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。

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。

2022年江西省发生极端干旱灾害，对柑橘生长及产量造成了十分严重的影响。利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义。采用2022年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区；在此基础上，利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期（6~10月）的归一化差值植被指数（NDVI）和地表温度（LST），用以联合反演温度-植被干旱指数（TVDI）；再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据，定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失。研究结果表明：①2021年和2022年6月~10月江西省柑橘种植区TVDI平均值分别为0.83和0.62，2022年干旱胁迫明显加重；②2022年6月~10月江西省柑橘种植区重度干旱占66.1%，中度干旱占33.7%，且干旱空间分布具有赣北大于赣南的空间格局；③2022年7月初~11月初，江西省柑橘种植区TVDI长时间维持在0.8以上，表现为重度干旱，此时段与柑橘关键生育期重合，对柑橘果实生长影响巨大；④2022年江西省柑橘产量平均减产率达到58.2%，柑橘种植的经济损失呈现由北向南增加的趋势，赣南、赣中以及赣北的直接经济损失依次为49.64亿元、45.17亿元、19.84亿元。研究结果有助于政府部门快速摸清江西省果农受灾情况，并为后续柑橘种植的抗旱救灾、减损保产提供一定的决策依据。

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。

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。

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。

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。

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。

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。

以北部湾为研究对象，基于Sentinel-3A卫星搭载的OCLI水色传感器，探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区，结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子，包括波段比值、波段差值和波段差比，构建了叶绿素a浓度的遥感反演模型。研究结果表明：①北部湾海域的遥感反射率曲线呈现明显的分区的特征，结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体；②不同水体类型适用不同的反演因子构建模型，其中R_rs（764.375）/R_rs（681.25）用于近岸水体，［1/R_rs（620）-1/R_rs（708.75）］/R_rs（753.75）用于过渡水体，R_rs（708.75）-R_rs（764.375）用于离岸水体，均取得了较好的拟合效果，相应的R²值分别为0.67、0.80和0.8；③分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentinel-3A卫星OCLI数据的分区模型，成功实现了对北部湾水体叶绿素浓度的遥感反演，同时，实现了北部湾叶绿素浓度的遥感监测，并为提升海洋生态环境管理和保护提供了重要的科学依据。

2020年“后脱贫时代”，南疆四地州在全国、在新疆地区发展格局中依然属于欠发达地区，因此，对南疆四地州进行长期的经济测量和发展分析具有重要意义。但是传统的测度方式使用社会经济数据存在较大的限制。本研究利用夜间灯光遥感影像客观地反演该贫困地区的经济发展特征。选取南疆四地州为研究区，对NPP/VIIRS和DMSP/OLS数据分别进行噪声和过饱和的校正，在对两种夜间灯光数据整合的基础上，利用33个县（市）城镇用地的夜间灯光总量与第二、三产业之间的相关关系进行基于夜光数据的经济发展模型的反演，采用标准差椭圆、莫兰指数等空间分析方法综合探究2005~2020年南疆四地州经济发展时空格局特征。研究结果表明：①2005~2020年，经济重心向西北方向迁移。经济总量以东北—西南方向为主导，经济发展趋势越来越集中连片。②研究时段内一直存在较高的空间自相关性和聚集性，主要呈现H—H和L—L聚集区，经济水平越高（低）的区域越容易发生聚集现象。③南疆四地州区域经济发展冷点和热点的发生概率具有显著地方性特征。南疆四地州各区域之间的经济协同发展应成为政策重点。

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。

近年来氢氟化碳HFC气体丰度不断增加，其温室潜能值巨大，对全球变暖产生影响的同时也间接造成臭氧层的破坏。国内外学者开展了广泛的地面原位测量来获取其全球丰度，同时遥感技术可以大范围、长时间、快速监测HFC气体的变化，成为该气体浓度反演的重要手段。对原位测量方法、示踪物比值法、卫星反演传感器发展和卫星反演方法4个方面的内容进行阐述，结合载荷特征分析比较不同反演方法的优缺点，最后对当前反演存在的问题和未来的发展趋势进行了讨论和展望。

