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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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%。

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。

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。

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。

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。

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。

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。

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。

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。

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。

冰川是最重要的淡水储存库之一，精确识别冰川和监测冰川的变化对于了解气候变化和水资源管理具有重要意义。基于Landsat 8影像，以喀喇昆仑区域为研究对象，利用单波段阈值法、雪盖指数法、非监督分类、监督分类和U-Net卷积神经网络提取冰川边界，并以交并比和混淆矩阵对冰川边界提取结果进行精度评定。结果表明，非监督分类和单波段阈值法对于表碛覆盖型冰川以及阴影中冰川存在严重的漏分现象，易将薄雪覆盖的山地错分为冰川，K-means的提取效果最差，交并比为57.69%，Kappa系数为0.57。监督分类方法对于表碛覆盖型冰川的提取效果有明显改善，但对于阴影中的冰川的提取效果不佳，提取结果的Kappa系数均为0.70以上。雪盖指数法可以有效提取阴影中的冰川，但易将大面积冰川中的非冰川区域错分为冰川，交并比为74.49%，Kappa系数为0.76。U-Net卷积神经网络能够较完整地提取冰川边界，精度要明显高于其他分类方法，重叠面积最接近地面真值面积，其交并比为88.57%，Kappa系数为0.90。U-Net卷积神经网络虽然表现较好，但是对于极小面积冰川仍存在漏分，后续研究可通过改进网络结构来提高精度。

鄱阳湖湿地是国际上重要的湖泊湿地，对于整个长江流域的健康绿色发展具有重大意义。然而，近年来人类活动和全球气候变化的影响使得鄱阳湖湿地植被的群落结构和空间分布正在快速变化，生态功能面临退化的风险。因此，及时准确地掌握湿地植被群落的空间分布对于保护和修复鄱阳湖湿地具有重要意义。针对鄱阳湖湿地季节性变化的特点，以2019年时间序列Sentinel-2影像为数据源，基于GEE平台提出了一种融合统计—时间特征的随机森林分类方法，对鄱阳湖国家保护区湿地典型植被群落进行提取。研究结果表明：①鄱阳湖湿地植被受到周期性洪水淹没及生长物候差异的影响，植被群落在秋冬季节的差异性更为明显。②基于时间序列的Sentinel-2影像可以较好地实现对植被群落、滩涂和水体进行识别，其中时间特征对植被群落的识别贡献度较大。③基于统计—时间特征结合随机森林分类算法的湿地植被群落总体识别精度达到86.21%，Kappa系数为0.83。该方法可以及时准确地提取湿地植被群落的空间分布，在湿地研究中具有很好的应用前景，可以为鄱阳湖湿地国家自然护区湿地资源的科学获取和管理、生态环境的评价和修复提供重要的数据支撑。

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。

研究长江干流岸带生态质量时空变化及其驱动因子，对长江流域生态环境保护与经济战略协调发展具有重要的理论与实践意义。基于2000年、2010年和2020年3期Landsat系列遥感影像，通过遥感生态指数（RSEI）与地理探测器（Geo Detector）对20 a间长江干流岸带的生态质量与土地利用时空变化情况进行综合评价与驱动因子分析。研究结果表明：①研究区生态质量整体呈现先下降后上升的趋势，2000~2010年区域生态环境质量整体下降趋势明显，而2010~2020年部分区域生态环境质量明显提升；②研究区地表类型变化时空差异性较为明显，特别是2000~2010年各县区建设用地差异较大；③因子探测发现各年份建设用地、林草地、耕地对生态环境质量的影响强度不同，但在研究期内均具有较强的解释力。④交互探测表明各年份因子间交互作用呈现双因子增强和非线性增强，并且q值均大于0.48，说明各因子之间的交互作用进一步促进了生态质量变化。⑤2010~2020年间，长江干流岸带生态环境保护修复初见成效。本研究可为快速城镇化背景下协调区域土地资源开发与生态环境保护提供监测分析方法和科学依据。

