从文本分析到影像解译，主题模型一直起着十分重要的作用。由于其强大的语义挖掘能力，主题模型能够捕捉遥感影像中潜在的空谱信息，从而广泛应用于遥感影像解译问题（例如语义分割、目标检测、场景分类等）。然而，目前还没有一个详述和总结主题模型在遥感影像中应用现状的研究。本研究旨在系统地总结主题模型在遥感影像中的应用，并针对几个的典型影像解译任务开展实验对比和分析，全文架构包括以下4个方面：①主题模型基本理论；②基于主题模型的遥感影像典型应用；③基于主题模型的实验对比分析；④总结和展望。

为探讨近30年城市生态遥感研究的发展趋势及热点，基于文献计量法，以Web of Science （WoS）数据库中的SCI及SSCI学术期刊和CNKI数据库中的学术期刊为数据源，运用文献分析软件CiteSpace绘制城市生态遥感领域知识图谱，对1991~2021年该领域发表的论文进行分析。结果表明：①就发文数量来看，城市生态遥感的研究经历了“萌芽阶段”、“累积阶段”和“快速增长阶段”，呈现出良好的发展态势，发文量的质心在世界范围内也表现出从东部向西部然后又回归东部的迁移趋势；②就研究机构来看，在WoS与CNKI数据库中发文量最多的研究机构分别是中国科学院地理科学与资源研究所和北京师范大学；③就发文期刊来看，在WoS与CNKI数据库中发文量最多的期刊分别是Remote Sensing与《生态学报》；④就核心作者来看，中国科学院周伟奇与福州大学徐涵秋分别是WoS和CNKI数据库中发文量最多的作者；⑤通过对关键词的统计，“生态环境”、“土地利用”、“景观格局”为近年来城市生态遥感领域的研究热点。总体来看，城市生态遥感在环境科学、自然地理学、测绘学等学科占有越来越大的比重，应用生态遥感模型来定量评估生态环境质量成为该领域的重要趋势，城市生态遥感研究对遥感影像的分辨率要求越来越高，今后高空间和高光谱分辨率遥感影像将成为该领域的热门数据源，多源遥感数据协同反演城市生态也将成为该领域的发展趋势。

基于高分辨率遥感影像的目标识别技术被广泛应用于国土资源监测和情报收集等领域，精确、快速的目标检测方法是目前遥感图像研究的热点与难点。然而，许多检测方法过于追求提升检测精度却忽略了检测速度。为此，基于YOLOX提出一种改进型轻量化网络，以实现检测速度和精度权衡。首先，针对特征提取主干模块，提出一种Mobilenetv3tiny网络，进行轻量化改进，通过减少网络参数量，提高检测速度；其次，在特征金字塔结构中引入Ghost网络，在保证检测精度的前提下，降低网络复杂性；最后，使用Alpha-IoU和VariFocal_Loss优化损失函数，提高网络收敛速度和定位精度。在NWPU VHR-10数据集进行消融实验，结果表明改进网络较基础网络，检测精度提升0.76%，速度提升19.72%，权重为11 M（Mega）且参数量减少65.66%，网络整体效果较好。此外，对DIOR数据集进行对比实验，在保证较高检测精度的同时，检测速度提高26.88%，证明了改进网络的有效性。因此，改进网络能够有效权衡检测速度和精度，易于设备部署，适用于遥感图像目标实时检测应用场景。

沿海区域既是陆地向海洋延伸的陆海相互作用最强烈的地带，又是受径流、潮汐和人类活动与气候变化作用多重影响的地球表层自然空间单元。结合2003~2018年度精细时间分辨率的近地表气温和地表温度产品，系统对比研究中国沿海城市热岛和热浪的时空分布格局及其协同作用。研究表明：①中国沿海地区极端高温事件呈现强度增大、持续时间增长的趋势。具体表现为在夏季城市热岛强度均高达2.25°C以上，整个沿海区域基于地温的平均热浪频次为24.59次，基于气温的热浪频次为16.33次，分别占全年热浪频次的90.81%和96.68%；②城市热浪频次与城市热岛强度在沿海的暖温带与亚热带地区呈现显著正相关，且在暖温带地区最为明显。平均地表温度增加1°C能够导致热浪事件平均增加两次。其中，暖温带的热浪频次在三大区域中增加速率最快，基于地温和气温的热浪频次复合增长率均超过5%；③从2003年到2018年，中国沿海区域城区人口增加了59%，而受高温热浪的人数增加近 370%，超过总城市人口的5%（约4 000万人）。我国沿海地区的城市热环境虽然与海域厄尔尼诺和拉尼娜现象呈现时空上较为一致的分布，然而城市总体变化与人口增长如何推动不同区域高温热环境模式的变化，仍待亟需更长时序、高时空分辨率的数据进一步进行讨论分析。

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。

洞庭湖水体面积动态变化监测对防洪、维系生态系统的稳定及生物多样性具有重要意义。以经典Unet网络模型和创新性HRNet网络模型为代表的深度学习技术已成为遥感图像信息获取的高效途径，实验以Sentinel-1A SAR影像为主要数据源，定性、定量地分析了Sentinel-1双极化水体指数法（Sentinel-1 Dual-Polarized Water Index，SDWI）、面向对象分类法、UNet网络模型和HRNet网络模型4种方法的水体提取效果，并基于最佳水体提取方法对洞庭湖2016~2021年汛期（4~10月）水体面积进行时空变化特征分析。结果表明：①HRNet和Unet网络模型较传统方法具有更优的水体提取效果，其中，HRNet网络模型在抑噪、抗阴影等方面表现更佳，F1分数、误判率和平均交并比分别为0.961 6、0.007 8和0.958 6；②汛期洞庭湖水体面积在月际变化上呈现出“涨—丰—退”的变化特征，湖面从4~5月份开始扩张，6~8月份水域面积维持在较高水平，此后由于来水减少，9~10月的水体面积逐步减小。研究期间所监测到的最大水体面积为2020年7月30日的2 263.90 km²；③洞庭湖汛期的水体淹没频率从湖体中心和干流向外逐渐降低，不同湖区的淹没频率分布格局不同，东洞庭湖 “湖心高四周低”，南洞庭湖和西洞庭湖“南高北低”。综上所述，Sentinel-1A SAR影像与深度学习技术的结合应用可以实现洞庭湖水体信息高效获取与水面面积高频监测，为高动态湖泊水域监测提供了一种新思路。

