为探索机载点云与无人机可见光影像在乔木树种识别与分类领域的应用潜力，提出了一种多模态特征与决策混合融合的无人机单木尺度树种分类识别方法。首先使用Kendall Rank相关系数法与排列重要性分析（Permutation Importance， PI）进行特征选择，采用高效低秩多模态融合算法（Low-rank Multimodal Fusion， LMF）融合点云与影像特征。再引入集成学习，将点云、影像及融合特征分别输入Stacking集成的极限梯度提升机（eXtreme Gradient Boosting， XGBoost）、轻型梯度提升机（Light Gradient Boosting Machine， LightGBM）与随机森林（Random Forest， RF）3个基分类器，最后采用元分类器—朴素贝叶斯进行决策融合。实验数据表明：所提方法独立测试精度达99.4%，较传统的特征串联融合随机森林分类器提升了22.58%，Kappa系数提升了0.285 4。与卷积神经网络（Convolutional Neural Network， CNN）对比实验证明：所提算法在小样本训练的优势明显，且具有更好的泛化能力。

相干斑的存在严重干扰了SAR图像质量，亟需对其抑制处理。传统AD（Anisotropic Diffusion）滤波器边缘检测模型精准度仍有提升空间，且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题，提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD（Speckle Reducing Anisotropic Diffusion）的改进算法，其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型，并基于此，融合高斯核函数建立了新的AD扩散函数，可有效解决传统AD扩散系数受参数估计限制，提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验，结果表明：该方法可有效提高边缘检测能力，获取更优相干斑抑制效果。

水储量是全球和区域水文循环的重要组分，借此可分析区域水资源和干旱的时空演变规律。传统的水储量监测方法以地下水位监测为主，但站点布设和分布情况限制了大尺度的研究与探索。GRACE（Gravity Recovery and Climate Experiment）卫星提供了大尺度的逐月地球重力场变化数据，国内外众多学者将其反演的水储量变化数据应用至水文学领域，在一定程度上推动了水文学的进步与发展，但目前系统阐述GRACE数据在反演水储量方面的研究仍不够全面，鲜有研究对基于GRACE数据的监测干旱和插补重建现状进行系统性的总结。该研究简要介绍了GRACE数据的应用领域，探讨了两种数据处理方法的优缺点，分析总结了GRACE数据在反演结果验证和不确定性、陆地水储量变化、地下水储量变化、干旱演变与响应、插补重建等方面的应用现状及存在问题，建议未来在变化环境对水储量变化的影响、降低GRACE数据的不确定性、构建更适合干旱监测的干旱指数、提高插补重建GRACE数据精度和提升GRACE数据时空分辨率等方面进一步开展研究，旨在为利用GRACE数据的相关研究提供借鉴与思考。

全球变暖导致冰川急剧退缩，及时的冰川监测和制图至关重要，而积雪覆盖一直是冰川识别的重要影响因素。以喀喇昆仑区域为例，选择春季Landsat-8 OLI、Sentinel-1和DEM数据，结合其光谱反射率、SAR散射以及地形等特征，基于不同主干网络的U-Net和DeepLabv3+深度学习方法，使用不同样本尺寸，不同特征组合进行冰川识别对比研究。结果表明：①对于256×256、512×512和1 024×1 024像素样本尺寸，训练样本尺寸越大，空间上下文信息越丰富，识别精度越高，冰川末端范围更为精确。②基于MobileNet、VGGNet、ResNet以及EfficientNet主干提取网络的U-Net语义分割网络中，VGG19主干网络识别精度最好，且优于DeepLabv3+网络结果，其F1值（F1-Score）为0.899 6，均交并比（Mean Intersection over Union，mIoU）为0.875 4，总体精度可达0.948 4，在山体阴影、冰雪融水、薄雾覆盖和冰冻湖泊区域识别效果均较好。③随着训练特征数量的减少，精度随之降低，地形特征对于提高冰川识别精确度作用显著，SAR特征则可提升召回率。研究证明了深度学习方法识别积雪覆盖的山地冰川的可行性，为山地冰川快速大面积识别的模型选择和参数设置提供了可靠的参考依据。

GNSS-InSAR数据融合进行监测地表形变是目前地表形变监测领域研究的热点问题，传统GNSS-InSAR数据融合方法融合简单、不能动态地反映地表形变特点，导致数据使用不充分、形变特征精度低等后果。提出了一种新的基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合方法。根据时间序列的GNSS观测值和InSAR校正观测值的时空相关性，通过卡尔曼滤波对两种数据进行融合，得到更精确的地表三维形变结果。利用2018年11月15日至2022年6月3日103景Sentinel-1A数据和同期13个GNSS点位数据进行处理，实验结果表明：校正后的InSAR观测值与GNSS观测值经卡尔曼滤波融合结果比未校正的InSAR观测值与GNSS观测值融合结果精度高45%，比InSAR观测值精度高57%。因此，基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合模型提高了InSAR变形监测的精度，拓展提升InSAR应用范围的广度和深度。

