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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

土壤作为最宝贵的自然资源之一，正面临着全球性、区域性和地方性退化的挑战，从质量退化到盐渍化等问题，已导致大规模的优质农田流失。这些问题影响农业生产和粮食安全，破坏生态平衡与可持续发展。因此，及时监测和准确绘制盐渍化过程至关重要，特别是在气候变化影响已经达到惊人水平的半干旱和干旱地区。随着遥感技术的迅速发展，土壤盐渍化制图技术开始展现出巨大的潜力，因此本文系统综述了遥感技术在土壤盐渍化评价中的应用前景，并通过对WOS数据库中相关文献的关键词检索，分析了近几年土壤盐渍化的研究热点。结果表明美国和中国对土壤盐渍化遥感技术的研究最为深入，研究热点为基于机器学习和人工智能的盐碱化遥感监测。裸土与植被信息在目前土壤盐渍化监测中得到广泛应用，并引入了光谱指数的概念，通过对可见光（VIS）、近红外（NIR）与短波红外（SWIR）等光谱反射率的研究，监测土壤盐分的变化情况，目的是将多源、多尺度、多平台的遥感数据与地面信息相结合，建立一个综合的“天—空—地”一体化监测系统，在土壤盐渍化监测中，与多源多模态遥感数据相匹配的地面调查数据的高效获取，多模态数据中有效的盐分响应变量提取，以及维度的（一维、二维、三维）多模态信息有效融合，构建盐渍化土地的多个表征参数反演模型，并将研发的遥感产品应用于农业生产与生态环境保护实践中是目前亟待深入研究的问题。

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。

森林冠层高度是评估森林结构与生态系统功能的核心参数，对于森林资源管理与碳储量监测具有重大意义。星载激光雷达因其高精度的垂直穿透能力被广泛应用于森林冠层信息的提取，然而国内基于自主星载全波形激光雷达数据的相关研究仍较为有限。我国森林资源丰富，且多处于地形复杂区域，不同的植被覆盖和复杂地形会给全波形激光雷达信号的特征提取带来不同程度的影响。为此，本研究利用我国首颗陆地生态系统碳监测卫星句芒号获取的多波束全波形激光雷达数据，通过对原始光斑波形进行滤波和特征点提取，并分类设定阈值，优化了波形信号起始和截止点位置；随后以优化后的信号截止点位置结合激光雷达回波模型，校正了地形坡度效应，并在东北虎豹国家公园和海南热带雨林国家公园两个典型示范区进行了森林冠层高度反演和验证。结果表明，在坡度≤15°的地形条件下，优化后的句芒号激光测高数据所得的森林冠层高度与样地CHM参考数据的最大冠层高度一致性良好，相关系数（r²）均在0.85以上，RMSE在东北虎豹国家公园与海南热带雨林国家公园两个区域分别由4.52 m降至2.56 m、5.51 m降至3.20 m，估测精度显著提升，进一步证明了句芒号卫星在激光足印尺度上的森林冠层高度估测中具有较大的应用潜力。

粤港澳大湾区是我国改革开放程度最高，经济活力最强的区域，探究其城市化时空特征对理解区域城市群演变及经济发展关系具有重要意义。本研究利用1992—2012年DMSP/OLS与2012—2021年NPP/VIIRS两套夜间灯光遥感数据，通过对比两种数据整合路径（基于NPP/VIIRS模拟DMSP/OLS与基于DMSP/OLS模拟NPP/VIIRS）的效果，并借助其与国内生产总值（Gross Domestic Product，GDP）的线性回归分析验证数据可靠性，最终遴选出最优的数据融合方案，构建了1992—2021年粤港澳大湾区长时间序列夜间灯光数据集，并探究了大湾区城市化的时空演变规律。结果表明：①1992—2021年粤港澳大湾区夜间灯光亮度整体上呈持续增长趋势，且其灯光亮度增长在1992—2001年、2002—2011年和2012—2021年3个时间段有显著的地域差异，首先经历广州、香港、澳门等核心城市辐射带动周围城市核心区灯光亮度快速增长，随后溢出到郊区，并刺激郊区快速增长，当郊区发展饱和后，灯光效应再次溢出至县域乡镇地带；②1992—2021年粤港澳大湾区北部、西部城市建成区扩张速率高于东部、南部，且粤港澳大湾区城市建成区向外扩张的主要方向逐渐由“东南—西北”方向转变为“偏东—偏西”方向。

