深度学习极大地推动了遥感图像处理技术的发展，在精度和速度方面展现了显著优势。然而，深度学习模型在实际应用中通常需要大量人工标注的训练样本，且其泛化性能相对较弱。近年来，视觉基础模型和大语言模型的发展为遥感图像处理的大模型研究引入了新的范式。遥感大模型也称为遥感基础模型，基础模型因其在下游任务中的卓越迁移性能而备受瞩目，这些模型首先在大型数据集上进行与具体任务无关的预训练，然后通过微调适应各种下游应用。基础模型在语言和视觉及其他领域已经得到了广泛应用，其在遥感领域的潜力也正逐渐引起学术界的重视。然而，目前针对这些模型在遥感任务中的全面调查和性能比较仍然缺乏。由于自然图像与遥感图像之间存在固有差异，这些差异限制了基础模型的直接应用。在此背景下，本文从多个角度对常见的基础模型以及专门针对遥感领域的大模型进行了全面回顾，概述了最新进展，突出了面临的挑战，并探讨了未来发展的潜在方向。

利用机器学习、深度学习进行遥感影像语义分割是遥感智能解译领域的重要手段。光学与SAR影像可以反映不同的地表特征，为土地利用/覆盖提供额外信息，有效地融合并提高对土地利用/覆盖类型的识别是遥感语义分割中的一大难点。针对上述问题，提出基于多源数据融合以及通道关联性感知的土地利用/覆盖分割方法。首先，使用高分六号光学影像和高分三号雷达影像，制作高分辨率影像样本数据；然后，采用编码—解码架构，在deeplabv3p框架中引入通道注意力机制和空间多尺度关联性，建立基于全卷积网络结构的CCAMNet（跨通道感知模块网络）模型；最后，在研究区域数据集上与UNet、Deeplabv3p、SA-Gate、v-fusenet、MCANet等语义分割模型进行对比实验，并在WHU-OPT-SAR公开数据集上与Deeplabv3p、PSCNN、MRSDC、v-fusenet、MBFNet、MCANet等模型对比实验。研究结果表明：在研究区域上与其他模型相比，该模型总体精度为79.68%，优于其他等模型；在公开数据集上总体精度为81.8%，在分类别精度上表现优于其它模型，能显著提高语义分割的精度，验证了模型在遥感土地利用分类语义分割应用中的可行性。研究结果弥补了高分辨率土地利用分类数据集在研究区缺失的问题，并验证了光学与SAR影像融合在提高分类精度上的可行性。

松材线虫病是毁灭性的松树病害，严重威胁我国森林生态安全。及时可靠的获取松材线虫病发生范围和病害程度对于森林管理和病害防控极其重要。然而松材线虫病传播速度快、防治难度大，传统人工调查方法难以满足需求。无人机遥感能够快速、准确的获取森林病虫害空间分布和病害程度，为森林病虫害防治和管理提供可靠的信息支撑。本研究利用无人机获取高分辨率红绿蓝（red-green-blue，RGB）可见光影像，首先使用面向对象的多尺度分割算法进行单木树冠提取，并计算植被指数（VIs）、纹理特征（GLCM），再利用特征选择算法优化特征集，使用随机森林分类（Random Forest，RF）和支持向量机分类（Support Vector Machine，SVM）算法构建松材线虫病分类模型，通过消融实验选取最优分类模型，最终实现松材线虫病病害程度和空间分布状况制图。结果表明：在面向对象单木树冠尺度上不同病害程度的松树冠层植被指数和纹理特征有所差异，使用植被指数（VIs RF：OA=76.52%，Marco-F1=0.77；SVM：OA=79.68%，Marco-F1=0.79）分类结果精度优于纹理特征（GLCM RF：OA=46.74%，Marco-F1=0.47；SVM：OA=62.09%，Marco-F1=0.54）；相比使用单一特征集，植被指数和纹理特征的组合可显著提高分类精度，说明多特征组合可以有效提高病害分类效果（VIs&GLCM RF：OA=79.47%，Marco-F1=0.80；SVM：OA=85.45%，Marco-F1=0.85）；无论是单一特征集建模，还是组合特征集建模，SVM模型分类效果都优于RF模型。本研究为全面掌握松材线虫病病害程度及空间分布情况提供及时、可靠的信息支持，有助于推动重大林业有害生物防治体系建设，维护生态安全。