针对传统河流水质监测成本高、地面监测站点稀疏等问题，基于哨兵2卫星多光谱遥感数据，结合MODIS地表温度、植被指数、气溶胶光学厚度数据产品，以及ERA5气象数据产品中的地表风速数据，以非光学活性参数溶解氧（DO）、化学需氧量（COD）和氨氮（NH₃-N）的地面水质监测站的监测数据为参照，采用支持向量回归（SVR）、随机森林（RF）和多层感知机（MLP）3种机器学习方法，通过对比实验选出每种水质参数最优反演模型及其对应的输入特征组合。模型性能测试实验结果表明，利用多源遥感及气象数据反演出的DO、COD以及NH₃-N的决定系数（R²）分别为0.896、0.781、0.529，均方根误差（RMSE）分别为0.263 mg/L、0.383 mg/L、0.061 mg/L。与仅使用哨兵2卫星多光谱遥感数据的反演结果相比，R²分别提高了7.04%、19.05%、18.34%，RMSE分别降低了34.58%、37.42%、14.08%。表明多源遥感及气象数据对提高DO、COD以及NH₃-N水质参数反演准确性有重要意义。最后，模型鲁棒性评估实验表明，当模型训练数据的代表性与全局数据较为接近时，训练的模型具有较好的时空鲁棒性。

利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数（COD_Mn），对于区域水环境管理和丰富水质反演理论具有重要意义。以贵阳市红枫湖与百花湖为研究区，基于Sentinel-2 MSI影像和COD_Mn浓度数据，使用随机森林回归（RFR）、支持向量回归方法（SVR）、高斯过程回归（GPR），构建COD_Mn反演模型，获得2018~2020年不同时期的COD_Mn空间分布。结果表明：①RFR模型估算精度最高，验证集RMSE为0.222 mg·L^-1，MAPE为5.84%，R²为0.841；②红枫湖COD_Mn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征。百花湖除了上游，整体湖区COD_Mn浓度较低且随时间变化不大。研究揭示了RFR模型与Sentinel-2数据在喀斯特高原深水湖库COD_Mn浓度反演具有良好的适用性。

叶绿素a浓度可以评估海水富营养化状况，对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响，忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度，根据夜间灯光亮度和沿海叶绿素a浓度间的关系将东南沿海的城市分为3个类型，并同时结合海表温度、风速、太阳辐射、降水等自然因素，通过广义相加模型（GAM）分析不同季节下3类城市中人为和自然等多重因素对沿海叶绿素a浓度的影响。结果表明：在北海、汕头等类型Ⅰ城市中自然因素主导叶绿素a浓度的变化，春季的主导因素为风速，夏、秋、冬季为海表温度；而人类活动对叶绿素a浓度的影响较小且没有显著的影响关系。珠海、东莞等类型Ⅱ城市的叶绿素a浓度受自然因素主导，春、秋、冬季的主导因素为风速，夏季为海表温度；而人类活动在夏、秋季对沿海叶绿素a浓度有较大的促进作用。深圳、香港等类型Ⅲ城市中人为因素主导叶绿素a浓度的变化，春、夏、秋季人类活动对叶绿素a浓度的影响最大且为负相关，冬季海表温度对叶绿素a浓度的影响最大。

毛竹（Phyllostachys edulis）是我国南方集约经营广泛且十分重要的森林资源之一，叶绿素含量（CCI，chlorophyll content index）是反映植物健康状况和生长情况的重要指标，实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义。本研究以毛竹为对象，基于卫星遥感影像与无人机多光谱数据，通过运用HSV（Hue-Saturation-Value）变换、GS（Gram-Schmidt Pan Sharpening）变换、PCA（Principal Component Analysis）变换3种方式，实现Landsat 8多光谱影像与无人机（UAV，Unmanned Aerial Vehicle）高分辨率单波段影像数据融合；选取8种植被指数，利用K邻近（KNN，k-Nearest Neighbor）回归、随机森林（RF，Random Forest）回归和CatBoost回归3种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型。结果表明：①就融合效果而言，GS为最优模型，其变换均值、标准差、平均梯度联合熵、空间频率均最高，分别为73.407 8、80.672 9、29.699 2、9.765 5、74.876 9；②在基于融合多光谱数据、Landsat 8多光谱数据和无人机数据验证集上，最优算法均为RF算法（R²分别为0.687 6、0.576 1、0.425 4，RMSE分别为2.918 4 μg/cm²、3.559 5 μg/cm²、3.974 5 μg/cm²）。③基于融合数据的叶绿素含量反演效果优于仅使用Landsat 8数据和无人机数据的反演效果。本研究耦合多源遥感数据实现毛竹林叶绿素含量遥感反演，可为动态监测毛竹林健康情况提供科学参考。