近年来，为提高地物分类精度，突破单一传感器的技术擎制，弥补单一数据源应用的局限性，多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案，打破了单一传感器的技术上限，为目标三维空间—光谱信息一体化获取提供了一种新的解决途径，同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程，论述其在特征级和决策级的主要融合方法和研究进展，将常用特征级融合和决策级融合方法进行详细介绍，并对最新几种研究算法进展进行小结和概述，探讨了其面临的挑战和未来发展与应用前景，最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。

互花米草地上生物量（Aboveground Biomass， AGB）估算可为滨海湿地生态系统稳定性评价与区域碳汇监测评估提供重要依据。以浙江滨海湿地为研究区，利用48个实测互花米草地上生物量数据，基于Landsat-8 OLI影像提取反映植被地上生物量信息的植被指数和波段特征，采用单变量回归、多元线性回归、多尺度地理加权回归和偏最小二乘回归方法分别构建互花米草地上生物量估测模型，并通过最优模型反演互花米草地上生物量。结果表明：①互花米草地上生物量与所选取的29个遥感变量呈显著相关，相关系数均介于0.5~0.8（P<0.01）；②偏最小二乘回归构建的模型为浙江滨海湿地互花米草AGB反演最优模型（R²=0.767），均方根误差和平均绝对误差分别为130.576 g/m²和100.801 g/m²；③浙江滨海湿地互花米草平均地上生物量为6 607.01 g/m²，AGB总量为1.36×10³ t；浙江滨海地区互花米草AGB总体呈南高北低的分布格局。本研究可为滨海湿地资源合理开发利用、碳汇监测评估和生态系统功能评价提供科学支撑。

植被作为陆地生态系统的重要组成部分，常被用作评估气候变化和生态恢复成效的指标。以石羊河流域为研究对象，基于Google Earth Engine （GEE） 平台采用Theil-Sen趋势分析和Mann-Kendall检验（TS-MK）、Hurst指数揭示植被覆盖变化特征；采用偏相关分析、残差分析和地理探测器探究植被覆盖变化的影响因素。结果表明：2001~2020年间石羊河流域植被NDVI呈现波动增长趋势，增长率为0.023/10 a；呈显著增加趋势和显著减少趋势的面积占比分别为72.32%和2.40%。未来植被NDVI变化趋势保持一致（Hurst>0.5）的面积占比为63.84%，其中持续性显著增加的面积占比最大，为47.37%。偏相关分析结果表明降水对植被生长的影响较强，而温度、太阳辐射和饱和水汽压差的影响相对较弱。残差分析结果表明气候要素和人类活动影响下植被NDVI呈显著增加趋势的面积占比分别为21.59%和60.07%，石羊河流域的植被变化主要受人类活动的积极影响。此外，地理探测器的结果表明植被NDVI的空间分布主要受水热条件分布特征的影响。该研究结果有助于深化对植被覆盖变化影响因素的认识，为石羊河流域生态保护提供借鉴。

新疆东天山地区气候恶劣，基岩裸露，遥感解译效果良好。已有1∶20万地质图中岩性的圈定较为笼统，出露较小的岩体、岩脉多有遗漏，缺乏高分辨率遥感技术的应用。以新疆东天山昌吉地区为研究区，基于GF-1和Landsat 8两种影像，运用彩色空间变换（IHS）、Gram-Schmidt等方法进行空间分辨率融合，并对影像进行假彩色合成（FCC）、主成分分析（PCA）、最小噪声分离变换（MNF）等岩性信息增强处理，结合DEM数据构建的三维影像图和已有地质记录，建立影像解译标志，进行细致的岩性单元识别和地质填图。通过野外验证、岩石样品薄片鉴定和反射光谱特征分析对解译结果进行修正，形成了研究区1∶5万遥感解译地质图。结果表明：在基岩露头较好的新疆东天山昌吉地区，融合多源遥感数据可识别1∶20万地质图遗漏的岩性单元，对岩性界线进行修正，提高地质填图的工作效率，为后续地质调查、地质找矿等工作提供依据。