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。

大型地震灾害发生时都会造成大量财产损失甚至人员伤亡，因此，灾后第一时间对灾情作出判断极为重要。合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候，不易受光照和气候条件影响的优势，使用SAR 影像进行变化检测在震后救援与损失估计、洪水波及范围检测、城镇化研究以及海岸线提取等多个领域备受关注。为此，提出一种结合空间域和频率域纹理特征的深度学习建筑震害提取方法，能够较好地识别倒塌建筑物与未倒塌建筑。以2023年2月6日土耳其7.8级地震的卡赫拉曼马拉什（Kahramanmaras）区域为例，该区域在此次地震中损毁最严重。本研究在深度学习网络进行分类的过程中加入了空间域特征和频率域特征。经过大量实验计算，该方法的分类精度达80.98%，远高于原始图像的分类精度47.84%。同时，此结果也高于仅使用空间域特征的分类精度73.30%，以及仅使用频率域特征的分类精度73.42%。该方法能够为地震灾后的受灾情况及灾害评估提供基础支持。

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。

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。

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。

我国西部干旱区生态脆弱，构建适宜的生态质量评价模型对干旱区生态、经济和社会发展具有重要意义。基于绿度、湿度、热度、干度、盐度和水土保持因子构建了用于干旱区生态质量评价的遥感生态指数URSEI，并利用趋势分析和Hurst持续性分析等方法，探究了2000~2018年石羊河流域生态质量时空变化特征。研究发现：①URSEI考虑了盐度和水土保持因素，其第1主成分贡献率高于80%，集成了各指标主体信息，可提升干旱区生态质量评价的全面性。②2000~2018年石羊河流域URSEI由0.288提升为0.316。生态质量改善的面积约为10 495.75 km²，在金昌市—天祝县—古浪县沿线呈带状分布，得益于生态管控政策强化和“引硫济金”、景电二期等调水工程的实施；退化的区域面积达2 388.50 km²，分布在凉州区主城区、民勤中部绿洲等人口聚居区和金昌市龙首山矿区。③未来流域生态质量以持续不变和持续改善为主，但部分地区有从改善向退化发展的趋势，其面积约为2 231.25 km²，分布在古浪县民权乡，凉州区黄羊镇街道、永丰滩镇，永昌县焦家庄镇等，基本在各区县主城区周边，是未来城市化的主要扩张区域。研究可为干旱区生态治理和可持续发展提供决策依据。

快速、准确地获取耕地变化信息对粮食安全管理具有重要意义。针对遥感语义分割方法在大尺度范围高分辨率影像耕地非农化检测中因模型适用性不足导致错漏检较多的问题，提出一种以场景分类网络Xception为基础的耕地高分辨率影像多尺度场景分类方法——Multiscale Scene Classification-Xception（MSC-Xception）。该方法对耕地场景分类性能突出的轻量级场景分类网络Xception的输出层嵌入卷积注意力模块CBAM以增强模型在通道及空间特征上的提取能力，同时对单一尺度场景级分类在大尺度耕地提取中存在的混合场景分离度低和细节粗糙问题，先引入一种多尺度耕地场景特征融合的方法提高混合场景的分离度，再通过多尺度分割矢量的边界约束实现对场景级分类的边界精细化。相较于典型的Unet、PSPNet和DeeplabV3+语义分割方法，该方法能较好地减少大图斑漏检现象，在栖霞区2018年4月份GF-2影像的耕地提取实验中召回率和F1分数至少分别提高了15.1个百分点和8.8个百分点，在2018年至2022年栖霞区耕地非农化检测中，可疑图斑的查全率至少提高了7.16个百分点。

