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。

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。

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。

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。

积雪是全球能量平衡、气候变化的重要物理变量，遥感技术是积雪监测的主要手段。作为主动微波遥感的主要技术之一，合成孔径雷达（SAR）可以不受天气条件影响成像反演积雪深度。早期的SAR空间分辨率高但时间分辨率低，无法进行雪深的时间序列反演，随着新一代SAR卫星的研制与发射，时间分辨率有了较大提高，为雪深的时间序列分析提供了支持。研究选用高分辨率Sentinel-1数据，基于D-InSAR技术，通过相位离散指数阈值提取，结合光学影像以及高相干系数区校正解缠相位，探索了时间序列雪深反演方法，成功反演了新疆北部乌苏地区积雪积累期11 d的雪深分布，根据积雪站点逐日实测雪深资料探讨了雪深反演误差来源。结果表明：①通过相位离散指数阈值提取并结合光学影像以及高相干系数区校正解缠相位，可以得到较好的雪深反演结果；②雪深整体反演结果精度相关系数R为0.93，均方根误差RMSE为3.98 cm，平均相对误差MAPE为25.49%；③由于像对相干性和积雪内部性质的差异，积雪较浅时反演精度较高，多数反演雪深值低于雪深实测值，当站点观测雪深大于17 cm时开始出现大的误差，最大误差约为7.3 cm。差异分析发现，雪深反演精度受干涉像对相干性及实际雪深的差异影响显著。光学影像与SAR影像时间分辨率的不一致也可能是雪深反演误差的因素之一。本文所用到方法能够利用SAR数据进行较好的时间序列雪深估计，为基于D-InSAR雪深时间序列反演提供参考。

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。

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。

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。

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。

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。

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。

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。

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。

土壤水分的准确、快速获取在区域干旱与洪涝灾害监测预报预警中发挥着关键作用。静止气象卫星具有高频次观测特性，为实时获取大范围土壤水分信息提供了一种有效手段。以Himawari-8/9静止气象卫星反射率和亮温、植被指数和亮温指数、地形特性、土壤属性、植被状况和时空信息为输入特征，以地面实测土壤水分为期望输出特征，基于随机森林模型构建了青海高原土壤水分反演模型，并对模型进行了独立站点检验和干旱过程时空变化检验。结果表明：模型在2022年青海省河南县土壤水分遥感检验场和互助遥感干旱野外验证场的相关系数分别为0.899、0.740，均方根误差分别为0.062、0.044 m³·m^-3，平均绝对误差分别为0.048、0.035 m³·m^-3；对2021年7月海东市互助干旱过程及2022年8月玉树藏族自治州囊谦县干旱过程的土壤水分变化趋势的估算结果与实际相符。研究所构建的随机森林模型可较好地满足青海高原土壤水分遥感实时监测的业务服务需求。

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。

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。

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。

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。

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。

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。

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。

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。

采用图几何深度学习方法，具有建模长远程地物特征空间拓扑关系和刻画多地类边界的优势。现有研究多采用主成分分析（Principal Component Analysis， PCA）实现高光谱数据快速降维处理，但是存在特征可分离性较差的问题，使得算法分类结果精度无法继续提升。本研究提出了一种结合图形处理单元（Graphics Processing Unit，GPU）加速的t-分布式随机邻域嵌入（t-distributed Stochastic Neighbor Embedding，t-SNE）流形学习和局部谱域图滤波的高光谱遥感图像分类算法。另一方面，考虑到图注意力网络（Graph Attention Network，GAT）通过利用隐藏的自我注意力层来解决以往基于图卷积或与其近似框架的已知缺点，擅长高效地处理图结构式高光谱数据，继而提出了一种结合局部谱域图滤波和GAT网络的新方法来进行高光谱遥感图像分类。通过在云计算平台Microsoft Planet上使用真实的高光谱遥感数据集进行实验表明，通过高光谱遥感图像特征可分离性增强实现遥感地物分类，不仅能获得较好的高光谱遥感图像地物分类性能，而且说明将空间和光谱信息相结合对高光谱图像分类的重要性。

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。

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。

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。

无人机高光谱系统因轻便灵活、成本较低且可获取丰富的光谱信息，近年来广泛应用于环境遥感水质监测相关研究中。但与成熟的卫星监测体系不同，无人机作为位于大气中的遥感平台，天空散射光对准确获取遥感反射率（R_rs ）有不可忽略的影响，但目前鲜有研究针对这一问题进行专门的定量化探讨。选择我国第五大淡水湖巢湖及其7条出入湖河流，分别利用无人机高光谱成像仪和地物光谱仪（ASD HandHeld2），对不同观测角度天空光对水体遥感反射率影响开展定量研究。结果显示：天空光对水体遥感反射率的计算具有明显影响，且不同角度天空光存在差异。扣除不同角度天空光反射率与未扣除天空光反射率相比，天顶角45°方向天空光的平均绝对百分比差（MAPD）为11.00%，天顶角0°方向天空光的MAPD为17.21%。依据无人机高光谱成像仪镜头垂直向下的特性，研究确定在水体遥感反射率计算中扣除0°天空光，并进一步应用于悬浮物反演，预测值与实测值均方根误差（RMSE）与平均绝对百分比误差（MAPE）最小，分别为8.89 mg/L和19.60%，证明了其在提高模型反演精度中的贡献。本研究可为无人机高光谱水色遥感研究中遥感反射率的准确获取提供技术参考。