研究土地利用景观格局的地形分异特征及其驱动机制，对于土地利用优化及景观动态管理具有重要意义。选择地形复杂、覆被类型多样、以旅游干扰为主的张家界市永定区为研究对象，将研究区多个年份的景观类型图与高程、坡度、坡向分级图逐个叠加并进行分类统计；从景观水平指数和类型水平指数中选取斑块密度（PD）、聚合度指数（AI）、蔓延度指数（CONTAG）等8个景观指数，计算指数年份变化，探讨其地形分异规律和驱动机制。结果表明：①研究区土地利用景观类型具有明显的海拔梯度特征，80 %以上的土地面积集中于海拔300~800 m与坡度6°~35°的区域；②无论是景观水平指数还是类型水平指数，其地形分异特征明显，且高程与坡度的分异明显高于坡向分异；③地形梯度较大区域（高海拔陡坡区）的土地利用景观格局演变以自然生态演变导向为主，而地形梯度较小区域（低海拔缓坡区域）的演变受社会经济因子干扰较明显。

基于Sentinel-2遥感数据，选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法，对2021年5月初南四湖沉水植被（菹草群落）进行提取研究，利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析，结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明：①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km²以下，分别为98.97 km²和75.92 km²，基于时序NDVI的方法提取面积为207.44 km²，最接近实地调查的菹草面积。②无论是全湖还是核心区，监督分类和随机森林法的提取精度均75%左右，平均相对误差（MRE）在0.5左右，平均误差在20~30 km²左右，而基于时序NDVI的方法精度在90%以上，MRE和ME_area也最低。③对比植被覆盖度发现，监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草，对湖心区覆盖度较低的菹草提取效果差，而时序NDVI的方法对低植被覆盖度菹草群落更敏感，是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。

高分六号中分辨率宽幅相机（GF6-WFV）设计了两个红边波段，具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区，获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证，选取最优反演模型。结果表明，GF6-WFV数据新增红边Ⅰ波段（B5：710 nm）和红波段（B3：660 nm）构建的两波段比值模型反演精度较高，相关系数平方（R²）为0.89，平均相对误差（MRE）为34.71%，均方根误差（RMSE）为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度，研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型，在中国东部典型湖库具有较好的适用性。

植被返青期是植被生长过程中的重要阶段之一，探究植被返青期的变化及其影响因素具有重要意义。目前，将积雪与气温、降水等结合，从而探讨植被返青期影响机制的研究还比较少，因此研究基于MODIS NDVI、积雪产品以及ERA-5再分析等数据，采用累计NDVI的Logistic曲线曲率极值法、趋势分析、相关分析以及敏感性分析等方法，探究2001~2018年蒙古高原植被返青期时空变化特征及对气候、积雪、土壤水变化的响应机制。主要结果表明：近18 a蒙古高原植被返青期平均在123 d左右，整体呈现出不显著推迟趋势。其中西南地区和大兴安岭地区返青期最早，萨彦岭和杭爱山返青期最晚。蒙古高原返青期与积雪覆盖度、积雪日期、积雪终日呈显著正相关的区域均>30%，与融雪期温度呈显著负相关的区域>25%，与积雪期降水、土壤水分及积雪初日的相关性较弱。研究得到积雪对于植被返青期的影响显著，其因子敏感度排序为：积雪覆盖度（0.467）>积雪日期（0.184）>融雪期温度（0.113）>积雪终日（0.028）。

区域目标分解是遥感卫星对大区域覆盖成像任务规划的关键环节，对快速获取大区域有效数据具有重要意义。基于对卫星大区域拍摄任务的规划经验，总结了大区域拍摄实际业务中的主要影响要素，包括卫星轨道过境、窗口区域云量和底图实时更新，提出了基于多要素叠加的大区域拍摄分解方法。该方法通过将云量要素应用到每个过境窗口的拍摄条带的分解中，基于贪婪算法的思想获得每次卫星过境中成像条件较优的拍摄条带，可提升卫星对大区域拍摄的单次数据获取有效率和整体覆盖效率。该方法已应用于“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，为吉林一号光谱星快速获取“一带一路”沿线区域数据提供支持。对比该方法使用前后两期区域覆盖数据获取情况，数据覆盖效率提升约44%。

遥感影像由于目标角度各异且普遍密集、小目标占比高、背景复杂等特点，检测精度低。针对水平框算法不再适用于遥感旋转目标，以及主流五参数法存在角度回归的周期性与边缘互换性问题，提出VR-CenterNet，采用向量表示法来进行旋转目标的检测与损失设计，规避角度回归的根本性问题，优化细长目标的偏移高敏问题；针对浅层特征融合的高冗余问题，引入自适应通道激活过滤杂质信息，为强化关键点信息，在主干输出部分引入改进后的全局上下文自适应层激活注意力块。首先在HRSC2016与UCAS-AOU数据集上进行不同算法的性能比较；再在两数据集上进行方法消融实验，以验证各改进方法的有效性。实验结果表明：在HRSC2016与UCAS-AOU数据集上分别取得的了88.48%与90.35%的精度。改进算法能够提升遥感旋转目标的检测精度，为遥感旋转目标的准确检测提供了另外一种解题思路。