洪泽湖是苏北地区最大的供水水源地以及南水北调工程东线的水源调蓄水库，其水质状况直接关系到沿线地区的供水安全与水资源可持续利用。其中，水体透明度是衡量水环境质量的重要指标，在水生态系统中起重要作用。以洪泽湖为研究区，利用野外实测透明度数据和光谱数据，基于Landsat-8 OLI遥感数据，构建适用于洪泽湖透明度遥感估算模型，验证结果MAPE和RMSE分别为19.8%和0.07 m。将构建的模型应用到2013~2022年洪泽湖Landsat-8 OLI影像上，得到如下结论：①透明度年际变化平均范围在0.18~0.25 m，最高值与最低值分别出现在2019~2020年和2013~2014年，3个湖区整体变化趋势一致，成子湖湾透明度最高，淮河湖湾最低；影响湖区透明度主要因素为风速，其中输沙量是淮河湖湾主要影响因素。②透明度月际变化从1~8月呈上升趋势，8月后逐月下降，最高值0.36 m出现在8月，最低值0.20 m出现在5月；湖区透明度主要受风速影响，成子湖湾和溧河湖湾受气象因素影响明显，淮河湖湾受输沙量及通船等多因素共同影响。

快速、准确评估土壤含盐量对土地质量评估和农业发展至关重要，高光谱遥感作为有效监测技术提供了新途径。优化高光谱数据处理以增强特征对于准确估算土壤参数尤为关键。然而，不同光谱组合处理对土壤含盐量估算影响机制尚需研究，本研究旨在探讨非线性变换和分数阶微分组合处理下高光谱数据对土壤含盐量的估算潜力。基于榆林市60个典型土壤样本对不同光谱变换组合下的盐渍土的光谱特征进行分析；采用竞争性自适应重加权采样法（CARS）和连续投影算法（SPA）筛选特征波段作为输入变量，建立偏最小二乘回归（PLSR）和随机森林（RF）模型，对比分析不同光谱处理和建模策略对土壤含盐量估算能力。结果表明：分数阶微分与整数阶相比更能体现盐渍化土壤光谱的吸收特征；倒数和对数变换能有效增强光谱数据与土壤盐度信息的相关性，尤其在1 905~2 078 nm波段范围内。PLSR模型精度整体优于RF模型，采用CARS筛选特征波段的PLSR模型达到最优建模精度（R²=0.966）。研究结果为土壤盐分监测和精准农业的实施提供理论依据。

火灾威胁人类的生命和财产安全，对生态系统造成巨大破坏。火烧迹地的遥感响应特征研究，对于火烧迹地的准确提取、火灾损失的定量评估及植被恢复有重要意义。本研究基于Sentinel-1 SAR遥感影像，针对6个火灾案例分析了森林、火烧迹地、建筑物、水体等地物在雷达图像的响应特征，并分析了火烧迹地在灾前1年至灾后2年的时间序列变化规律。结果表明：火烧迹地的交叉极化比值和VH极化后向散射强度相比于未过火区更低，建筑物VH和VV极化的后向散射强度远高于其他地物，水体在两种极化的后向散射均非常低，而交叉极化比值较高。在时间序列方面，VV极化后向散射强度呈现明显的季节变化；多数案例中灾后一个月内VV极化的后向散射强度明显升高，交叉极化比值迅速下降。Sentinel-2 MSI遥感影像计算的归一化燃烧指数NBR时间序列变化与SAR影像有一致的规律，呈现明显的季节变化，灾后半个月内迅速下降，随后逐步恢复。

河南是我国的玉米种植大省，豫东南地区则为省内重要的玉米产区。通过土地种植适宜性评价可以优化土地利用结构、加强土地管理系统效力。以豫东南地区玉米种植为研究对象，综合考虑环境因素和地域特征，基于层次分析法构建玉米种植适宜性的评价指标体系并设计相应的综合评价指数（Comprehensive Evaluation Index， CEI），完成区域的适宜性评价。本研究经计算得到豫东南地区整体的玉米种植适宜性综合评价指数，并最终提取旱地范围内数据结果进行分析，认为豫东南地区玉米种植适宜性整体较高，98.21%的旱地非常适合或者比较适合种植玉米，这是因为该区域的地形、地势及水热条件互补性为玉米生长提供了一定的环境优势。本研究可为豫东南玉米种植区域的优化提供参考和借鉴。