青海湖是维系青藏高原东北部生态完整性的重要水体，也是控制西部荒漠化向东蔓延的天然屏障，研究青海湖的水体变化对区域生态安全与经济发展有重要意义。以探讨青海湖1990~2020年水体变化趋势与原因为目的，在Google Earth Engine（GEE）平台的支持下，利用Landsat数据实现30 a青海湖冬春和夏秋两季水体面积的动态变化监测，并结合气象与径流量数据分析其变化的原因。结果表明：①1990~2020年，青海湖的水体面积以2004年为拐点，整体上呈现出先减少后增加的趋势，以近几年的增加最为明显。在1990~2004年，青海湖面积在冬春季减少了140.36 km²，约为1990年的3.19%，夏秋季减少了157.55 km²，约为1990年的3.56%。在2004~2020年期间，青海湖面积在冬春季增加了336.59 km²，约为2004年的7.89%，夏秋季增加了349.38 km²，约为2004年的8.18%。②年内变化方面，在1990~2000年，冬春季到夏秋季面积变化量较大，年平均变化量为26.09 km²，在2000年后年内变化量则逐渐减小，其中2004~2020年，平均年内变化量为5.87 km²，说明青海湖季节性的总补给量与流失量差异在减弱。③在1990~2004年期间，青海湖地区降水和径流的不稳定与高稳定的蒸发量是影响青海湖面积的重要原因，高蒸发与低降水、低径流三重因素导致青海湖面积减小。在2004~2020年，降水量与径流量的同步增加，同时在蒸散发微弱的降低趋势助攻下，使得青海湖面积显著增加。④青海湖岸线形态在不断变化，其中东岸的沙岛，西岸的鸟岛、铁布卡湾与北岸沙柳河入口区域变化最为明显，可能是流域流失土壤的沉积和湖水动力机制的变化引起的，但具体原因有待进一步探讨。本研究对湖泊水文以及湖泊在不同尺度气候变化下的响应研究具有一定的参考价值。

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。

全球植被的动态监测对于区域和全球的生态环境保护具有极其重要的意义。长期以来，光学植被指数都被作为植被监测的重要工具。微波具有良好的穿透能力，能够探测到植被的木质结构及含水量信息，可以作为重要的补充数据。针对12种植被类型，以光学植被指数NDVI、EVI作为基准，分析了基于被动微波遥感的植被指数MPDI、MVI_B和EDVI在近3 a间的月均值变化并计算了其它植被指数同NDVI的相关系数。研究结果表明：EDVI对植被的动态变化具有较强的监测能力，同NDVI相比EDVI对植被的生长和含水量的变化具有更高的灵敏度以及更大的数值分布范围，能够显示更多的细节。MPDI仅适用于生长周期明显的中、低等生物量的植被类型的监测。MVI_B对大多数植被的季节性变化不敏感，监测能力较差。

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。

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。

河冰遥感判别对冰情监测提供了重要的支持。河冰指数判别方法是河冰遥感判别的核心工具。然而，目前仍缺乏对常用指数判别模型在不同河道类型的综合性对比研究。针对此问题，本研究采用了5种遥感指数模型（RDRI、NDSI、MNDSI、NDWI、反射率阈值法），选择黄河上游河道不同特征的6个研究区3种河道类型，对不同研究区中河冰指数模型的阈值稳定性、精度和适用性进行了分析讨论。结果表明：5种遥感指数模型的构建方式共同反映出河冰在可见光、近红外和短波红外波段的光谱特性是河冰判别最为重要的基础。RDRI指数在多个方面表现最佳，平均Kappa系数为0.914 4，推荐其作为河冰指数判别方法的最优选择。NDSI和MNDSI指数可以通过调整阈值有效排除浅雪的干扰。NDSI、MNDSI和NDWI指数在河源段研究区的精度表现良好，而反射率阈值法在性能上稍逊于RDRI指数，但其算法简单仍然具有一定的应用价值。对于不同河道类型的研究区，5种遥感指数模型的在顺直河道的精度最高，弯曲河道次之，分叉河道最低。

次生林中累积的地上生物量形成的巨大碳库，对于缓解气候变化具有重要作用。广东省空间异质性显著影响着次生林的碳汇速率，但其驱动因素尚不清楚，严重制约了未来碳汇能力的准确估算和预测。基于遥感技术在时空监测方面的优势，本研究利用地上生物量、次生林种植年份及气候等高时空分辨率遥感数据，量化了四大方面驱动因素对广东省次生林地上生物量累积速度和空间模式的影响，并结合情景分析预测了广东省未来的次生林增碳潜力。结果表明：整体上，林龄是影响广东省地上生物量累积的最重要因素，然而其他影响因素的贡献则具有较强的空间异质性。在珠三角地区，气候是第二大主要驱动因素，而在粤北、粤东和粤西地区则是地形地貌。土壤元素含量的影响在四个区域普遍较小。4个情景中，在储量最大情景下至2050年可最大程度增碳62.45±2.55 Tg C。本研究可为森林可持续管理及高质量发展提供科学参考。