随着对地观测技术的快速发展，高分遥感影像变化检测已成为遥感领域中的研究热点。空间分辨率的提高带来了丰富的空间信息，同时也导致了由于物候差异引起的实际属性并未发生变化，而光谱等表现特征发生变化的“伪变化”问题更为显著。形态属性剖面（Morphological Attri-bute Profiles，MAPs）作为一种高效空间信息建模方法，可从不同属性、多个尺度精细刻画复杂变化特征，已在变化检测领域任务中得到了广泛应用。尽管如此，已有MAPs方法通常未考虑差分剖面的属性及尺度平衡问题，从而容易陷入局部最优；同时，有效融合MAPs差分特征获取变化检测结果是此类方法面临的另一个难点。为此，研究提出了一种结合自适应形态属性剖面与决策融合的变化检测方法。首先，通过对MAPs进行CVA，提取初始差分特征集合；在此基础上，设计了一种综合考虑属性及尺度平衡性的择优目标函数（Balanced Optimal Objective Function，BOF），进而提取优化差分特征集合；最后，基于所提出的变化强度证据指标（Evidence Index，EVI）和证据置信度指标（Indicators Of Evidence Confidence，IOEC），构建了一种多特征决策融合框架获得变化检测结果。实验结果表明：所提出方法的总体精度（Overall Accuracy，OA）和F1分数（F1 score，F1）分别可达96.41%及88.67%以上，在目视分析和定量评价均显著优于对比方法，尤其针对本文所提“伪变化”，该方法相较对比方法可实现更为精确的判别，可以有效缓解“伪变化”。

森林年龄（林龄）是森林生态系统的一个重要特征参数，林龄对准确估算森林生态系统碳储量和碳汇大小及潜力等研究具有重要意义。但是，目前关于林龄数据及其估算算法的综述研究很少，因此对现有的林龄数据集进行系统的总结和分析，根据数据覆盖的空间范围分为全球和区域的林龄数据，总结归纳了林龄估算模型算法及其优缺点。研究表明：①林龄估算算法主要包括降尺度统计方法、林龄与森林结构参数的关系方程、森林干扰监测算法和机器学习算法（如随机森林算法）。②林龄降尺度算法的优点是简单易用，其主要缺点是植被指数的饱和问题会低估老龄林的林龄；林龄与森林结构参数关系模型的优点是高精度的遥感树高或生物量数据能够反映林龄的空间异质性特征，森林生长模型具有理论基础，缺点是结果受到森林或者树种分布图精度的制约，森林生长的影响因子考虑不够全面；森林干扰监测算法的优点是可以利用成熟的算法监测森林扰动并推测其林龄的变化，缺点是无法确定老龄林的林龄，必须结合其他方法估算的林龄才能得到完整的林龄分布图；随机森林算法模型优点在模型算法容易构建，不需要设定具体的统计假设和模型形式，不依赖森林类型图或树种分布图，缺点是受模型训练样本的数量和空间分布的代表性的制约。③森林清查数据和遥感数据是林龄估算研究的重要数据。林龄在生态模型驱动、森林管理和实现碳中和目标等方面具有重要的应用前景。未来林龄的研究应加强林龄的地面观测，结合遥感数据优势，利用多种机器学习算法开发高时空分辨率的林龄数据。

随着我国城市化、工业化进程的不断加快，城市热环境发生了巨大变化，城市热岛效应逐渐增强，对城市生态环境和气候产生不利影响。基于改进的地表城市热岛强度定量评估方法，利用长时间序列的MODIS地表温度数据，逐栅格计算了2003~2021年太原市地表城市热岛强度；采用空间统计方法分析了近20 a来地表城市热岛时空分布规律，以及城市热岛与城市扩张的关系；基于随机森林模型探究了城市热岛的主要影响因素。结果表明：①近20 a太原市热岛效应随城市发展呈增长趋势，季节差异显著，夏季强，冬季弱；②太原市主城区城市热岛效应具有显著的正向空间自相关，高度集聚区明显扩大；③城市热岛的空间扩张方向与城市扩张方向基本一致；④人为因素是影响城市热岛效应的主要因素，其中GDP和PM_2.5影响最大。本研究可以为地形起伏较大地区的城市热岛效应定量评估提供方法参考，对改善城市气候环境和制定城市规划提供科学借鉴。

极地海冰以其对全球气候变化的重要影响，使得准确获取海冰多要素信息成为极区观测的核心任务。卫星是极地海冰监测的主要技术手段，已被国内外广泛应用于极地海冰的观测。阐明当前国内外极地海冰卫星遥感的现状，对于未来极区海冰新遥感传感器的研制具有重要的指导意义。首先梳理了目前国内外具备极地海冰信息获取能力且在轨运行的卫星信息，在此基础上，综述了基于卫星数据在极地海冰观测中的主要应用进展。最后，指出现有全球对地观测体系对极地海冰信息观测的不足，并提出了我国后续极地海冰观测的发展建议。