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。

自然灾害、战争冲突等突发事件因突发性强、危害性大，已逐渐成为全球学界的研究热点，如何准确高效地评估突发事件影响及后续的恢复情况是其重要议题。夜间灯光遥感作为遥感领域的活跃分支，因其可反映地表人类活动差异，近年来已受到社会经济、自然研究等领域的广泛关注。本研究对2012~2022年间夜间灯光遥感数据应用于突发事件中的中英文研究进行梳理归纳，聚焦武装冲突、公共卫生事件、自然灾害3类研究热点，系统梳理夜间灯光数据的研究主题、方法分析及内涵解释。研究发现，夜间灯光数据主要通过人类活动变化、公共基础设施状态、地区经济发展的非预期性改变来反映突发事件的影响，已广泛应用于评估突发事件的影响范围、破坏程度及恢复进展，为政府应急管理和制定灾后恢复策略提供了可靠依据。夜间灯光遥感数据凭借其易获取、相对客观和与社会经济的紧密联系，为快速、大范围评估突发事件影响提供了强有力的支持。未来研究应继续开发更高时空分辨率的夜间灯光数据集，深化与地面监测数据、社会经济数据及其他对地观测数据等多源数据的融合，构建更完善的突发事件监测和评估体系，科学高效地支撑应急管理工作。

土地利用/覆被变化是研究全球环境变化和可持续发展的重要基础。基于Google Earth Engine （GEE）平台和随机森林算法，对长江中游城市群1990、2000、2010 和2020年的Landsat卫星影像进行快速、高效地解译，追踪土地利用/覆被变化的时空格局变化。结果表明：①2020 年长江中游城市群主要由耕地和植被构成，面积占比在86%以上，耕地和植被主要分布在城市群的四周、城乡建设用地呈散团式镶嵌其中的空间格局；②土地利用数量结构上整体呈现城乡建设用地和耕地持续增加、植被和未利用地呈波动式减少、水域波动式微弱增加的发展趋势；在土地利用转移上，主要呈现出建设用地斑块遍地开花并伴随局部爆炸式扩张，植被流向耕地，未利用地流向植被和耕地的演变态势；③在土地利用空间集聚演变方面，土地利用程度的较热点、热点都在增加，极热点区总体逐渐减少，而较热点则相反，热点呈增加的趋势，且全部位于武汉城市圈及其周围；土地利用程度较冷点总体上呈先减少后增加的趋势，且较冷点区由环长株潭城市群（湘潭市、萍乡市和株洲市）转向环鄱阳湖城市群（南昌市）。长江中游城市群建设用地和耕地空间集聚范围呈持续扩大态势，且集聚程度随集聚范围的扩张同步加强，中等密度和较低密度区扩展区随着城市群的快速发展逐渐演变为热点区域。研究结果为生态型城市群的土地资源保护与可持续利用提供了有效的决策依据。

河流径流量地监测对水资源的管理与利用具有重要的意义，但如何灵活、精确地获取河流径流量仍然是一个难题。卫星遥感因其分辨率受限难以精确反演中小型河流径流量，传统河流流量监测技术复杂、设备昂贵，在无资料区、突发性灾害事件应急监测方面应用受限。为此，本研究利用无人机快速、灵活的特性，利用激光雷达获取地形信息精度高的优势，基于无人机激光雷达点云数据3D模型，结合粒子跟踪测速法（Particle Tracking Velocity，PTV），提出了一种适用于中小型河流的径流量监测方法。该方法利用激光雷达近红外波段对水体的强吸收特性，提取水体与陆地分界线，通过与河道原始断面图匹配融合获取过水断面。基于低空无人机光学遥感影像以粒子跟踪测速法计算河流流速，进而通过流速面积法估算河流径流量。经过连城水文站河段24次无人机径流量监测实验得出如下结论：无人机激光雷达监测流量与实测流量平均相对误差为8.67%，最小相对误差为0.46%，均方根误差RMSE （Root Mean Squared Error）为0.09 m³/s，平均百分比误差MPE（Mean Percentage Error）为0.02，百分比偏差Pbias（Percent bias）为1.95%，纳什效率系数NSE（the Nash-Sutcliffe Efficiency Coefficient ）为0.94，可满足无资料地区中小型河流径流量监测精度需求；通过比较，本研究方法的径流量监测精度，也明显高于曼宁公式径流量估算结果（RMSE，NSE）。本研究论证了无人机激光雷达点云数据径流量监测的可行性与可靠性，为无资料地区突发性灾害应急监测和中小型河流径流量监测提供了新思路。