无人机遥感技术可快速获取测区冠层高度模型（CHM），如何从CHM中更加准确识别树顶点，是树高提取的关键。分析了不同窗口类型、窗口大小以及林分郁闭度对树顶点提取的影响，以高校校区为研究区，根据郁闭度选取密集林地和稀疏林地2块局部区域，分别利用GIS矩形邻域分析、GIS圆形邻域分析和局部最大值算法提取树顶点。结果表明：树顶点提取精度不仅受窗口大小、林分郁闭度影响，而且和窗口类型密切相关，且GIS矩形邻域分析提取树顶点的结果更加稳定，精度更高，其F测度值在密集林地最高为78.13%、稀疏林地为96.94%。将基于该结果得到的树顶点对应的提取树高与实地测量的树高值对比，密集林地的均方根误差为37 cm，稀疏林地的均方根误差为39 cm。结果证明了基于小型无人机可见光遥感技术提取较高郁闭度阔叶林树高的可行性，为后续基于冠层高度模型识别树顶点提供方法借鉴，提高树高提取精度。

中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km²，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。

南迦巴瓦峰地区位于东喜马拉雅构造结的构造变形核心地带，地质构造环境复杂，地质灾害频发，加强对该地区的地表形变监测研究对当地防灾减灾和经济可持续发展有着重要意义。研究利用Sentinel-1卫星数据在该区域开展地表形变监测，通过PS-InSAR技术获得雷达视线方向（Line-Of-Sight， LOS）的形变速率分布与形变时间序列数据，并对地表形变的分布情况和2017年米林M6.9地震的同震形变情况展开分析与讨论。结果发现南迦巴瓦地区地表形变受新生代构造变形影响较大，研究区内的构造形变主要有同震、震后松弛形变和板块边界带的俯冲形变。雅鲁藏布江两侧变形差异较大，北侧呈缓慢的负形变趋势，南侧由于受到俯冲断裂的影响以较高的速率正形变。米林地震的同震形变呈现出西南盘负形变，北东盘正形变且西南盘形变量更大的空间分布特征。研究结果表明：InSAR监测技术可为青藏高原灾害监测和科学研究提供高时空分辨率的地表形变数据。

基于珞珈一号夜间灯光数据和西安市能源统计数据，结合ArcGIS空间分析方法，运用高—低聚类模型，分区县对2018年西安市碳排放量进行空间化模拟，并对全市各区县碳排放强度进行计算和分类，研究西安市各区县碳排放量分布特性。结果表明：珞珈一号灯光数据与碳排放量存在较好的相关性，线性相关系数为0.720 3，四次函数多项式的相关系数最高，为0.843 5；在年度碳排放量上，西安市碳排放量呈现中心主城区高、周围县区低的空间分布特点，为聚类状态分布，且聚类结果在高值区域内聚类；全市低碳排放强度区县较多，存在少量高碳排放强度区县，对实现绿色发展模式还需要进一步调整产业结构。

吉林一号光谱星的发射提高了我国对地观测能力，并且在农业定量反演方面具有较大的潜力，为了准确、有效地反演农作物关键参数，分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区，基于吉林一号光谱星影像，使用优化后的PROSAIL模型和曲线匹配算法，对不同物候期内的玉米和水稻叶面积指数（LAI）进行了反演，并结合实测LAI数据进行了精度验证。结果表明：优化后的PROSAIL模型其参数范围和参数步长更适用于农作物LAI反演，在保证精度的前提下精简了查找表的容量；基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下，计算效率平均提高了41.43 %；研究区不同物候期内的玉米和水稻LAI反演精度R²为0.72~0.9，RMSE为0.32~0.49。其中，玉米开花期精度最高（R²=0.9，RMSE=0.4），玉米成熟期精度最低（R²=0.72，RMSE=0.47）。综上所述，基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点，研究结果可为该数据在农作物LAI精准反演方面提供科学方法和依据。