陆地生态系统模型是研究全球碳循环与气候变化之间复杂反馈机制的重要工具。然而，陆地生态系统模型模拟具有很大的不确定性。基于观测数据约束模型参数是实现模型的精确模拟的有效技术手段。为了研究不同观测数据及其组合对陆地生态系统模型参数的约束能力，增进陆地生态系统过程的了解，基于南京大学碳同化系统（Nanjing University Carbon Assimilation System， NUCAS），对羰基硫（Carbonyl Sulfide， COS）、日光诱导叶绿素荧光（Sun Induced Chlorophyll Fluorescence， SIF）及土壤湿度（Soil Moisture， SM）数据进行了同化研究。结果表明：COS、SIF、SM的同化均能够优化植被光合及土壤水文相关参数，增进模型对光合作用过程、蒸腾过程、土壤水文过程等的模拟。三者的联合同化能够有效提高模型对于总初级生产力、潜热通量、显热通量、土壤湿度等的模拟效果。

甲烷对全球变暖的贡献率约为1/4，且能影响大气层中臭氧、水汽、羟基等成分的浓度，对甲烷垂直浓度反演具有重要意义，进行遥感探测敏感性分析及反演波长选择是甲烷反演的基础。基于风云三号E星上红外高光谱大气垂直探测仪（HIRAS）的特征，在红外大气辐射传输机理基础上，开展大气甲烷探测的正向模拟，进行探测敏感性分析与反演波长选择。首先基于高分辨透射率谱线库（HITRAN）分析CH₄的主要吸收窗口及主要干扰成分，然后基于大气廓线背景库以及HIRAS的仪器参数，通过RFM辐射传输模型，模拟1 200~1 400 cm^-1波段CH₄及其干扰要素（大气温度、地表温度、地表发射率、H₂O、N₂O、CO₂、F14、HNO₃和O₃ ）的探测敏感性。研究结果表明在1 200~1 400 cm^-1波段范围内，大气温度、地表温度、地表发射率、H₂O以及N₂O对甲烷探测的影响较大，具有强干扰性。最后采用基于Jacobian矩阵的信息熵原理，对CH₄探测波长进行初选，并结合探测敏感性分析结果，筛选出了1 200~1 400 cm^-1波长范围内88个CH4反演波长。这些波长具有信息量高的特点，对CH4探测更加敏感且更不受干扰成分的影响。

雾是一种灾害性天气，严重影响交通秩序，造成生命财产的严重损失。10 min时间分辨率的Himawari-8/AHI（H8/AHI）卫星数据为近实时雾检测提供了可能，但白天影像反射率受太阳高度角影响较大，常规雾检测算法较难适合该卫星数据的雾检测。以该数据时序影像间云、雾与地表的光谱特征和运动特征差异为切入点，利用多幅时序影像合成晴空底图，采用背景差分法去除地表，相邻时刻时序影像取比值去除影像中运动较快且纹理粗糙的云，最后结合传统云雾分离算法去除影像中零散的未被分离检测的云，实现白天陆地雾近实时快速检测。检测结果表明：该算法可实现近实时白天雾检测，算法适用时段为白天9：00~15：00，算法定量验证精度较高，冬季连续6天雾检测正确率平均值为96.6%，错误率平均值为9.4%，可靠性因子平均值为87.9%。算法优点为检测阈值不受太阳高度角影响，与已有白天雾检测算法相比，本算法检测精度有较大提高。冬春季2月~5月120 d雾检测结果误检率仅3.6%，证明算法具有一定的可靠性和稳定性。

高分辨率的人口空间化数据已成为重要决策中不可或缺的基础数据。文章旨在探索基于集成学习融合社会感知大数据和多源遥感数据进行人口空间化模拟的方法体系，选取浙江省为研究区，以腾讯位置大数据、兴趣点和遥感数据为数据源，使用神经网络、XGBoost和随机森林三种机器学习算法以及Stacking集成学习方法分别构建人口空间化模型并对比分析其模拟精度，获得2020年浙江省100 m分辨率的人口栅格数据。结果表明：①单个机器学习算法中，随机森林的模拟精度最高，Stacking集成学习策略具有良好泛化性能，有效缓解了单一模型的高值溢出现象，减少了模拟误差；②集成学习人口网格中浙江省人口高值集中于城市中心区域，峰值约为500人/网格，人口密度随城市中心距离增大逐级递减；③与WorldPop人口数据集相较，集成学习人口数据集在城市中心人口模拟、数据完整性等方面有显著优势。