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。

领域自适应将源域知识迁移到目标域，用以提升高光谱遥感影像在不同场景下地物分类精度。高光谱影像的领域自适应分类方法发展迅速，然而目前缺乏不同典型方法的对比分析。因此本文归纳总结领域自适应分类方法为概率分布适配法、特征选择法、子空间学习法、深度域适应法四大类，选取8种典型方法，利用帕维亚中心、帕维亚大学和HyRANK 3个标准数据集设计对比实验。实验结果表明：深度域适应方法优势明显，其中拓扑结构与语义信息传输网络法的总体分类效果和计算效率整体上最优。

为实现更加准确的红树林提取与监测，以温州市鳌江沿岸等4个红树林种植区为研究区域，采用Sentinel-2遥感影像数据，基于DeepLabV3+语义分割模型对红树林的分布进行识别提取与精度验证，并应用于2019~2023年红树林的时序变化分析。结果表明：①由DeepLabV3+网络构建的红树林信息提取模型，能较好的区分红树林与非红树林区域，误提、漏提现象较少；②与传统机器学习方法相比，语义分割算法明显更优，其中DeepLabV3+方法的精度最高，其精确率为84.89%，Kappa系数为0.82；③红树林的生长受地理位置和生长环境的影响较大，海岸潮间带或入海口处的红树林更易受到台风、潮汐等的影响，互花米草等外来物种对红树林生长空间的侵占等因素都是造成红树林幼苗成活率低、生长速度慢的关键因素之一。因此，基于DeepLabV3+的语义分割模型能较好地识别与提取红树林，为温州市红树林的监测与评估提供数据基础支撑。

单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达 （Light Detection and Ranging， LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域，通常通过考虑点云之间的空间关系，制定合适的判别准则来实现单木的分割。然而，针对结构复杂的森林，现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明：以甘肃省甘南藏族自治区为研究区，对西北云杉林进行单木分割时，该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比，该方法的整体棵数查全率分别提高了32％和15％，查准率分别提高了51％和27％，分别达到了83%和89%的查全率，以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持，特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。

分析耕地的数量和空间格局变化对于评价区域粮食安全现状和耕地资源可持续利用有重要意义。研究基于全国第二次土地调查及变更数据，采用空间分析、趋势分析等方法，对东北地区2009~2018年耕地的数量和空间分布变化进行了分析，揭示了新增耕地格局及其地理环境特征。结果表明：①2009~2018年间东北地区的耕地数量略有上升，增长幅度缓于以前；②新增耕地集中分布在西辽河平原、松辽平原西部及三江平原等地区，主要来源于林草地及未利用地的开垦；③东北地区整体上新增耕地水热条件略好于传统耕地，但在三江平原、小兴安岭—长白山脉地区情况相反。尽管新增耕地主要分布在平原地区，但局部地区仍出现耕地上山现象。同时发现内蒙古东部、松辽平原新增耕地的土壤肥力略弱于传统耕地。研究发现，新增耕地与传统耕地的自然条件存在差异，考虑到耕地开垦可能带来的生态风险，未来需要加强对新增耕地的质量评估和监测，尤其需要权衡耕地开垦的经济增值与生态退化的风险，以促进对耕地资源的有序利用与可持续发展。