探索积雪对地表温度的响应特征是研究积雪变化机理的关键。以天山中段为研究区，基于逐日无云降尺度积雪深度产品，结合地表温度数据产品，利用耦合协调与时间滞后模型，提取2010~2019积雪水文年雪深与地表温度的耦合度、耦合协调度、响应滞后时长，探究雪深与地表温度的时空响应特征。结果表明：①10年期间天山中段雪深与地表温度年均耦合度和耦合协调度时空分布不均：随海拔上升，年均耦合度与耦合协调度呈现了上升—下降—上升的特征；冬、春、秋、夏季的耦合度与耦合协调度依次递减，不同季节耦合度与耦合协调度的垂直地带性差异显著。②10年期间耦合度及耦合协调度波动式变化，发展趋势空间差异显著：在天山中段东侧两者均呈增加趋势，在天山山脉北侧均趋向减弱，在1 600 m以下的中低海拔区呈显著下降趋势，雪线以上区域呈微弱增长趋势。③雪深对地表温度响应滞后时间的季节性差异显著：在春、夏、秋、冬季依次增长，消融季滞后时间随海拔上升而增加；滞后时间在春季有逐年增长趋势，在秋、冬和夏季缓慢缩减。

碳卫星观测数据的应用急需解决时空不连续、时空分辨率低的问题。其中XCO₂产品数据重构后的高时空分辨率的再分析数据将为区域、行业CO₂源、汇研究缺乏实时观测数据提供解决途径。基于4套XCO₂产品数据，DataCube多维数据建模可集成不同产品数据的时空信息，进而实现4套XCO₂产品数据的时空信息统一存储、关联和格网化，提出一种可实现多种XCO₂产品数据动态映射、交互、关联分析和特征融合的XCO₂重构方法，最后得到北京区域100 m全覆盖格网XCO₂重构产品。结果表明：重构结果与TCCON香河站观测值具有较高的一致性（R²=0.90，RMSE=0.89），且与CarbonTracker模拟结果和TCCON观测结果时间变化趋势一致；2020年北京地区XCO₂总体呈北部较低，中北部和南部较高，中部最高的空间分布，低值区小于410 ppm，高值区大于416 ppm；动态揭示了北京区域“生态涵养区”和“发展区”之间受地表碳源、汇影响而呈现出的高低值时空变化的规律和垂直、水平输送特征。

建筑物是城市的重要组成部分，基于高分辨率遥感数据建筑物提取，在土地利用、城市规划和防灾减灾等方面有重要意义。针对建筑物提取存在的问题，提出一种改进的Mask R-CNN建筑物实例分割模型。基于残差神经网络融合卷积注意力模型，构建了残差卷积注意力网络，改善了特征提取不充分问题。通过添加Dice Loss的方法，对损失函数进行了优化，进而对特征学习过程进行了优化。并引入Douglas–Peucker algorithm、Fine polygon regularization algorithm相结合的后处理策略，使建筑物轮廓更规则。实验结果表明：改进模型相比原模型的检测mAP值在Iou 0.5时提高了7.74%、在Iou 0.75时提高了7.57%，后处理策略在选定合适阈值优化掩膜后较原始模型的F1-Score值提高了6.01%。耦合Mask R-CNN和注意力机制的实例分割模型改善了小型建筑物误检漏检问题、建筑物分割边界粘连问题，提高了建筑物的分割精度；优化了建筑物后处理策略，提高了建筑物规则化程度。

草地对生态系统的稳定和农业发展至关重要。（半）干旱地区主要通过灌溉解决草地生长水分不足的问题，但具备灌溉条件的草地有限。目前，通过遥感技术手段监测灌溉和雨养草地资源及其时空分布的研究极少，相关数据集极为缺乏，为灌溉、雨养草地并存区域水资源评估、陆面过程模拟等带来了不便。基于此，研究采用谷歌地球引擎计算云平台（Google Earth Engine，GEE），调用2020年哨兵2号卫星遥感影像（Sentinel-2），选用随机森林分类方法（Random Forest，RF），加入植被水分指数，提取柴达木盆地东北部巴音河中下游灌溉和雨养草地，并形成数据集。经验证，该数据集总体精度为99%，Kappa系数为0.84。灌溉草地面积为74.23 km²，占巴音河中上游草地总面积的4.1%。该数据集能够准确体现灌溉草地与耕地、湿地等土地利用类型交错分布的特征，可为巴音河流域水资源规划及评价、陆面过程模拟等提供基础。

及时、准确获取水稻长势信息对科学指导农业发展和宏观拟定农业决策起着至关重要的作用。基于2014~2022年三江平原Landsat 8遥感影像数据，通过谷歌地球引擎（Google Earth Engine，GEE）云平台提取该地区水稻种植面积并分析其变化趋势，利用变异系数法对3种特征指数（NDVI、EVI和LSWI）客观赋权并构建水稻长势监测指标（Rice Growth Index，RGI），应用年际比较差值模型评价2022年较2014~2021年三江平原的水稻长势情况并分析水稻种植区自分蘖期至抽穗灌浆期的时空变化和产量趋势。结果表明：①2014~2021年三江平原水稻种植面积整体呈增长趋势，增长面积超过5 000 km²。②2022年6~8月三江平原各市（县）的水稻长势状况较常年同期段呈“分蘖期持平，拔节孕穗期最佳，抽穗灌浆期较好”的稳步提升态势，且东部、中北部地区长势要相对优于西部、南部地区，东北部地区长势最佳。③2022年水稻生长季产量变化趋势推断为“部分地区减产歉收，多数地区高产丰收，整体为稳步增产趋势”。研究结果可为农业部门指导农事活动和国内水稻长势遥感监测与产量估算业务提供科学依据。