作物行结构作为耕地表面的典型周期性结构特征，其方向会对测量雷达后向散射系数和光学反射率的结果造成显著影响。针对高分辨遥感影像纹理特征提取作物行向时效率低、计算资源需求大导致难以应用于大区域的问题，以黑龙江省友谊县为研究区，将地块作为最小研究对象，验证利用地块形态特征识别作物行向的可行性。本研究利用多种图像处理算法计算地块长边与短边的长度比值（长宽比），分析作物行向和地块长边方向之间的相关性，对比不同地块长宽比对作物行向识别率和识别精度的影响。结果表明：随着地块长宽比阈值增加，行向的识别率从82.0%降低到34.8%，行向识别均方根误差（Root Mean Square Error，RMSE）从21.46°降低至1.78°；在不同长宽比阈值条件下，直线检测器算法识别作物行向的平均精度（R²=0.93，RMSE=9.53°）高于概率霍夫变换（R²=0.81，RMSE=20.80°）。该方法可以实现对大范围农田地块作物行向的识别，为遥感卫星影像识别作物行方向提供新的思路。

不透水面作为城市地表要素的重要组成成分，了解其空间分布可为城市的发展以及灾害防护提供科学的参考依据。然而由于光谱的相似性，准确获取不透水面材质具有一定的挑战性。本研究借助于亚米级航空可见光遥感数据，通过构建光谱、指数、纹理和形状等对象特征，使用Fisher可分比（Fisher Discriminant Ratio， FDR）和递归特征消除算法（Recursive Feature Elimination，RFE）优选最终的建模变量，结合随机森林（RandomForest， RF）、XGBoost、GBDT、CatBoost、LightGBM等算法分别构建了不同不透水层材质的分类模型（FDR-RFE-RF， FDR-RFE-XGBoost， FDR-RFE-GBDT， FDR-RFE-CatBoost， FDR-RFE-LightGBM），选取最优模型绘制了区域不透水面材质的空间分布。结果表明：除GBDT和LightGBM外，使用经FDR和RFE算法优选的变量构建的模型在点尺度上总体精度和Kappa系数分别提高了0.933%~1.171%和1.229%~1.542%，并改善了分类结果空间破碎的现象。结合点尺度的验证精度和空间上的分类结果发现FDR-RFE-RF的性能最优（OA=0.926， Kappa Coefficient=0.906），且其提取的研究区的不透水面材质的分布特征基本与实际情况一致。研究结果表明变量优选在一定程度上可以提升基于机器学习的不透水面材质提取的鲁棒性，同时也验证了基于亚米级航空可见光影像在城市不透水层材质提取的可行性。

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。

热带海岛是地球上生物多样性最丰富的地区之一，热带海岛河流相比大陆河流具有短小而多样的特点。开展热带海岛河流物理生境健康评价对于生物多样性保护、水资源管理和经济发展都具有重要意义。现阶段河流物理生境健康评价多基于监测点位、样方地面监测，无法兼顾代表性、便利性和安全性，并且费时费力，很难全面准确地反映河流物理生境状况。以海南岛南渡江流域、昌化江流域和万泉河流域三大流域主要河流为研究对象，基于遥感监测构建了海南岛河流物理生境健康评价指标体系，采用层次分析法和专家打分法确定指标权重和评价模型，开展了三大流域27条河流物理生境健康评价。结果显示：①南渡江流域、昌化江流域、万泉河流域均以森林和农田两类生态系统类型为主，三大流域以农田生态系统占比最大。②三大流域河流河岸带植被覆盖度整体上较高，达70%以上，以人工经济林为主；自然岸线率整体不高，均值为41.93%，河岸带范围受人类活动影响较大。③三大流域河流物理生境评价等级以亚健康状态为主，其次为不健康状态。本研究基于现阶段海南自由贸易港建设生态环境保护工作的重大需求，可为精准实施流域生态环境保护、治理工作提供数据支撑，为海南岛水生态考核等相关评价标准的阈值设定提供参考。

针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题，根据所获取低空无人机数据，提出一种基于目标检测和语义分割的两阶段分类方法，其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络，在编码阶段导入高效通道注意力机制ECA，在下采样环节提升模型的特征提取能力，实现轻量化特征提取，块结构使用ESE模块，避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果，MIoU可以达到0.91，相比原始Unet模型提升0.11左右。实验结果表明：无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类，提出的轻量化改进模型效果良好。

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。

通过遥感技术对荒漠化进行监测和评估可以及时、准确掌握荒漠化土地的消长变化信息，为相关部门及时制定荒漠化防治方法和策略提供科学依据。利用R语言bibliometrix计量分析包、VOSviewer和CiteSpace可视化分析软件，针对遥感技术在荒漠化监测和评估领域应用的国际研究态势进行了分析。结果表明：①遥感技术在荒漠化监测与评估领域应用的发文量自2016年以来急剧增长，正处于快速发展阶段。②该领域是一个涉及多学科的交叉学科，近年来不断有学者引入新兴技术。③中国在该领域拥有较强的研究实力和人才基础，但是在国际学术影响力和国际合作方面仍有提升空间。④国内外在该领域的研究中均形成了一定的合作规模，但是跨机构、跨国家合作的潜力仍然巨大。在研究主题分析中发现，近年来该领域的文章大致可以划分为荒漠化的研究对象以及其土地状态、荒漠化的成因以及荒漠化修复、遥感数据的分析方法、与遥感相关卫星或数据平台4个方面。基于上述分析结果，本文对未来遥感技术在荒漠化监测和评估领域应用的发展提出了相关建议。