为了揭示海南岛植被覆盖长期变化趋势以及进一步确定影响海南岛植被变化的主要气候驱动因子，为海南岛植被应对气候变化以及植被的良性发展提供科学指导。基于GIMMS NDVI数据，采用趋势分析法，探究1982~2015年海南岛植被的时空变化趋势；利用偏相关分析和主成分回归分析研究34 a里温度、降水和太阳辐射对海南岛植被变化的影响。研究表明：①空间上海南岛植被在北部和沿海地区呈明显增加趋势，而三亚及周边地区存在多处植被退化区域；②时间上海南岛植被整体以缓慢增长为主，增速为0.019/10 a，年际变化明显；③温度和太阳辐射显著主导海南岛88%地区的植被生长，其驱动因子存在如下关系：太阳辐射作用>温度作用>降水的驱动作用；④温度主导海南岛北部及西部地区植被的生长，太阳辐射主导驱动岛屿南部的植被生长，而降水是岛屿中部植被的主导气候驱动因子。综上所述，海南岛植被总体呈现良性发展的趋势，温度和太阳辐射是促进植被生长的主要气候因子。

基于合成孔径雷达（SAR）图像的海冰分类已经成为海冰监测的重要基础，但现有方法往往利用图像空间特征，很少考虑时间特征。提出了一种融合时空特征的SAR图像海冰分类网络SE-ConvLSTM。首先使用ConvLSTM对HH和HV极化图像分别提取时空特征，然后将提取的不同层次和通道的时空特征进行拼接，并利用SE通道注意力进行通道特征响应的自适应重新校准，最后利用SoftMax函数进行图像分类。将SI-STSAR-7数据集6个时间步长的图像块作为输入对所提方法与其他分类方法进行了对比实验。结果显示：SE-ConvLSTM在总体情况和分类困难的厚一年冰上分别达到了97.06%和90.01%的精度，表明加入时间信息有助于提高分类准确率。同时，所提网络在生成海冰分布图时对主要冰类型密集度较低的区域和SAR影像的边界位置都具有更好的识别能力。

农村黑臭水体类型多，成因复杂，严重影响生态环境质量，使用遥感影像开展农村黑臭水体监测具有实际意义。然而，浮萍型农村黑臭水体与部分植被、绿色房顶和大棚等存在异物同谱现象，利用色度法、特征光谱法提取效果均不理想，严重阻碍了浮萍型农村黑臭水体的高精度、重复性和自动化监测。针对该问题，实验利用GF1、GF2、GF6遥感影像，收集和解译了覆盖西安市多个区县、涉及多个污染对象的299处浮萍型农村黑臭水体信息，基于DeeplabV3+语义分割神经网络，采用ResNet101为骨干网络，引入ECA（Efficient Channel Attention）注意力机制，配合对低照度样本开展提亮和纠色前处理，搭建了浮萍型黑臭水体语义分割模型。该模型的F1-score为0.947，平均交并比 （MIoU， Mean Intersection over Union）为0.948，浮萍型黑臭水体的交并比（IoU， Intersection over Union）为0.884，错误漏检率（FOR， False Omission Rate）为0.081，表明该模型具备从高分辨率遥感影像上高效、精准、重复识别浮萍型农村黑臭水体的能力，可以为政府部门监管农村黑臭水体提供抓手。

以中国气象局发布的逐小时网格降水数据集（CMPA）为降水参考，采用多种极端降水指数系统地评估了GSMaP（NRT、MVK、Gauge）和IMERG（Early、Late、Final）共6种GPM时代卫星降水数据对四川极端降水的监测精度。结论如下：①四川多发生局部短历时强降水，降水空间异质性强，在盆地和盆地周边的极端降水频率和强度明显大于其他地区，在盆地与川西高原接壤地区形成一条明显的极端降水分界线。②IMERG能够较为精确地探测到暴雨、持续性降水事件和干旱事件，其中Final产品精度最高，IMERG产品的极端降水指数精度明显优于GSMaP。③IMERG-F的降水概率密度函数（PDF）与CMPA的PDF特征最为相似，其次为GSMaP-Guage，但经过站点校正的GSMaP-Gauge产品完全改变了NRT和MVK的PDF特征，忽略掉了较多大雨、暴雨事件，将极不利于对极端降水的监测。总体上，GPM降水产品对极端降水的探测精度存在较大的地域性差异，IMERG较GSMaP表现出更高的极端降水探测精度，在地形复杂的川西高原地区IMERG和GSMaP均存在较大的降水误差。

随着全世界航天事业的不断壮大，卫星成像业务已经向多星协同覆盖大区域目标转型发展。在此过程中需要同时优化如最大覆盖面积、最小卫星资源利用等多个目标函数。围绕地球观测卫星区域覆盖调度及数传规划全流程，首先总结了典型区域分解技术，其作为卫星区域覆盖计划制定的前期准备步骤，在卫星调度中发挥着重要作用。随后分析评述了近年来多目标算法在卫星区域覆盖调度及数传规划领域的代表性工作。最后进行总结并对未来研究提出几点展望，以期为相关任务的多目标算法应用提供可靠参考。