平流层飞艇近场高云特性与平流层飞行安全密切相关。针对常见的地基、空基以及天基云探测方法，研究分析并评估了各方法在高云探测中的优势与局限。为弥补现有探测方法的不足，本研究提出了基于平流层飞艇的近场探测和艇载下投探测两种云探测方法，初步分析了其可行性并介绍了相关气象类艇载探测载荷以及艇载下投设备的研究进展。总体而言，为保障平流层飞艇飞行安全，需要建立地、空、天协同的云探测系统，以提供全面的云特性数据支持，确保平流层飞艇平台的稳定可靠。同时，鉴于我国在高云探测领域的数据缺口与现有技术的不足，亟须加速平流层飞艇技术的研发，研制更为精确和可靠的气象探测设备，以提升我国的自主技术水平和数据采集能力。

在“双碳”背景下，黄河流域作为我国重要的能源基地及沿黄全国生态长廊，研究其碳排放时空演变特征，对于黄河流域生态治理和协调发展至关重要。本研究以黄河上游城市为例，基于夜光遥感数据构建碳排放估算模型，采用引力模型、标准差椭圆模型及热点分析等方法开展为期21年的碳排放时空格局分析，通过CA-马尔可夫预测模型对黄河上游城市2030年碳排放强度进行预测。结果表明：2000—2020年黄河上游地区碳排放量整体呈上升趋势，碳排放量从0.52×10⁹ t增长至1.78×10⁹ t；碳排放引力分异显著，总体呈现“东北强引力，其他区域弱引力”，碳排放重心向鄂尔多斯等工业型城市偏移；黄河上游地区市、县级尺度莫兰指数相对稳定，包头市、呼和浩特市、石嘴山市等城市为高高聚集区域，陇南市、西宁市等城市为低低聚集区域；碳排放冷热点空间分布聚集程度变化显著，河源区向东逐渐扩展，峡谷区较为稳定，冲积平原区呈波动变化；2030年黄河上游城市碳排放强度变化不明显。黄河上游碳排放空间异质性明显，工业型城市高排放，未来减排应聚焦其东北部及工业区，通过清洁能源替代、区域协同减排与完善监管实现流域碳减排，推动城市绿色可持续发展。

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。

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。

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。

城市非正规居住区是快速城市化进程中的一种全球普遍现象，其光学遥感识别研究对于实现可持续发展目标第11个目标可持续城市和社区具有重大意义。本文在统计2001—2024年国内外相关文献基础上，梳理和分析了城市非正规居住区光学遥感影像数据源及空间分辨率、单类特征分类和多源特征融合分类、识别方法和优缺点。结果表明：数据源按照空间分辨率分为超高/高、中、低3类；将单类特征或数据源分为光谱、纹理、几何和上下文等光学影像特征，GIS数据等辅助数据特征，并将多源特征融合分为特征级、数据级和决策级3种；与深度学习相比，基于像元法、面向对象法等传统识别方法存在适应性弱、识别效率低等局限，深度学习法以其强大的特征提取能力和较好的泛化能力，在大范围、长时序的非正规居住区遥感识别中具有广阔前景。本文可以为未来城市非正规居住区遥感识别提供参考，推进可持续城市建设和发展。