土地利用方式不断发生变化，对黄河流域的生态环境、社会经济发展均产生深远的影响。明晰黄河中游流域土地利用的动态变化特征，可为实现黄河流域的可持续发展提供科学依据。本研究基于黄河流域中游1995年、2005年、2015年、2023年4期Landsat遥感数据，通过支持向量机（SVM）和最大似然法分类获得示范区土地利用空间分布，利用土地利用变化、转移矩阵等定量指标，分析研究区1995~2023年土地利用变化特征，并通过建立FLUS-Markov模型，预测研究区2025年、2030年的土地利用变化。针对6类（森林、草原、湿地、耕地、建设用地和未利用地）土地利用变化，结果显示：①在过去近30年，耕地和林地分别减少8 600 km²、6 400 km²，建设用地面积增加7 500 km²；②土地利用类型的转移方向多样，主要为耕地向建设用地、植被方向转变，各地类景观在空间分布上趋于均衡，城市协调发展；③在1995年至2023年期间，森林、草原和建设用地的数量呈上升趋势，而湿地、耕地和未利用土地的数量呈下降趋势；④未来10年间，黄河中游土地利用变化明显，因为人类需要更多的土地进行建设。

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。

高分光学影像易受到成像条件及地物变化等因素的影响，出现难以忽略的几何与辐射畸变，传统配准算法难以保证精度与稳定性。为此，本研究充分发挥相位一致性在影像几何结构表达上的优势，提出了一种基于多方向相位一致性的配准算法，利用Log-Gabor滤波器计算影像在不同方向上的相位一致性及其最小矩估计，进一步通过多阈值约束提取影像角点，并构建对辐射、旋转弱敏感的描述符，以实现复杂辐射、几何畸变场景下的同名特征匹配，最后利用匹配特征解算局部配准模型。基于高分一/二/六/七号影像的多组实验证明，所提出算法可以实现高精度配准，适用于不同来源、不同场景及不同分辨率的国产高分光学影像配准任务。

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。

草地作为重要的植被生态系统，研究其物候变化对于全面了解全球气候变化和生态系统碳循环具有重要的意义。内蒙古拥有中国最重要的草地资源，利用GIMMS NDVI3g数据，通过Double Logistic拟合法提取了该区域草地过去34年（1982~2015年）的关键物候参数（生长开始期SOS、峰值期POS、结束期EOS以及生长季长度LOS），分析了其时空变化和对气象因子的响应以及对生产力的影响。结果表明：（1）内蒙古草地的SOS主要集中在5月上旬到6月上旬，POS主要集中在7月上旬到8月上旬，EOS主要出现在10月中旬到11月初，LOS主要集中在140~170天；（2）SOS、POS和EOS均以提前趋势为主，而LOS增加和减小的比例相当；（3）SOS和POS受温度降水共同作用，EOS主要受降水影响，而受温度的影响较小；（4）SOS提前、EOS推迟以及LOS延长会导致GPP减小，而POS的提前会使得GPP增加。

精准监测与评估植被修复成效对生态保护、可持续发展和环境管理具有重要意义。以往研究多基于遥感影像数据，利用植被覆盖度等二维监测指标评估植被修复成效，关注植被覆盖区域的面积变化，缺少对结构的衡量，可能限制对于生态治理效果的精准评估。为解决以上问题，本研究提出在二维光学遥感的基础上，进一步引入激光雷达技术，对生态修复区进行更全面、精确的监测。该方法通过在传统光学遥感影像得到的二维指标基础上，整合基于无人机激光雷达数据获得的三维指标，实现对植被修复成效的综合监测与评价。为验证该方法的可行性，实验以北京市4个典型矿山修复区为例，基于研究区2022年的无人机激光雷达点云数据与2018~2022年的Sentinel-2时间序列遥感影像数据，分别计算了研究区的冠层高度、郁闭度、叶面积指数、冠层熵4个植被结构指标与植被覆盖度二维平面指标，利用对比分析、趋势分析等方法评估研究区植被修复情况。结果表明：从植被覆盖度来看，2018~2022年各矿区植被覆盖面积均呈现显著增加趋势，但结合植被结构指标，发现仅有一个矿区的三维结构指标与二维评价指标结果分布一致，表明此矿区不仅植被覆盖面积有所增加，同时植被结构也得到改善；而其他矿区仅植被覆盖面积有所提高，后续还需要加强对于植被结构的修复和管理。在光学遥感的基础上进一步引入激光雷达技术是一种更加全面的评估方式，可为生态恢复成效评价工作及生态恢复工程的进一步开展提供更加准确的参考。