建筑是城市精细化管理的基础单元，利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率（0.8 m）遥感数据，建立了北京市建筑轮廓样本库，利用多种语义分割模型U-Net、DANet、UA-Net（U Attention Net）和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价，通过对比不同类型建筑（如楼房、别墅及村庄建筑等）的提取效果，最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明：U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%，且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现；对比不同模型的识别效果发现，语义分割模型对于平房型建筑识别较有优势，实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓，这为开展典型建筑轮廓提取任务的模型选择提供了科学依据，并且识别的城市建筑成果在一定程度上解决了城市内部精细尺度研究数据缺失的问题。

卫星在轨后精准的绝对辐射定标是对其观测数据进行定量化应用的基础。与传统的场地定标法、交叉定标法相比，基于稳定场景目标的定标方法具有成本低、频次高、可实现历史数据定标等优点。使用中分辨率成像光谱仪（MODIS）的MCD19A1产品、MCD43A1产品和MOD03（MYD03）产品模拟出MODIS band8在光谱02卫星观测条件下的方向反射率，再结合MCD43A1产品中MODIS band1~band5的方向反射率、MCD19A2产品中的气溶胶参数、水汽参数以及MOD07（MYD07）产品中的臭氧参数，对2021年10月光谱02卫星多光谱成像仪对多个稳定目标成像的入瞳辐亮度进行辐射传输模拟，实现对其在轨绝对辐射定标。对该定标系数的真实性检验结果表明：与发射前定标系数相比，基于重新标定系数进行大气校正的结果与哨兵2号反射率产品的差异明显减小；重新标定的观测辐亮度与包头地基自动辐射定标数据的平均相对差异为3.18%，说明定标结果具有较高的精度。研究结果可以为使用稳定目标对中高空间分辨率光学遥感卫星在轨绝对辐射定标提供方法支撑。

基于不同植被指数提取物候参数是分析长时间物候变化的重要基础。以多云雾的重庆地区为例，使用2010~2019年MODIS NDVI/EVI/EVI2共3种长时序的植被指数数据，通过D-L 滤波方法分析了不同植被指数特征；并使用动态阈值法和趋势分析法，对比研究了基于3种植被指数提取的物候参数结果及其随不同地形因子的分异规律，结果如下：①EVI和EVI2的时间序列拟合曲线比NDVI的拟合曲线更加平滑，3种植被指数原始值与拟合值的差值主要分布为NDVI（0.05~0.18）、EVI（0.03~0.11）、EVI2（0.03~0.1）。②基于3种植被指数提取的物候参数在空间分布和变化趋势上呈现一致性，其中EVI和EVI2提取的植被指数参数皆相近，相差5d之内占比79%以上，SOSEVI2变化显著性区域所占比面积最高（16.36%），SOSNDVI最低为12.37%。③SOS随海拔升高而推迟，EOS随海拔升高先延后再提前，LOS随海拔升高先延长后缩短，且EOSNDVI、 LOSNDVI随着海拔增加分别与EOSEVI/EOSEVI2、LOSEVI/LOSEVI2差异增大，不同植被类型上，EVI提取的物候参数与EVI2相近，变化趋势具有一致性。与NDVI相比，EVI和EVI2能更好提取对云雾地区物候参数，结果相近；基于EVI和EVI2提取的物候参数的地形效应更明显。

森林是世界上生产力最高的可再生自然资源之一，但由于火灾、洪水、砍伐等多种自然或人为因素干扰，森林的生态环境受到严重威胁。准确掌握林地资源变化的情况，可以为森林资源的管理与保护提供有效信息。由于林地类别及树种差异较大，在林地变化检测任务中传统的机器学习变化检测方法难以捕捉深层次语义信息，存在提取特征适应性差、识别能力弱以及因季相导致的伪变化等问题。提出以孪生残差神经网络构建深度学习模型，进行林地变化的检测实验。分别采用残差神经网络ResNet50、添加不同轻量级注意力机制如卷积注意力机制模块CBAM和压缩和激励模块SE 3种不同特征提取方法作为主干特征提取模块。3种主干特征提取网络都基于预训练权重进行训练，通过将提取的多尺度的特征图进行融合，使得不同特征图中信息粗略细节和精细细节互补，从而改善变化检测效果，同时具有相同数量的参数，共享权值的优点。以浙江省建德林场为实验区，获取2015年和2020年两期高分二号卫星影像，构建一套分辨率为1 m的林地变化检测数据集。对孪生残差神经网络变化检测的结果和真实变化标签进行比较，其中主干特征提取网络SE-ResNet50综合结果最好，精确率为0.91，召回率为0.78，F1分数为0.83，要优于主流的变化检测模型FC-Siam-conc、FC-Siam-diff。证明孪生残差神经网络在高分辨率遥感影像林地变化检测任务中能够准确捕捉林地变化，为森林资源管理部门提供了新的林地变化检测方法。