黄河流域陆地水储量的动态监测及其时空变化规律对流域生态保护和社会发展具有重要意义。研究采用黄河流域2002~2020年GRACE/GRACE-FO卫星数据、气象站点数据，通过多层感知神经网络重建缺失数据，结合不同气候环境下水资源补给、人类活动差异，分析青藏高原地区、黄土高原地区、下游地区的特点，进一步联合流域整体，获得各分区及流域整体的陆地水储量时序、空间变化规律和气候要素时序变化规律，并分析影响因素。结果表明：①黄河流域整体陆地水储量呈下降趋势，青藏高原地区呈上升趋势，区域水储量变化驱动力不同；②陆地水储量在不同区域均存在季节性变化规律，黄土高原地区、下游地区年降水量峰值与年水储量峰值存在2~3个月的滞后期，青藏高原地区则不存在滞后期。

草地植被覆盖度是评价草地健康状况及监测环境变化的重要生态参量。目前大区域尺度植被覆盖度提取主要基于卫星遥感数据，无人机遥感数据作为卫星数据估算草地覆盖度的一种补充手段，可提高模型估算精度。基于无人机遥感数据和BJ3卫星数据，采用回归分析法、像元二分法和随机森林三种植被覆盖度反演方法，对鄂托克旗荒漠草原植被覆盖度进行反演与验证。结果表明：利用植被指数建立的回归分析模型中最优反演模型为归一化植被指数（Normalized Difference Vegetation Index，NDVI）的二次多项式模型，R² =0.752；直接利用无人机遥感数据波段值建立的随机森林模型R² =0.893、RMSE=0.072，相较于NDVI的二次多项式模型、像元二分模型R² 分别提升0.141、0.151。利用空—天遥感数据和随机森林方法，能够快速、准确获取卫星尺度上研究区的植被覆盖度，为大区域荒漠草原植被覆盖度反演提供支持。

水稻是我国重要的粮食作物，海南是我国主要的热带水稻种植与育种区域之一。目前海南热带区域水稻种植监测存在自动化程度低、人工工作量大，以及准确率不高的问题。以海南省海口市为实验区域，基于吉林一号、北京二号、WorldView、高景一号等高分辨率多光谱卫星遥感影像，结合外业核查信息，建立了海南热带区域一套多源、多尺度的高分辨率多光谱水稻种植区样本库，并利用DeepLab-V3+卷积神经网络模型进行训练，提出了热带区域水稻种植区域遥感智能解译方法。实验结果显示基于DeepLab-V3+卷积神经网络模型的水稻智能提取准确率达到了81.9%，召回率为86.7%。结果表明：利用解译样本库训练的卷积神经网络模型可以准确提取热带水稻种植区域，该方法可为采用高分辨率多光谱遥感影像提取热带区域水稻种植区提供新的方法参考。

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，首先利用像元二分模型估算FVC，并运用趋势分析、偏差分析方法探究沈阳市2000~2020年植被覆盖时空演变特征，然后基于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县市区中部。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。研究结果可为沈阳市未来制定环境治理政策提供理论依据。

MODIS地表反射率数据被广泛应用于陆地表面的动态监测，但云覆盖等因素的影响使得数据中存在时空缝隙，从而影响了数据可用性。对此，提出一种基于L1正则化的时域重建方法，能有效修复MODIS地表反射率数据中的缺失，实现高精度的长时序数据重建。该方法首先识别时序数据中因自然因素及系统因素产生的噪声，然后基于噪声检测对信息缺失区域进行年际预填补，在此基础上引入对突变噪声更为稳健的L1正则化模型，并结合噪声标记构建时域重建变分模型，还原地表的时序变化趋势。实验结果表明：相比于SG滤波、HP滤波、L1滤波、谐波分析方法，在不同百分比10%、25%、50%、75%的像元缺失情况下，该方法都取得了最高的重建精度；在不同地表场景下，该方法也取得了更好的重建结果。因此，该方法在时序曲线重建和空间细节修复上都更具有优势，表现出较高的实用价值。

AW3D30 DEM数据是应用最为广泛的基础地理信息数据之一，其精度直接影响一系列衍生产品的可靠性和严谨性。因此，AW3D30 DEM数据的精度评价与修正一直是研究热点。然而，常规高精度验证数据获取困难且成本较高，难以应用在大范围研究区域。ICESat-2数据全球覆盖、高程精度达亚米级，可为AW3D30 DEM数据精度评价和修正提供可靠的参考数据源。为此，以河南省为研究区域，利用ICESat-2数据从坡度、坡向、地貌类型、土地利用类型角度评估AW3D30 DEM高程精度，并提出一种随机森林-长短期记忆网络混合模型修正AW3D30 DEM。实验表明：AW3D30 DEM高程精度随坡度、海拔和地形起伏度的增大而降低；坡向对高程精度的影响较小，误差分布无明显规律性；在裸地和耕地土地利用类型精度更高，在林地土地利用类型精度较差。随机森林—长短期记忆网络混合模型能够显著降低AW3D30 DEM的平均绝对误差和均方根误差，提升AW3D30 DEM精度，可为其他DEM数据修正模型的建立提供参考。

遥感图像目标检测已成为目标检测领域的重要组成部分。为了解决复杂背景下高分辨率遥感图像中小尺度目标的漏检与误检问题，结合YOLOv5s算法并在检测端提出一种局部自适应特征加权算法，通过学习已有的标注框信息将含有目标特征的前景与背景分离，获得前景中具有关键信息的目标局部特征，并自适应计算各层局部特征的空间尺度和权重。同时在主干部分引入全局注意力机制用于加强通道与空间之间的跨维度特征信息交互能力，增强特征间的关联性，以弥补检测端局部特征的全局信息丢失，从而降低目标的漏检率和误检率。实验表明：该改进算法的准确率和召回率均得到一定的提升，其均值平均检测精度mAP达到72.33%，相较于传统YOLOv5s算法提升了2.66%。