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。

蓝藻水华会对水生态系统和人类健康造成严重威胁，开展蓝藻水华卫星遥感业务化监测，针对管理需求进行快速响应，具有重要的科学意义和实践价值。目前，蓝藻水华遥感监测相关研究主要集中于自动化提取算法和时空变化分析，高精度、规范化、业务化的时空快速响应方法研究较少，导致蓝藻水华遥感监测结果不能有效地服务于国家和地方水环境管理需求。针对这些问题，本研究基于蓝藻水华卫星遥感业务化监测需求分析，提出了一套符合科学性、可操作性和可比性的蓝藻水华卫星遥感业务化时空快速响应方法。该方法涵盖卫星遥感影像选择、常规和应急监测的监测频次与响应时间、蓝藻水华分布提取及提取结果质量控制等。在此基础上，本研究构建了蓝藻水华卫星遥感业务化时空快速响应方法产品体系。这套方法和产品体系可以有效提高蓝藻水华卫星遥感监测结果的准确性、一致性和时效性，为国家和地方水环境管理部门的水环境管理决策提供重要支撑。

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。

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。

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。

叶面积指数（Leaf Area Index， LAI）是反映作物生长的重要参数，准确获取对农业监测和产量评估至关重要。Sentinel-2卫星具备多红边与短波红外波段，在LAI反演中具有潜在优势，因此比较不同模型与波段组合的反演能力，对提升玉米LAI估算精度具有重要意义。本文以位于甘肃省张掖市的黑河遥感试验研究站大满观测场为研究区，基于PROSAIL模型敏感性分析，筛选对LAI敏感的波段组合和关键参数，构建模拟数据库，并采用查找表法（Look Up Table， LUT）、遗传算法（Genetic Algorithm， GA）和随机森林（Random Forest， RF）回归模型3种方法反演LAI，结合Sentinel-2影像及实测数据进行精度验证。结果表明：①异常数据对反演精度影响显著，LUT对异常值最敏感（ΔR²=0.20~0.26），RF相对稳定（ΔR²=0.14~0.20），LUT加入红边波段RE₂（B，R，RE₂，RE₃，NIR，RE，SW₂）可在提高精度的同时保持抗干扰性（均值ΔR²=0.18）；②移除异常数据后，LUT反演精度最高（R²=0.88，RMSE=0.31），GA次之，RF加入RE₂波段表现显著提升（R²=0.65~0.79，RMSE=0.64~0.53）；③3种模型在高LAI区间（2.5~5.0；LUT：R²>0.84；GA：R²>0.71；RF：R²>0.57）反演精度均显著优于低LAI区间（0.5~2.5），其中RF结合RE₂波段R²从0.57提高至0.82。综上所述，物理模型反演方法以及RE₂波段在提升玉米LAI反演精度方面作用突出，能够为玉米的LAI反演工作和生长监测提供有益参考。

地表土壤水分是控制水循环、碳循环以及陆地与大气之间能量交换的关键变量。目前，L波段的被动微波观测被认为是获取表层土壤水分信息的最佳波段。但是，被动微波空间分辨率低，不足以满足水文模型、天气预报、农业规划和水资源管理等应用的需求。被动微波遥感的直接观测值是亮度温度（Brightness Temperature，TB），因此获取高分辨率的亮度温度是获取高分辨率土壤水分的基础。针对这一问题，本研究以时间序列回归（Time Series Regression，TSR）方法为基础，引入微波植被指数（Microwave Vegetation Index，MVI）削弱植被信息对降尺度模型的影响，利用先进微波扫描辐射计（Advanced Microwave Scanning Radiometer-2，AMSR-2）的X波段高分辨率亮温信息来提高土壤湿度主被动计划（Soil Moisture Active and Passive，SMAP）L波段亮温的空间分辨率。通过使用青藏高原L波段地基微波辐射计观测数据对降尺度结果进行验证，结果表明：TSR-MVI降尺度亮温在精度上能与SMAP原始数据保持一致，在垂直极化下的均方根误差（RMSE）最小为9.864 K，相关系数（R）最大为0.861；空间细节方面，基于TSR-MVI方法的降尺度结果优于Backus-Gilbert最优插值的结果，信息量更大，图像的清晰度更高。该方法能够对L波段SMAP亮温进行降尺度，其结果优于BG产品。