动态监测生态质量，对实现区域可持续管理和可持续发展具有重要意义。基于Landsat 5/TM影像和Landsat-8/OLI影像，通过Google Earth Engine平台构建遥感生态指数，实现了大兴安岭地区1986~2020年35年间生态质量动态评价。①绿度和湿度对生态质量有正向影响，干度和热度对生态质量有反向影响，热度和绿度对生态质量的影响最大；②1986~2020年，大兴安岭地区生态质量分布变化较大，与1986年相比，大面积生态质量低或高的现象有所减少，且分布更加均匀，生态质量更加稳定；③从变化区域的相关统计可以看出，大兴安岭地区生态质量变化区域约占总面积的96.4%，生态质量变化较大；④大兴安岭火灾严重区生态质量呈现先下降后上升的趋势，但大兴安岭区域整体生态质量波动较大。总体来看，生态质量分布更加稳定，生态质量水平也逐步提高。

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。

城市功能区识别可为城市建设决策提供技术支撑。本研究提出了面向城市功能区识别的多源场景特征Transformer融合方法。利用路网构建交通分析区（Traffic Analysis Zone，TAZ），采用Delaunay三角网创建POI（Point of Interest）数据的图结构，通过TAZ获得遥感数据的影像对象；利用图卷积网络提取POI图结构的社会场景特征，由ResNet-50编码遥感数据的自然场景特征；基于Transformer的多头注意力机制融合多维特征，依托SoftMax实现功能区识别。以沈阳市主城区为例，以2021年的OpenStreetMap、POI和遥感数据为数据源。该方法的总体精度和Kappa系数为82.2%和70%，Kappa系数较单一数据方法和其他融合方法至少提高18%和9%。本研究采用Transformer融合社会场景特征和自然场景特征，解决了多源数据难以集成表达的问题，为城市功能区识别提供了新的技术路径。

GRACE卫星开创了遥感定量反演地下水变化量的新纪元，但存在空间分辨率低的问题。高分辨率地下水数据的获取将显著提升对局部水文过程的认识精度，为制定科学合理的地下水资源管理策略提供关键数据支撑。研究整理了黄河流域降水、气温、蒸散发、地表温度、归一化植被指数、土壤水等特征因子，首先采用偏最小二乘回归法针对1~12月份分别进行特征因子筛选，构建逐月最优特征因子集；之后，运用随机森林算法对黄河流域地下水数据进行由0.25°× 0.25°降尺度至1 km×1 km的研究，并结合实测地下水位数据进行对比验证。结果表明：①除了蒸散发和地表温度以外，其余因子的重要性随月份的改变而改变；②时间序列上，降尺度前后地下水数据的相关系数和纳什系数均高达0.95，均方根误差为3.17 mm；③空间上，与降尺度前对比，降尺度后的地下水储量变化数据与实测地下水位的相关系数提高了47.67%。研究结果能够满足实际应用对高分辨率地下水数据的需求，并为地下水降尺度研究的特征因子筛选提供参考。