为了更加充分地了解中国地区甲烷浓度的分布情况，利用C3S提供的甲烷浓度资料分析2003~2018年中国地区甲烷浓度的时空分布特征。结果表明：①甲烷浓度呈现东南高西北低的分布情况，甲烷浓度高值区主要分布在湖南、湖北、广西等地，低值区位于青海和西藏等地。我国甲烷浓度年际变化随时间呈增长趋势，2003~2006年甲烷浓度保持相对稳定，2007~2018年甲烷浓度出现明显的上升。②甲烷浓度具有明显的季节变化特征，夏秋季高于春冬季，其中秋季浓度最高为1 781 ppbv，春季浓度最低为1 748 ppbv。甲烷浓度的高峰值出现在8、9月份，低峰值出现在3、4月份。③为了更好地分析中国地区甲烷浓度，将我国分为六大地理区域，分别是东北地区、中南地区、华东地区、华北地区、西北地区、西南地区。其中，华东地区和中南地区的甲烷浓度较高，西北地区和西南地区的甲烷浓度较低。

我国农村地区黑臭水体广泛存在，利用遥感技术对其进行监测的研究刚刚起步，许多技术性问题亟待解决。在吉林省、云南省和广西省农村地区进行样品采集，于2021~2022年期间，共收集75个黑臭水体水样和85个一般水体水样，分别对其水质参数以及光学特性进行分析。以高分二号为数据源，分析黑臭水体与一般水体的影像光谱特征，发现农村黑臭水体反射率在红波段以及近红外波段有上升的趋势，红、绿波段的反射率很低且差值小，根据这两个黑臭水体典型的光谱特征，构建了一种新的黑臭水体识别指数MBOI（Multi-spectral Black and Odorous Water Index），识别精度较高。主要研究结果如下：①黑臭水体与一般水体相比，其具有较高的总悬浮颗粒物浓度，黑臭水体有机碳的浓度是一般水体有机碳浓度的1.82倍。②在440 nm处，黑臭水体中的水体组分吸收系数，即色素、非色素颗粒物以及有色可溶性有机物的吸收系数均高于一般水体。③利用去瑞利校正后的影像光谱反射率数据进行数据建模与模型验证，当MBOI取值在0~0.18之间时，判定为黑臭水体，模型精度满足黑臭水体识别的要求。

研究地表植被GPP时空变化特征及其对气候变化的响应，对深入理解陆地碳循环、评价陆地生态系统的环境质量以及预估未来气候变化的生态效应等具有重大意义。目前青藏高原GPP时空变化研究大多时序较短且未深入分析其时空变化趋势及特征。因此，本研究采用线性趋势探测方法研究青藏高原地区GPP在2001~2019年间的变化特征，并分析该特征对地形和地物类型的响应，同时探索了GPP与气温、降水和积雪的关系。结果表明：青藏高原GPP年际趋势呈现西北低东南高的分布特征，最大值为0.23\mathrm{g}\mathrm{C}\bullet {\mathrm{m}}^{-\mathrm{2}}\bullet {\mathrm{d}}^{-\mathrm{1}}，最小值为-0.125\mathrm{g}\mathrm{C}\bullet {\mathrm{m}}^{-\mathrm{2}}\bullet {\mathrm{d}}^{-\mathrm{1}}。各月年际趋势中从10月到3月，绝大部分区域GPP年际变化趋势较小，7月GPP的年际变化趋势和空间异质性最大，从-0.384 - 0.303\mathrm{g}\mathrm{C}\bullet {\mathrm{m}}^{-\mathrm{2}}\bullet {\mathrm{d}}^{-\mathrm{1}}，8~10月又逐渐减小。GPP年际趋势随高程的增加逐渐减小；30° N以南GPP年际趋势随纬度的增加迅速减小，30° N以北GPP年际趋势随纬度的增加缓慢增大；农田植被混合类型GPP年际变化增加趋势最大，为0.034 8\mathrm{g}\mathrm{C}\bullet {\mathrm{m}}^{-\mathrm{2}}\bullet {\mathrm{d}}^{-\mathrm{1}}，封闭灌木丛的减小趋势最大，为0.007 6\mathrm{g}\mathrm{C}\bullet {\mathrm{m}}^{-\mathrm{2}}\bullet {\mathrm{d}}^{-\mathrm{1}}。近19 a，气温对青藏高原GPP的贡献最大，其次是降水，辐射再次之，积雪对GPP的贡献相对较弱。

相对辐射归一化是高分光学卫星影像地表反射率产品生产的主要手段之一，基于迭代加权多元变化检测（Iteratively Reweighted Multivariate Alteration Detection，简称IR-MAD）的高分光学卫星影像相对辐射归一化方法是当前应用最为广泛的方法之一。但是，经典IR-MAD方法仅适用于参考影像与待校正影像之间地物变化不大的情况，当地物变化较大时该方法失效。通过引入伪不变区域约束机制，提出了一种优化的IR-MAD算法，主要思路是借助二元高斯混合聚类方法提取影像之间不变区域，进而提升伪不变点提取的质量，使地物变化较大时仍然可以输出有效的辐射归一化结果。以高分二号影像为待校正影像，哨兵二号影像为参考影像，采用3组代表性影像进行实验验证，并与经典IR-MAD方法相比，结果表明：①该方法提取的伪不变点主要集中在不变区域，空间分布更加合理；②该方法在代表一般变化的数据集1中，平均决定系数提高8.8%，在代表强烈变化的数据集2、3中，该方法平均决定系数分别为95%、89%，而经典方法低于50%甚至是负值；③该方法处理结果影像中典型地物的反射光谱信息与参考影像更加接近。因此，该方法为高分光学卫星影像相对辐射归一化提供了新的有效途径。