积雪在青藏高原生态系统中发挥着关键调节作用，对碳储存和碳循环有着深远影响。作为碳循环的关键变量，地表植被总初级生产力（GPP）的时空变化特征及对积雪参数的响应机制，直接关系到高寒草地生态系统的碳收支。然而，当前对于青藏高原积雪变化对GPP影响的研究仍存在不足，尤其是积雪物候（如积雪开始和结束日期等）对GPP的调控作用尚未厘清。本研究基于2000~2018年GPP数据集和积雪物候数据等多源遥感数据，分析了青藏高原高寒草地GPP和积雪参数的时空分布特征，并结合近地面气温、地表向下短波辐射、降水量等气象数据，探讨了积雪参数与气象因子对高寒草地GPP的影响机制。结果表明：青藏高原年均GPP值在空间上呈现为西北低、东南高的分布特征，且整体呈现增长趋势；积雪开始日期和积雪结束日期均呈现提前趋势，积雪持续天数呈现减少的趋势；年均GPP随着积雪开始日期的推迟，积雪结束日期的提前与积雪持续天数的减少而增加；影响GPP变化的主导因素依次为近地表气温、积雪持续天数、降水量、地表向下短波辐射、积雪开始日期、积雪结束日期；尽管气象因子对GPP的影响更大，但积雪参数对GPP的影响不可忽视，尤其是对春季GPP的影响；GPP的变化受积雪参数和气象因子空间分布以及它们相互作用的综合影响。本研究揭示了积雪动态对高寒草地GPP的调控作用，并明确了积雪参数与气象因子对GPP的相对贡献。研究结果有助于深化对青藏高原高寒生态系统碳循环过程的理解，并为预测气候变化背景下的GPP动态变化提供科学依据。

利用雷达遥感技术对滑坡隐患区进行大范围的识别及监测，是当前防灾减灾的重点。高压输电线作为国家电网的重要组成部分，其周围一旦发生滑坡，可能会造成巨大的经济损失。本研究采用SBAS-InSAR技术和光学遥感影像，对福建省龙岩市滑坡隐患以及影响因素进行了深入研究，特别关注了输电线附近的滑坡隐患区。研究结果表明：龙岩市滑坡灾害主要集中于斜坡和陡坡区域，高程多在200~600 m之间，与季节性降雨和人类活动等因素密切相关；重点识别的距输电塔不足2 km的7个显著沉降区，其年形变速率主要在-0.158~0.570 m之间，对输电设施构成了直接威胁。经过野外实地验证，该方法在保障输电线路安全运行方面具有重要作用。

单木是构成森林的基本单元，是森林资源调查与生态系统监测的关键因素。随着无人机技术与深度学习方法的发展，单木参数的高效提取逐渐成了可能。基于此，本研究以四川省乐山市夹江县的桉树人工林为研究区，通过无人机可见光影像，利用单阶段目标检测算法（SSD）和两阶段目标检测算法（Faster R-CNN）两种深度学习模型对影像进行单株立木识别及冠幅分级，并对两个模型进行验证集精度、测试集精度、训练时间等多维度的对比。结果表明：两个模型验证集精度均在83%以上，拟合效果较好，其中Faster R-CNN模型在测试集中平均精确率为95.13%，平均召回率为88.62%，平均F1分数达91.76%；SSD平均精确率为91.03%，平均召回率为82.66%，平均F1分数达86.64%。Faster R-CNN在精度和稳定性等方面优于SSD；而SSD模型在训练时间和检测效率方面具有明显优势。综合对比两种模型识别结果后，将Faster R-CNN模型结果用于后续分析。Faster R-CNN模型共识别129 045棵桉树，以四分位距法将所有桉树的生长状况分为三级，正常生长林木（Ⅱ级）占比为96.07%，生长旺盛林木（Ⅰ级）占比约为3.84%，生长缓慢林木（Ⅲ级）占比仅为0.09%。研究结果验证了深度学习算法对于无人机可见光影像在单株立木识别的良好应用潜力，证实了冠幅分级对于指导林业生产、制定抚育措施的重要实践意义。