大区域数据快速拍摄获取是遥感卫星任务规划领域的重要研究课题，依托“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，使用吉林一号光谱01/02星开展了对“一带一路”沿线65个国家和地区三年两期的有效覆盖。总结了项目大区域数据获取的策略方法和经验，重点介绍了数据获取相关的星地资源等各类影响因素、大区域按时相划分策略、以及基于云量预报有效成像条带的大区域动态规划流程，即在卫星单次过境范围内，结合云图选取最大概率获取有效数据的成像条带。该研究已为项目提供常态化支持，相关方法和项目经验可为一般卫星遥感大范围、广区域数据获取任务提供参考借鉴。

白鹤滩水电是国内继三峡水电站之后的第二大水电站，于2021年4月开始蓄水，水位上升约150 m，库区运行期随着水位线的快速变化，改变了库区的地质环境，极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全，需要对库区进行快速动态的地质灾害识别。因此，基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月至11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性，进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测，在第一时间发现隐患点并进行定性分析，为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。

日光诱导叶绿素荧光（Solar-Induced Chlorophyll Fluorescence， SIF）与植被光合作用关系密切，能够揭示植被真实生理状况，准确获取SIF信息对陆地生态碳循环和全球植被监测具有重要意义。以3FLD算法的SIF反演结果和NIRvR为参考，开展了基于塔基平台的数据驱动SIF反演算法性能评价研究。首先利用塔基连续冠层光谱观测数据，分析了SVD算法在不同大气窗口的SIF反演效果；其次利用大气校正前后的实测数据，探究大气因素对SVD算法反演SIF的影响程度；最后，将实测数据按照光照条件区分，对比了天气稳定与天气波动条件下，基于SVD算法的SIF反演结果的稳定性。结果表明：（1）SVD算法在735~759 nm（不包含大气吸收波段）、745~780 nm（包含大气吸收波段）窗口的SIF反演精度较高；（2）SVD算法的SIF反演精度受大气影响远小于3FLD算法；（3）当光照条件剧烈变化时，使用SVD算法可以有效克服FLD类SIF反演算法对同步太阳光谱观测的依赖；即使光照迅速变化，基于SVD算法依旧能够得到稳定可靠的SIF反演结果。综上所述，SVD算法对于塔基SIF反演来说具有非常大的应用潜力。

遥感视觉问答根据给定遥感图像回答与图像内容相关的自然语言问题，是快速调查和监测全球资源的重要途径。遥感图像场景复杂多样，从对图像场景的理解到对图中局部目标的识别往往涉及尺度的变化。因此，为在遥感的视觉问答系统中引入多尺度的应用场景，我们设计了多尺度遥感视觉问答模型（MRS-VQA模型），并根据该模型创建了新的数据集—“多尺度遥感视觉问答数据集（MRS-VQA数据集）”。此外，MRS-VQA模型在融合模块使用注意力机制得到两个模态互交的可视化结果，有效提升了模型的准确率和可解释性。实验结果表明：本研究提出的具有两层注意力的MRS-VQA模型（准确率96.82%）优于其他遥感视觉问答模型（RSVQA准确率81.36%），说明多尺度特征融合在遥感视觉问答中的研究具有重要意义。

对国内外典型的星载、机载极化合成孔径雷达（SAR）系统及其辐射、极化定标实现情况和精度指标进行调研简述。首先给出了极化SAR数据校正精度的一般需求，然后较为系统的给出了国内外代表性的极化SAR系统现状及其取得的系统校正及数据定标精度成果，包括极化SAR系统相对辐射定标精度、绝对辐射定标精度、极化通道串扰精度、极化通道幅度不平衡精度、极化通道相位不平衡精度等方面，最后对极化SAR 数据定标精度的影响因素进行分析。全面地阐述极化SAR 系统定标精度信息索引及其发展现状，为相关研究人员提供及时、系统的极化SAR系统研制及其定标性能研究进展信息。

云是影响青藏高原能量平衡和地气过程的关键参量之一，研究高原的云量对探讨青藏高原的气候变化具有重要意义。采用2001~2020年的MODIS总云量数据与ERA5、CRA40两套再分析资料的总云量数据，以3~11月份MOD06云量资料为真值，评价不同再分析资料在青藏高原的适用性。利用改进自编码器模型，基于ERA5和MOD06重构了1950~2020年的3~11月的高原云量。结果表明：在高原地区，ERA5的云量值偏高，而CRA40云量值偏低，且ERA5与MOD06的相关性明显优于CRA40与MOD06的相关性；通过相关系数、偏差、平均绝对误差、均方根误差四种评价指标，发现改进自编码器模型在重构云量方面具有良好的效果，且能模拟出青藏高原云量的变化趋势，为研究青藏高原地区云量时空演变规律提供了可靠的长时序数据。