Alpha近似算法基于短时间内植被和粗糙度不变的假设在土壤水分反演中已取得了较好的结果。但随着反演时间尺度的延伸可能出现误差的传递和积累，以及不同先验信息的使用，反演结果的精度是否能够保证仍需进一步深入解析。基于Sentinel-1数据在天峻土壤水分观测网络区开展针对Alpha近似算法的土壤水分反演条件约束研究，并对该算法与不同介电模型结合的土壤水分反演精度进行验证。结果表明：①以地面实测为先验信息，结合Dobson模型按月、季和年尺度反演得到的土壤水分均方根误差RMSE分别为0.061 m³/m³、0.077 m³/m³和0.090 m³/m³。随着反演时间尺度的增大，Alpha近似算法的误差增大。②SMAP土壤水分产品作为先验证信息，相同反演策略下得到土壤水分反演结果的RMSE分别为0.088 m³/m³、0.088 m³/m³和0.101 m³/m³，较地面观测约束反演误差明显增大。因此，先验信息的准确与否对算法精度影响较大。③基于Dobson模型和Topp模型在本研究中的土壤水分反演结果较为相似，二者的RMSE差值均小于0.005 m³/m³。但Topp模型运算简单且所需参数较少，和Alpha近似算法的结合可以更好拓展到面尺度的土壤水分反演。

生态质量监测与评价是合理、高效开展生态环境保护工作的基础和关键。通过构建遥感生态指数（RSEI）监测了杭州湾大湾区1995~2020年生态质量时空变化，通过耦合土地利用/覆被变化挖掘了生态质量变化和土地利用类型/转化间的定量关系。结果表明：①杭州湾大湾区整体生态质量呈现上升下降再上升的变化过程，RSEI维持在0.62，生态质量较为优良；各地级市生态质量变化迥异，由北向南依次呈现下降、上升和波动3种不同趋势。②杭州湾大湾区生态质量上升区域（57.5%）多于下降区域（42.5%），山区林地、中心城区和滨海湿地是生态质量上升的热点区域，而城镇化和滩涂围垦则是生态质量下降的主要原因。③近25 a森林和建设用地的生态质量快速上升（ΔRSEI>+0.1），耕地生态质量明显下降（ΔRSEI=-0.08），导致人类环境内部的生态质量差异逐步减小，而自然向人类环境转化的生态代价日益增大。研究可为海岸带资源合理利用和生态环境保护提供科学依据，服务湾区城市群社会高质量发展。

甘肃省在国家战略中具有重要的地位，分析甘肃省城市扩张规律与时空演变特征对于新型城镇化推进、“一带一路”战略实施等都具有重要意义。以跨传感器校正的类NPP-VIIRS夜光遥感数据为基础，建立了标准差椭圆、核密度分析、数形特征分析、位序-规模法则、相关系数矩阵等方法组成的分析框架，系统评估了10 a以来扩张规律。结果表明：①城市扩张重心从兰州市移动到白银市后又回移，分布方向大体为西北-东南方向，且在该方向上产生了集聚现象；②城市面积增长明显，由兰州、嘉峪关“一主一次”双核格局演变为兰州为中心，嘉峪关、庆阳为两翼的格局；③甘肃省建成区扩张速度逐步放缓，扩张模式按照建成区数形特征分为与地形相关的四个组团；④各地级市（州）服从位序-规模法则分布，分布类型为位次形，省会兰州市的首位度并不显著；⑤夜间灯光总量与重心在东西方向的位移量都与社会经济要素紧密相关，而南北方向的位移量相关性不强。研究成果全面揭示了甘肃省城市扩展规律，对于优化城镇体系和国土开发格局具有较大的参考价值。

城市暴雨内涝风险评估是城市减灾防灾研究的热点和难点之一。高分遥感城市内涝数值仿真评价模型有助于内涝灾前风险识别、灾中情景仿真和灾后损失评估，对指导城市规划和内涝应急管理具有重要的应用价值。采用GF-7卫星立体摄影测量技术、面向对象分类及水文水动力耦合方法构建城市内涝数值仿真模型，结合水深、流速、影响面积、暴雨频率等因素构建风险评价模型。通过对深圳大沙河中下游进行实验，并与历史实测数据进行对比验证，模型精度优于82%，与海绵建设前2017年相较，2021年内涝风险区减少3.36%。研究表明：高精度DEM是提高城市暴雨内涝分析精度的关键因素，以1 h模拟结果为例，2.5 m分辨率DEM的积水深度精度分别比5 m、10 m和20 m高出5.31%、23.88%和58.09%。研究成果已应用于深圳市海绵城市评价并取得较好效果，为城市内涝灾害风险管理提供了科学手段和依据。

除二氧化碳（CO₂）外，甲烷（CH₄）、二氧化氮（NO₂）、一氧化二氮（N₂O）和臭氧（O₃）等非二氧化碳（Non-CO₂）温室气体同样对气候有着巨大影响。比如甲烷在辐射强迫方面是仅次于二氧化碳（CO₂）的第二大温室气体，臭氧已成为中国多地仅次于PM_2.5的首要污染物。快速定位排放源，定量监测非二氧化碳排放，准确估算全球和区域非二氧化碳源汇分布具有重要的现实意义。本文综述了基于卫星遥感的非二氧化碳气体反演的发展，从算法原理出发，介绍了甲烷、二氧化氮、一氧化二氮和臭氧的反演现状，总结了现有研究的特点和有待解决的问题，以期为后续研究提供方向。目前利用卫星观测估算非CO₂气体浓度的主流方法是最优估计算法和DOAS相关的算法，CH₄、NO₂、N₂O和O₃反演的柱浓度精度分别可达1%、10%、1%、1%。为更好提供可靠的数据产品以实现监测和实际应用，未来有待：①进一步提高非二氧化碳温室气体浓度反演的精度和效率；②研究基于多个传感器、算法和产品的数据同化问题；③优化针对不同地表类型的反演模型；④引入更精细的空间分辨率、光谱分辨率和更精确的辅助参数；⑤协调全球多卫星网络资源；⑥研究多种气体之间的相互关系。

