采用ECOSTRESS地表温度数据和腾讯宜出行人口数据，分析了不同LCZ夏季地表城市热岛强度（Surface Urban Heat Island Intensity，SUHII）的时空变化特征，并评估了不同SUHII等级下人口热暴露的日动态变化。研究结果表明：①白天，不同LCZ类型的SUHII差异显著，除LCZ 9（零散低层建筑）外的建筑类LCZ以及LCZ E（裸露岩石或人工地面）和LCZ F（裸土或沙地）均表现为热源，其余类型为热汇；夜间，LCZ类间SUHII差异减小，LCZ A（茂密树林）和LCZ B（稀疏树林）的热汇效应减弱，LCZ G（水体）则由热汇转变为热源；②人口热暴露在6—7时最低，10—11时达到峰值。建筑类LCZ（除LCZ 9）以及LCZ E和F普遍存在热暴露风险。四环内建筑密集，人口密度高，热暴露尤为突出；③当SUHII＞2 ℃时，人口热暴露风险显著增加，尤其在高密度建筑区和低绿地覆盖区域，控制SUHII在2 ℃以内能有效降低热暴露风险。研究可为提升城市宜居性、改善人居环境及制定城市热风险调控策略提供理论依据和实践支持。

河北平原抽取地下水进行冬小麦灌溉是该地区地下水位逐年下降的主要原因，引发了一系列生态环境问题，并导致水粮矛盾日益突出。利用遥感技术准确监测冬小麦灌溉信息对于实现水资源的合理配置与可持续利用具有重要意义。利用MOD09Q1和TRIMS LST数据，计算2020年10月至2021年6月河北平原的归一化植被指数（NDVI）和温度植被干旱指数（TVDI），并基于冬小麦NDVI时间序列特征，提取了河北平原2021年冬小麦种植分布。根据冬小麦农田TVDI对灌溉事件的响应特征，确定识别灌溉事件的方法，反演冬小麦不同生育期内的灌溉区域，进而获得冬小麦全生育期灌溉次数的空间分布。结果表明：2021年河北平原冬小麦种植面积为20.91×10³ km²，提取结果准确可信；冬小麦生育期内少量多次的降水对麦田的TVDI影响较小，灌溉则会导致TVDI时间序列出现“波谷”特征；2021年河北平原冬小麦越冬水、返青水、拔节水和灌浆水的灌溉面积分别为10.23×10³ km²、14.31×10³ km²、9.79×10³ km²和7.14×10³ km²，灌溉次数为0、1、2、3和4次的冬小麦面积占比分别为6%、25%、39%、25%和5%。本研究提出的冬小麦灌溉遥感监测方法，可为地下水超采区指导灌溉提供技术支撑。

精确估算大尺度地表蒸散发对水文、生态、农业和水资源管理具有重要意义。在基于遥感的蒸散发估算模型中，PM（Penman-Monteith）方程结合Jarvis气孔导度模型的方法扮演着关键角色。当前PM-Jarvis蒸散发模型使用优化方法计算植被或各IGBP （International Geosphere-Biosphere Programme）类别最大气孔导度（maximum stomatal conductance，g_sm），然而该方法缺乏物理意义，忽略了不同植被间气孔特性差异，无法反映叶片g_sm的时间动态变化，导致蒸散发估算结果存在较大误差。针对这一问题，本研究利用植被叶片气孔长度、气孔密度等气孔解剖特征参数精确计算不同种类植物g_sm，基于归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）的生理制约函数模拟g_sm的动态变化，实现地表蒸散发的精确估算。利用美洲通量网站点观测数据验证，结果表明相较于不区分植被类型、基于IGBP类别的固定g_sm，精确计算的动态g_sm明显提高了蒸散发估算精度，其决定系数R²分别由0.626、0.726提高至0.83，均方根误差RMSE分别由33.31 W/m²、27.72 W/m²降低至21.81 W/m²。因此，在大尺度蒸散发估算中，精细化区分植被生理特性差异是一种能有效提高蒸散发估算精度的方法。