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。

无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势，但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题，限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题，研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机，相机包括面向内陆水体叶绿素a反演的670和700 nm波段；利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像，并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型；将反演模型应用于多光谱影像，反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。

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。

利用无人机高光谱遥感数据技术快速、准确地提取典型草原植被类型，对动态监测草原生态安全具有重要的意义。为此，在退化较严重的白音锡勒牧场典型草原区，采集了空间分辨率为1.8 cm、光谱分辨率为4 nm，共有125个波段（450~950 nm）的高光谱影像。选主要退化指示种—冷蒿为识别目标，经微分变换和包络线去除等光谱变换处理，进行光谱特征差异分析发现冷蒿与其他绿色植被和背景土壤在500、550、670 nm处有明显的光谱差异，因此选择以上3个波段作为特征波段，构建了支持向量机（SVM）和随机森林（RF）的退化指示物种识别模型，并进行了精度验证。结果显示：SVM和RF的识别精度分别为96.92%和97.34%，Kappa系数分别为0.95和0.96。从结果可知，随机森林模型的识别精度更高，退化指示种的像元空间分布更接近自然状况，可以为监测典型草原退化指示种提供技术支持。

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。

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”。

水稻叶片氮含量的估测对实现田间施肥高效、水稻高产的目标具有重要意义。提出了一种基于粒子群深度森林的水稻叶片氮素估测方法（Particle Swarm Optimization-Deep Forest， PSO-DF），通过粒子群优化算法筛选深度森林模型（Deep Forest，DF）参数中最优的级联层估计器数量和估计器中的树数，从而提高深度森林模型在水稻氮素数据集上的回归精度。为验证PSO-DF的有效性，研究采用无人机搭载高光谱图像采集器获取宁夏粳稻高光谱图像，并对同期水稻叶片进行取样、测量、分析，并提取与水稻叶片氮含量相关系数最高的3个特征波段，将其作为光谱特征与水稻氮含量数据进行反演，对PSO-DF、原模型DF以及其他6种常见机器学习算法构建的水稻氮含量估测模型进行了对比。结果表明：PSO-DF算法构建的模型效果优于其他模型，其R²和RMSE指标均明显优于其他模型。

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。

相比于传统的人工实地调查的方法，通过无人机倾斜摄影测量技术多角度拍摄提取单木树冠信息，具有高效、准确和低成本等优势。以内蒙古自治区赤峰市喀喇沁旗西南部旺业甸林场的落叶松近成熟林为研究对象，以倾斜摄影测量技术获取的无人机影像为数据源，提出一种结合可见光植被指数和分水岭算法的单木冠幅提取方法。首先通过数字正射影像计算可见光波段超绿超红差分指数；选择合理阈值对图像进行二值化，并利用中值滤波对树冠区域图进行去噪处理，分离出植被与非植被区域；以植被区域为掩膜范围对冠层高度模型进行掩膜；最后，利用分水岭分割算法提取单木树冠进行精度验证。在树冠区域提取过程中，基于超绿超红差分指数结合阈值法成功分离出植被与非植被区域；通过中值滤波有效地去除了因亮度不均、阴影及非植被区域的纹理等信息所造成的斑点和噪声，保证了树冠边缘的完整性及树冠内部的连通性，同时减少了分水岭算法的过分割现象。单木尺度上，树冠参数信息提取的准确率分别为88.72%和79.38%，召回率分别为93.29%和88.60%，F测度分别为90.59%和83.74%；样地尺度上，相对误差分别为15.45%和22.92%。研究结果表明：基于数字正射影像采用可见光植被指数提取植被区域很好地消除了林内裸地等背景因素的影响，同时基于冠层高度模型利用分水岭分割算法能够精确的区分单木信息。基于无人机倾斜摄影测量技术得到的两种数据源结合发挥了各自的优势，能够高效、准确地提取较高郁闭度林分的单木树冠信息。