本研究提出一种基于机器学习算法的区域尺度上改变空间分辨率来提升高光谱树种分类精度的方法，为陆生调查的树种分类研究提供一个新的思路。通过利用无人机获取成都市植物园全域的高光谱影像，采集了园内140种树种共1 249个样本。通过构建的32种植被指数及176个原始波段进行变量筛选，运用随机森林和支持向量机两种算法建立分类模型。结合研究区典型树种的林分类型和冠层大小，在9种不同空间分辨率下，分别选取了10、15、20种树种，探索树种分类精度。结果显示，当空间分辨率从0.12 m逐步降低至4 m时，10、15、20种树种的模型分类精度均在3 m分辨率时达到最高，且支持向量机分类结果整体精度较高。表明基于支持向量机算法、开展特征变量提取与选择、确定最佳观测尺度的方法可以较好地捕获不同树种的冠层信息，提升树种分类精度。

土壤湿度（SM）是葡萄生长发育的重要参数，准确监测葡萄种植区SM有利于科学地指导田间灌溉等措施，进而促进葡萄品质、产量的提升。以陕西省泾阳县为典型研究区，基于2009~2016年MODIS反射率、地表温度、蒸散发等数据，计算归一化差异水分指数（NDWI）、植被供水指数（VSWI）、温度状态指数（TCI）、作物缺水指数（CWSI）等6个遥感指标，通过遥感指标对SM的敏感性分析优选指标，采用分类回归树（CART）算法构建SM的综合遥感模型，实现对葡萄关键生育期SM的8 d分辨率尺度估算与干旱监测。研究表明：NDWI、VSWI和CWSI能够更好地表征葡萄种植区SM时空变化情况，NDWI对SM变化响应最为及时，且相关性最高；利用优选NDWI、VSWI和CWSI 3个指标构建的SM综合估算模型，除121、169时相外，各时相R²达0.6以上，葡萄果实膨大期各时相R²均能达0.8以上；2009~2016年泾阳县葡萄种植区干旱多发生在葡萄开花期与果实膨大期。该研究可为葡萄种植区干旱监测提供方法参考。

MODIS数据高时间分辨率、中等空间分辨率的观测特点可以在火灾检测中发挥重要作用，但目前MODIS火灾检测在高异质性地区，火点误检多，小火灾点容易遗漏。针对该问题，为充分挖掘MODIS数据中的相关信息，实现火点的高精度识别。提出使用深度学习技术的MODIS火点检测算法。高质量、有广泛代表性的大量样本的获取是深度学习实现火点精度检测的前提。为增加火点样本的数量，保证野火样本的质量，使用美国地面野火数据集作为真实的火点样本将其与MODIS数据实现时间和空间的精确匹配，构建基于深度学习方法的火点检测样本库。根据对辐射传输过程的分析，确定了对火点检测具有较好标识性的波段和波段组合作为输入源。基于构建的样本数据集和信息源，搭建DNN（深度神经网络）火点检测模型。在3个典型场景开展了应用实验并与MODIS火灾产品进行了对比，结果表明：改进的方法在农耕地区的冷火点提取方面，4 um平均亮温减少了2 K，正确与错误变化比呈现正向趋势，其精度优于MODIS火灾产品的结果；城郊地区提取的伪火点相比于MODIS产品显著减少，排除了4 um亮温为325 K附近的伪火点，误检率下降了19.89%。

位于新疆天山东部的哈尔里克山冰川是典型的大陆型冰川，对气候变化响应极为敏感，研究哈尔里克山冰川现状及变化趋势具有重要的现实意义。基于Landsat TM、ETM+及OLI遥感影像，DEM数据等资料，采用波段比值阈值法和目视解译相结合的方法，提取了1990年、2000年、2010年、2020年4期冰川边界信息，研究了近30a天山东段哈尔里克山冰川面积的分布、变化及其对气候变化的响应关系。结果表明：①1990~2020年冰川面积呈持续退缩的趋势，冰川面积缩小28.34 km²，年平均退缩速率为0.73%·a^-1，其中，2010年后冰川末端退缩速度最快。②随着海拔的升高，研究区的冰川分布呈现先增后减的趋势，海拔3 800~4 600 m冰川分布最多；小规模冰川（≤0.5 km²）的数量和面积都在增加，规模较大冰川（≥1 km²）的面积和数量都在减少；不同坡向的冰川也呈不同程度的退缩趋势，其中东坡冰川面积退缩速率最快，冰川分布呈西多东少、北多南少的特点；各个坡度的冰川也存在明显的退缩趋势，其中30°~35°范围内退缩最快。③综合分析研究区气候资料表明，1990~2020年研究区冰川面积变化主要与该时段气温升高，而降水减少有关，气温上升是导致冰川面积退缩加速的主要原因。

在冰湖编目工作中，从海量遥感数据快速准确获取冰湖边界具有重要意义，发展基于遥感数据的冰湖边界自动化提取方法是关键。本研究改进了基于 YOLOv5-Seg 网络的实例分割模型，并应用于山地冰湖自动化提取。结果显示，使用坐标注意力机制（Coordinate-Attention，CA），提高网络对冰湖目标的关注程度；在原始3个检测层的基础上添加小目标检测层，增强网络对小面积冰湖检测能力；修改上采样方法为转置卷积，解决了最近邻上采样丢失特征问题。改进的 YOLOv5-Seg 网络比原始网络平均精度提升 2.7%，达到 75.1%，比目前其他主流算法精度高 10%。利用改进的YOLOv5-Seg 网络的实例分割模型和 Sentinel-2 卫星影像，发现 2022 年兴都库什—喀喇昆仑—喜马拉雅地区（HKH），共有10 668个冰湖正例，共计 768.3 km²。该研究通过深度卷积神经网络和多源遥感数据，为大地理区域的自动冰湖制图提供了技术支持。