我国自主研发的HY-2系列动力卫星为全球海洋风场观测研究提供了重要的数据支撑。通过对多源遥感卫星所获取的海面风场数据进行融合，形成高时空分辨率的风场融合数据，对研究台风灾害、保障船舶航行和海上作业安全具有重要意义。对风场融合数据进行交叉验证是该数据大规模应用的前提，本文选择台风灾害频发，渔业资源丰富的西北太平洋海域作为研究区域，利用ERA5再分析数据、CCMP风场数据及CERSAT风场数据作为参考数据，通过获取不同数据集之间的风速、风向的标准差和相关系数，开展了2019年12月至2021年11月HY-2系列卫星风场融合数据在不同季节间的交叉验证分析。结果表明：①HY-2系列卫星风场融合数据与ERA5再分析数据的匹配程度优于CCMP风场数据和CERSAT风场数据；②在不同季节中，HY-2系列卫星风场融合数据的风速和风向精度在夏季和秋季较高，而冬季和春季相对较低；③2019年12月至2021年11月的HY-2系列卫星风场融合数据的风速和风向具有较高的精度，其标准差分别为1.54 m/s和13.29°，相关系数分别为0.92和0.88，可广泛应用于西北太平洋海域。

受复杂气候与地形条件制约，梅里雪山地区的光学及微波遥感应用存在显著局限性。本研究基于大疆Mavic 3E无人机和海星达iRTK20 GNSS系统，分别于2023年10月1日与2024年10月1日对共森龙巴冰川末端开展了两期高精度摄影测量。利用U-Net深度学习模型，实现了冰川微地貌的自动化提取。研究结果表明：U-Net模型在冰川微地貌提取中表现出较高的精度和较强的泛化能力；观测期内（2023年10月~2024年10月）冰川末端表面高程平均降低2.37 m，变化显著；冰面湖塘呈现持续扩张趋势，且空间分布相对均匀；冰崖广泛发育，并持续向冰川退缩方向扩张，其中以末端中、上部区域最为显著；冰裂隙主要集中分布于3 910~4 000 m和4 110~4 200 m两个高程带，其余区域分布稀疏。本研究结合无人机影像与深度学习，建立的冰川微地貌智能提取技术体系，可为高精度监测冰川动态变化及其与气候变化的响应关系提供有效的技术支撑。

生态系统服务价值评估旨在量化生态系统为人类社会提供的各类服务与功能的经济价值，为生态保护、环境治理及可持续发展政策制定提供决策依据，已成为推动可持续发展的重要基础。黄河流域作为中国重要的生态屏障和经济带，面临严重的水土流失和生境质量下降等挑战，流域生态环境退化问题影响了数亿人生态福祉。研究以人口密集的黄河流域中下游作为研究区域，基于InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型，融合2000、2010和2020年3期土地覆盖、年降水量、高程等数据，从省域尺度和用地类型角度评估产水量、碳储量、土壤保持和生境质量4类生态系统服务的时空演变特征，并揭示生态系统服务之间的相互作用。结果表明：两个研究时段内，产水量和土壤保持两类服务呈现逐步上升的趋势，碳储量逐步下降，生境质量表现出先上升后下降的动态变化；省域尺度下各生态系统服务表现存在差异；林地和草地的生态系统服务功能较突出；生态系统服务之间总体呈现协同关系，且空间维度呈现出显著的异质性。研究不仅提供了高精度的生态系统服务动态评估成果，还结合省域差异提出了因地制宜的生态保护策略，为黄河流域中下游区域的生态管理与可持续发展提供了参考。