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。

叶面积指数（Leaf Area Index， LAI）是反映作物生长状态的重要指标，常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型，而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理特征，基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性，利用简单回归模型（Simple Regression， SR）、多元线性回归模型（Multiple Linear Regression， MLR）和随机森林回归模型（Random Forest Regression， RFR）开展遥感特征与冬小麦LAI之间的关系模型构建反演研究，并结合精度指标（决定系数R²，均方根误差RMSE，相对均方根误差rRMSE）判定各反演模型的反演精度，以提出最优的反演模型。研究表明：①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果（R²>0.6）。其中，通用归一化植被指数（Universal Normalized Vegetation Index， UNVI）在各植被指数中表现最好（R²=0.754，RMSE=0.606，rRMSE=12.99%）。除了部分波段的均值特征反演精度与植被指数相当外，大多数纹理特征反演冬小麦LAI的精度欠佳；②通过两两变量组合，得到了冬小麦LAI反演精度最高的双变量多元线性回归模型（R²=0.780，RMSE=0.573，rRMSE=12.29%）；③在有多个输入变量（至少3种特征变量）的情况下，RFR的反演效果优于MLR。相较于纹理特征，纹理指数的反演性能更佳。研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法。

快速准确获取某特种植物种植地块的面积信息对于毒品产量估算和防范毒品犯罪活动等具有重要意义。针对高分辨率遥感影像中现有某特种植物种植地块检测算法无法同时快速获取位置信息与面积信息的问题，提出了一种适用于快速准确提取某特种植物种植地块的改进PSPNet语义分割模型。通过引入通道注意力SE模块解决了某特种植物种植地块分割存在孔洞的问题，加入Dice Loss损失函数改善了正负样本不平衡的问题，引入编码器—解码器结构使提取的某特种植物种植地块轮廓边界更精确。通过使用MobileNetv2骨干网络将模型预测速度提高了90%。改进得到的I-PSPNet模型在某特种植物种植地块提取中MPA和MIoU达到95%和84%，检测效率达到84 fps。通过I-PSPNet与UNet、Deeplabv3+、PSPNet 3个模型的对比实验表明，改进模型的预测精度和速度均优于上述3个模型，其中，MPA提高了24%、7.4%和7.7%，MIoU提高了19%、4.3%和4.9%，预测速度提高了57 fps、56 fps和40 fps。同时，改进后的模型对于RGB波段数据集和GF-2影像也有着良好的适用能力。研究提出的改进模型可用于快速精准获取某特种植物种植地块位置信息和面积信息，可以为禁毒部门快速发现非法种植某特种植物种植地块，客观评估非法种植规模，实施精准打击治理毒品非法犯罪活动提供技术支撑。

稻渔种养在保障粮食安全、减少环境污染、提高土壤肥力、降低CH₄排放方面具有显著的社会、经济和生态效益。准确获取稻鱼田、稻虾田等信息，对服务现代农业数字化管理及提升资源利用效率具有重要意义。以成都平原的典型稻虾田为研究对象，使用2019~2021年Sentinel-1后向散射系数构建时序数据集；分析稻虾田与常规稻田、莲藕田、传统水产养殖等地物后向散射系数的时序特征；通过随机森林分类器提取稻虾田、常规稻田、藕田等信息，结果显示：①稻虾田年内后向散射系数具有典型的时序变化特征，其系数变化范围、曲线波峰明显区别于常规稻田、藕田。②随机森林分类的总体精度、Kappa系数分别为：94.32%和0.91，表明Sentinel-1时序数据可准确识别稻虾种养，能将稻田和藕田等地物进行区分，是多云雾地区稻渔遥感监测的理想数据源。该研究结果可为多云雾地区稻渔种养的遥感识别提供参考。

高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源，开展基于该卫星影像的多种水体指数方法提取效果的对比研究，对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数（NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI_VIs），以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例，在GEE（Google Earth Engine）平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取，进而定量分析了不同指数提取水体的精度。结果表明：总体而言，7种水体指数均可以较好识别地表水，但在不同类型的地表水体提取时的表现存在一定的差异；NDWI指数在瞬时性水体（如水田、洪泛区等）会低估地表水的分布，漏分率较高；而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向，错分率较高；MNDWI_VIs水体指数在复杂水体类型的区域提取精度保持最高；在长时序水体变化监测方面，7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要的科学依据。

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。

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。

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。

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%。