利用无人机采集影像进行田块尺度的作物氮素含量估算，因其具有无破坏性、时效性强等优势而备受关注。东北黑土区作为我国重要的粮食主产区，精准获取作物的氮素含量对国家粮食安全具有重要意义。研究基于玉米拔节期、吐丝期和成熟期的无人机高光谱影像，提取22种窄波段光谱指数，通过逐步回归方法对黑土区玉米叶片的氮素含量（Leaf Nitrogen Content， LNC）进行定量估算。结果表明：本研究中3个生育期的玉米LNC估算模型均具有较高的估算精度，其中拔节期的估算精度最高，其决定系数（R²）、均方根误差（RMSE）、归一化均方根误差（nRMSE）分别为0.76、0.31%、0.15%；吐丝期的估算精度最低，相应的3个指标分别为0.33、0.27%、0.19%。通过逐步回归模型筛选出在各生育期指示作用较强的光谱指数，拔节期为VARI（Vegetation Atmospherically Resistant Index）、DDI（Desertification Difference Index）、EVI（Enhanced Vegetation Index）；吐丝期为MTCI（MERIS Terrestrial Chlorophyll Index）、SIPI（Simple Insensitive Pigment Index）；成熟期为EVI（Enhanced Vegetation Index）、CCI（Canopy Chlorophyll Index）、NDVI（Normalized Difference Vegetation Index）。最终，利用在玉米各生育期估算精度最高的模型获得玉米叶片氮素含量的空间分布图，其空间分布特征与玉米LNC实测情况相一致，而氮肥施用量对不同田间处理的小区间玉米LNC的影响较大。综上，本研究结果可为东北黑土区玉米叶片氮素含量的无损、快速、动态监测提供数据基础与决策支持。

遥感目标检测在环境监测、电路巡检等领域具有重要意义。然而，遥感图像中存在目标尺度差异大、小目标数量较多、类间相似性与类内多样性较高等难题，导致检测检测精度较低。为了解决上述问题，提出了一种基于YOLOX-Tiny的遥感目标检测模型。首先通过改进多尺度特征融合网络以充分利用浅层细节信息和深层语义信息，提高对小目标的检测能力；其次在预测端引入可形变卷积，提高模型对不同尺度、形状目标的鲁棒性；最后采用SIoU损失函数以让预测框向正确的方向移动，进一步提高模型的定位精度。在遥感数据集DIOR和RSOD进行实验，实验结果表明：在不增加参数量的情况下，改进后的模型分别取得了73.68%和97.12%的检测精度，与其他一些先进模型相比，具有较高的精确度，对重叠目标识别率高，且具有良好的实时性。

海面漂浮绿潮受风场和流场等的影响，具有较强的漂移特征，开展不同光学数据间的对比分析具有一定的挑战。本研究遍历中国黄海2015~2021年Sentinel-2 MSI和MODIS影像数据对，筛选出2组准同步数据对，其观测时间间隔小于10 min，绿潮漂移偏差不超过1个MODIS像元。以10 m空间分辨率MSI数据的绿潮监测结果为真值，模拟25×25像元范围内（对应1个MODIS像元）的“含藻像元占比”（Alga-containing Pixel Ratio， APR）作为绿潮聚集参数，从而对准同步250 m空间分辨率MODIS数据的绿潮探测效能进行了评估。结果表明：当对应APR>13%时，大部分绿潮能被MODIS探测到；而当对应APR<13%时，大部分绿潮难以被MODIS探测到，这些不能被MODIS监测到的绿潮斑块分布分散，不易聚集，特别是分布于江苏近海海域。低空间分辨率MODIS数据对绿潮估算的不确定性，主要产生于对绿潮小斑块的监测能力差异；此外，基于高空间分辨率影像开展低聚集度绿潮的精细化监测，为准确了解绿潮生消和辐聚过程提供了参考。

全球气候变化和人类活动导致干旱频率和强度持续增加。目前，干旱已经成为影响植被生长及多样性的关键因素，并进一步影响农业产量、生态系统稳定性和社会经济发展。因此，掌握植被动态与干旱的作用关系有助于揭示陆地生态系统的生理机制并制定有效的管理策略。本研究利用长时序日光诱导叶绿素荧光（SIF）和归一化差异植被指数（NDVI）数据集（2001~2020），评估长江流域不同类型植被与气象干旱（SPEI指数）的作用关系。首先采用相关分析法得到SPEI与SIF（NDVI）的最大相关系数，并对比分析不同类型植被SIF和NDVI响应气象干旱的差异。其次应用改进的偏小波相干法，定量分析大尺度气候模式和太阳活动对植被与气象干旱关系的影响。结果表明：①2001~2020年间长江流域干旱发生频繁，且夏季的干湿状况对其全年气候影响最大；②SIF与SPEI的相关性优于NDVI与SPEI的相关性；③基于NDVI的植被响应时间（3~6个月）大于基于SIF的响应时间（1~4个月），其中耕地和草地的响应时间较短，常绿阔叶林和混交林的响应时间较长；④干旱与植被之间存在显著正相关性，周期性为4~16个月。太平洋十年涛动（PDO）、厄尔尼诺南方涛动（ENSO）和太阳黑子是影响干旱和植被关系的重要驱动因素，其中太阳黑子的影响最为显著。总体说明干旱严重威胁长江流域陆地生态系统的生长发展，SIF在监测干旱和植被响应中显示出较大的潜力和优势。研究结果对长江流域地区的干旱预测预警和生态系统保护规划具有参考意义。