准确获取滨海湿地的长期演变信息对生态保护与资源管理具有重要意义。本研究以盐城珍禽自然保护区缓冲区与核心区为研究对象，利用1996—2024年Landsat遥感数据，借助Google Earth Engine云平台，融合连续变化检测模型（CCDC）、植被物候特征与马尔可夫随机场（Markov Random Field）分类后处理的优化方法（CCDC-MRF）监测湿地演变过程，探究湿地演变的时空异质性。结果显示：所构建方法分类精度较高，湿地识别的平均总体分类精度为86%以上，Kappa系数超过0.85，有效抑制椒盐噪声；研究区湿地演变呈现阶段性特征，经历“围垦—稳定—退围还湿—互花米草治理”的演化过程，缓冲区人工湿地变化幅度较大主要转向芦苇湿地。核心区变化较小，以自然植被的相互演替为主，近年变化主要受互花米草治理行动的影响；水体与植被的增益损失动力机制存在空间差异，缓冲区水体的增益损失主要受退养还湿的影响，而核心区植被大面积损失则与互花米草治理直接相关。研究表明，连续变化检测优化算法能提升滨海湿地识别的精度。盐城珍禽自然保护区的滨海湿地变化由于政策调控、自然过程与互花米草入侵的不同而呈现出差异化的演变特征。研究深化了对滨海湿地演变机制的理解，可为滨海湿地的精准监测与分区管控提供技术支撑。

准确快速地提取烟叶种植分布信息，对优化农作物种植结构与科学规划烟田布局具有重要意义。渑池县是河南省重要的烟叶种植基地，其丘陵地貌具有地块破碎和作物混种现象复杂的特点，仅依赖光学遥感特征难以满足丘陵地区烟叶提取的需求。因此，协同多源遥感影像，选择适合烟叶分类的遥感时相，挖掘烟叶遥感分类的显著特征，并尝试特征优化方法，对于提高丘陵地区烟叶遥感分类的精度和可靠性具有重要意义。本研究基于谷歌地球引擎（Google Earth Engine，GEE）平台，利用Sentinel-1/2影像提取研究区地物的光谱、极化、指数和纹理特征，其中指数特征包括基于红边光谱计算的红边指数。在实验中，采用面向对象方法设计了6种基于随机森林算法的分类方案，探讨不同特征类型组合对烟叶种植分布信息提取的影响。研究结果表明：在SNIC算法的面向对象方法中，当分割尺度设置为3像素时，分割影像的地类细节最为清晰完整；利用J-M距离可分性，将分类特征从28个压缩至15个，最大程度地保留了分类所需信息；在6种方案中，基于J-M距离选择算法筛选的特征方案融合了多种特征变量，其烟叶提取效果最佳，用户精度和生产者精度均高于90%，总体精度为94.88%，Kappa系数为0.94。

PS-InSAR 技术广泛应用于地表形变监测，但其结果易受空间噪声干扰。为提升监测精度，本研究引入区域叠加滤波方法，基于0.1°×0.1°格网构建残差栅格，并结合ISODATA空间聚类，有效剔除共模误差（CME）。以2014年10月—2024年1月藏东南地区的PS-InSAR数据为基础，结果表明：去除CME后拟合精度显著提升，RMSE平均降低约45%，R²提高约25%。形变速率结果显示，藏东南西北部和中东部存在明显抬升（>5 mm/a），主要受断裂带活动控制；而沉降区集中在比如县周边，与安多南断裂带及2021年Ms6.1地震密切相关，形变分布与构造活动高度一致。此外，本研究提取了该次地震的LOS向同震形变场及震前后形变速率变化，发现震区整体呈现最大达23 mm的下沉，局部区域表现出明显同震突变，反映出断层破裂特征。震前形变速率相对平稳（<5 mm/a），震后出现约-10 mm/a的负向加速形变。结合震源机制解与InSAR 反演结果，证实地震由走滑—倾滑复合型正断层活动引发。本研究有效提升了PS-InSAR数据精度，揭示了藏东南地表形变的时空分布及成因，为地质灾害监测和雅鲁藏布江流域水电开发提供科学支撑。