耕地非农化信息的快速准确获取对于耕地资源的管理及相关政策的实施具有重要意义。为探究商南县2010~2020年耕地非农化的变化规律，以谷歌地球引擎（Google Earth Engine，GEE）为平台，采用随机森林方法进行分类，基于多时相Landsat遥感影像获取商南县2010、2015、2020年耕地时空分布信息，并通过土地转移矩阵、地理探测器及网格单元等方法，对商南县耕地非农化的重要特征及驱动因子进行分析。结果表明：①基于GEE平台的随机森林方法可有效获取商南县耕地信息，土地利用分类总体精度高于88％，Kappa系数大于0.85。②商南县耕地空间分布不均匀，多分布于中部及东南部地区；非农化类型主要为园林地，转化地类主要集中于商南县中部和东南部地区；耕地面积不断减少，非农化整体呈现越来越快的趋势。③自然和社会因素对耕地非农化具有共同驱动的作用，而自然因子作为耕地非农化的先决条件，人类活动在自然因素限制下对耕地非农化的影响可由社会因子进行反映。商南县耕地非农化的主要自然驱动因素为土壤类型，而在社会因素中到公路距离因子对于耕地非农化转变的影响力最大，说明适宜耕种的土壤类型、快速的经济发展对商南县耕地非农化影响较大。

新一代星载激光雷达冰、云和陆地高程卫星二代（ICESat-2）和全球生态系统动力学调查（GEDI）在森林冠层高度估算中具有独特的优势。融合两种激光雷达数据不仅能够增加冠层高度反演的样本量，还能实现不同数据之间的空间互补。首先采用随机森林—递归特征消除法（RF-RFE）筛选光子特征参数，结合逐步线性回归（SLR）、随机森林（RF）、轻量级梯度提升机（LightGBM）、随机森林逐步线性回归（RF-SLR）、粒子群优化随机森林（PSO-RF）5种融合模型进行适用性分析，选择最优模型构建点尺度冠层高度数据集，并联合多源遥感影像反演祁连山国家公园冠层高度图。最后使用GEDI脚点足迹和样地调查数据将反演结果与现有冠层高度产品进行对比。结果表明：①粒子群优化随机森林（PSO-RF）模型的融合效果最好（R²=0.71；RMSE=3.15 m；MAE=2.66 m）。②基于PSO-RF融合的点尺度冠层高度集的反演模型精度最高（R²=0.56；RMSE=3.02 m；MAE=2.38 m）。③与现有冠层高度产品相比，反演结果的精度较高（基于GEDI脚点足迹：R²=0.43；RMSE=4.50 m；MAE=3.59 m），与样地调查数据相比，反演结果的误差较小（R²=0.36；RMSE=3.15 m；MAE=2.56 m）。研究结果可反映祁连山国家公园植被空间分布格局，为森林资源管理、碳汇计算和生态资源保护提供科学依据。

城市快速扩张导致城市及其周边生态环境发生剧烈变化，进而加剧城市热岛（Urban heat island，UHI）效应。但城市扩张对干旱区城市热岛效应的影响仍不够清晰。甘肃省从东南向西北延绵1 600 km，气候类型从东南部的湿润半湿润气候逐渐过渡到西北部的极端干旱气候。此外，2000年以来甘肃省经历了快速的城市扩张，因此甘肃省是研究不同干湿气候背景下城市扩张对UHI效应影响的理想实验区。本研究利用MODIS地表温度数据集，估算2003~2021年甘肃省14个城市的地表城市热岛强度（Surface urban heat island intensity，I_s ）及其年际变化特征，以探究不同气候背景下甘肃省UHI效应变化特征及其对城市扩张的响应。结果表明，甘肃省各城市I_s 和δISP（Urban-rural Contrast in Impervious Surface Percentage，δISP）具有明显的时空差异。I_s 变化趋势主要受植被覆盖度（R² =0.406，P<0.05）影响，其次是降水量（R² =0.377，P<0.05） ，城市人口数量（R² =0.069，P>0.05）的作用可以忽略不计。此外，由于不同土地覆盖类型的地表温度（Land Surface Temperature，LST）存在差异，城市扩张进程中所占用的土地覆盖类型对I_s 趋势亦有影响，如果城市扩张进程中占用的是裸地类型则产生降温效应。城市扩张强度对I_s 趋势的影响存在明显的阈值，不同气候区城市的阈值不同，湿润区城市的阈值（天水，δISP=32%）小于干旱区城市（酒泉，δISP=41%）。此外，阈值前后I_s 变化速率不同，干旱区城市的I_s 在阈值前后的变化更显著。本研究成果为干旱区城市快速扩张的影响评价与管控决策提供了科学依据。