为探究城市地区内涝灾害成因和分布特征，以兰州市中心城区为例，基于2010~2020年月平均降水数据和历史积水点资料，选取人口密度、路网密度、给排水设施距离、高程、地形起伏度、坡度、归一化植被指数和不透水面百分比数据作为探究内涝驱动因子的指标，采用水文分析、空间相关性分析和地理探测器等方法，研究内涝灾害的时空分布格局、驱动因子及交互作用关系。结果表明：①11 a间兰州市内涝灾害与降水集中期高度吻合，均在6~9月份，7~8月份主汛期内涝灾害最严重。表明内涝灾害频次分布与降水格局密切相关；②空间上兰州市积水点主要分布在城关区，其次为安宁和七里河区，西固区最少；③归一化植被指数和不透水面百分比是兰州市内涝灾害的主要驱动因子，其次是人口密度，但任意两个驱动因子的交互作用均远大于单个因子。因此，兰州市内涝灾害需要在多因素综合考虑的前提下，采取多举措进行综合治理。

雪水当量定义为积雪融化后液态水的高度，是描述季节性积雪储量的关键参数。星载被动微波遥感适用于长时间序列、全球尺度的雪水当量监测。但目前的微波辐射传输模型大多忽略或简化了自然界垂直分层结构中的土壤、植被和大气等要素对积雪辐射亮温的影响，特别是植被参数（例如透过率、覆盖度、单次散射反照率）引起的微波亮温变化仍然不清晰。本研究通过构建土壤—积雪—森林—大气微波辐射模型，重点开展被动微波遥感反演雪水当量的不确定性机理研究。通过模型敏感性分析发现：①冠层透过率是森林参数中影响微波亮温最敏感的因子，其次是森林覆盖度，而单次散射反照率影响最小；②微波亮温随着森林覆盖度的增加而升高，但随着冠层透过率和雪粒径参数的增加而降低，即三者之间存在“抵偿效应”。通过构建的模型模拟数据库和卫星观测对风云三号B星（FY-3B）和 The Advanced Microwave Scanning Radiometer 2（AMSR2）雪水当量反演算法进行亮温噪声测试发现：①亮温噪声对AMSR2雪水当量反演算法影响较大，特别是在森林像元尤为严重，与算法中表征积雪参数演化的极化因子和森林下雪深校正方法不确定性有关；②亮温噪声对FY-3B算法的影响较小，甚至可以忽略，主要是由于亮温差的形式削减了亮温不确定性。本研究基于构建的辐射传输模型定量分析了森林和积雪参数对微波亮温的影响，确定了影响雪水当量反演精度的关键参数；同时表明雪水当量反演方法对亮温噪声的鲁棒性也是影响算法精度的重要方面，为未来发展普适性的雪水当量反演算法奠定了理论基础和参考。

红树林是全球净初级生产力最高的生态系统之一，其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用。快速且准确地获取大范围红树林空间分布，对于红树林资源的有效管理和开发利用具有重要意义。Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源。选取华南沿海的英罗湾和珍珠港作为实验区，利用Landsat-8 OLI影像结合归一化差异红树林指数（Normalized Difference Mangrove Index， NDMI）、综合红树林识别指数（Combined Mangrove Recognition Index， CMRI）、模块化红树林识别指数（Modular Mangrove Recognition Index， MMRI）、红树林指数（Mangrove Index， MI）和红树林植被指数（Mangrove Vegetation Index， MVI）5种指数来提取红树林分布信息，并对比5种指数用于红树林提取的效果，筛选适用于Landsat-8 OLI影像的最佳红树林提取指数。提出了结合归一化差异水体指数（Normalized Difference Water Index， NDWI）优化的红树林分布信息提取方案，以提升红树林分布信息的遥感监测能力，并应用于广西沿海大范围红树林空间分布的提取。研究结果表明：①基于Landsat-8 OLI影像和指数法可以有效提取红树林分布信息；用于提取红树林的5种指数中MVI指数的提取效果最好，CMRI指数的提取效果最差。②结合NDWI指数可以进一步提高红树林提取精度，优化后的MVI指数应用于广西沿海红树林的提取结果最佳，总体精度达到97.10%。本文提出的研究方案和红树林指数阈值范围，可为大范围红树林分布提取提供参考和决策支持。