日光诱导叶绿素荧光作为光能在叶片上光合作用的伴生产物，包含丰富的光合信息，被认为是可以表征植物光合作用的快速、无损“指示器”。叶绿素荧光在研究植物胁迫、病虫害监测、估算植被总初级生产力（Gross Primary Production， GPP）等方面发挥着独特的作用。陆地植被GPP是研究全球气候、碳循环变化、全球生态系统等的重要内容。准确、及时地掌握GPP的时空分布特征，有利于深入理解生物圈与大气圈之间的相互作用，可为开展减缓全球气候变化的生态过程管理提出相应建议和对策。相比于植被指数，叶绿素荧光对植被光合作用的敏感程度更高，已被证实可以更直接有效地监测GPP，显著优于传统的GPP估算方法。深入探讨了叶绿素荧光在遥感估算GPP领域的基本原理、方法、不确定性以及最新进展，并对其面临的挑战和未来趋势进行了分析。
利用卫星遥感生产叶面积指数（Leaf area index： LAI）产品并进行真实性检验是植被定量遥感的一项重要研究内容。过去10 a，我国研究人员利用MODIS或AVHRR观测数据生产了GLOBALBNU， GLASS， GLOBMAP，MuSyQ和FSGOM等数套全球和全国LAI产品，受到了国内外的广泛关注和应用。在产品生产的同时，我国学者也广泛开展了LAI产品在全球和区域尺度的真实性检验研究工作。本文总结了我国LAI卫星产品生产和验证研究工作的现状和趋势。近年来，我国在本领域相关的理论、技术和方法研究方面取得了全面进展，LAI产品精度和连续性已与国外先进水平相当，但仍然存在数据源单一且依赖国外、算法不确定性不清、生产不连续以及缺乏充分验证等问题，客观上影响了LAI产品应用的广度及深度。未来应充分利用新的卫星数据特别是国产数据，加强遥感机理模型、反演算法以及应用的创新研究，生产具有特色的高质量LAI产品，满足地球系统科学的研究需求。同时，应加强LAI验证基础设施建设，发掘利用更广泛的验证站点，同时增进国际合作，加强产品的推广使用，在与用户的互动交流反馈中进一步提高产品的市场。随着我国对相关研究投入的增加，可以预期未来20 a将是我国LAI遥感产品及验证研究由“跟跑”国际先进水平向“并跑”乃至“领跑”过渡的机遇期。
波形激光雷达（Light Detection And Ranging， LiDAR）已经大量用于森林叶面积指数（Leaf Area Index， LAI）估算，但是波形LiDAR数据估算森林LAI易受地形影响。地形坡度引起的波形展宽使得地面回波和植被冠层回波信息混合在一起，难以得到准确的地面回波和冠层回波，进而影响到LAI估算精度。为了估算不同地形坡度条件下的LAI，本文采用一种坡度自适应的方法处理机载LVIS和星载GLAS波形数据。通过坡度自适应的方法得到地面波峰位置，基于高度阈值来区分地面回波和冠层回波，进而得到能量比值用于LAI估算。基于LVIS和GLAS数据，估算了不同森林站点的LAI，并利用实测LAI数据进行检验。结果表明：利用波形LiDAR数据可以估算森林LAI，坡度自适应方法可以改善地形的影响，提高LAI估算精度。对于机载LVIS，估算新英格兰森林LAI精度为R2=0.77和RMSE=0.21；对于星载GLAS，估算塞罕坝森林LAI精度为R2=0.81和RMSE=0.28。无论机载还是星载数据，该方法都有着较高的精度，对于复杂地形估算LAI具有一定潜力。
陆地生态系统总初级生产力（GPP）反映了植物吸收固定大气中CO2的能力，是碳循环过程中的重要环节。光能利用率（LUE）模型被广泛应用于GPP模拟。叶面积指数（LAI）数据是LUE模型的重要输入数据，不同的LAI数据差异较大，从而导致GPP模拟存在很大差异。利用3种常用的卫星遥感LAI数据（MCD15、GLASS和GlobMap）和气象数据模拟中国2003~2017年的GPP，比较了3种LAI数据在中国区域的时空差异，分析不同LAI数据模拟的中国GPP的时空差异。研究结果表明：3种LAI数据在中国区域的年平均值和LAI变化趋势的空间分布格局存在明显差异，森林区域的差异较大；2003~2017年间，中国区域3种LAI年平均值均呈显著增加趋势（p<0.01），但不同LAI数据年平均值的年际变化差异明显；站点尺度GLASS LAI模拟的GPP与观测值相关性较好；不同LAI数据模拟的中国GPP总量多年平均值差异明显，最大值为7.46 Pg C a-1 （GLASS），最小值为6.39 Pg C a-1 （GlobMap）；3种LAI数据模拟的中国GPP总量在2003~2017年呈显著增加趋势（p<0.05），但不同的LAI数据模拟的中国GPP年总量的年际变化差异明显；不同LAI数据模拟的年均GPP和GPP变化趋势的空间分布格局存在明显差异，森林和农田区域的差异较大。研究结果有助于评估由于LAI数据造成的区域GPP模拟结果的不确定性。
基于四套遥感叶面积指数（leaf area index， LAI）长时间序列数据集（MODIS LAI， GLOBMAP LAI， GLASS LAI和GIMMS LAI3g），从各数据集版本更新的角度评估了中国近30 a LAI变化趋势的不确定性，对比了新旧版本的LAI变化趋势在均值、空间分布和不同植被类型上的差异。结果表明：各遥感LAI数据集新旧版在全国植被LAI过去30 a的总体趋势上差异不显著，但GLASS LAI显著高于GIMMS LAI3g和GLOBMAP LAI。各数据集版本更新所导致的不确定性集中体现在2000年以后，新版本中国LAI平均趋势（12.1±2.1×10-3m2/（m2·year））高于旧版本趋势（7.9±2.0×10-3m2/（m2·year））；新版本LAI增加的趋势在东南沿海、东北、云贵高原和黄土高原地区更高；LAI趋势和净增长的差异集中在农田，草地，灌木和常绿针叶林。定量分析了4套被广泛使用的遥感LAI时间序列数据集不同版本之间的差异，为后续中国地区的相关研究在数据选择上提供了参考。
为了厘清中国近30 a来植被生长趋势及其对不同环境变化的响应，使用了3套长时间序列遥感叶面积指数（Leaf area index， LAI）数据集以及8套生态系统模型，对LAI变化趋势从总量、空间分布以及不同植被类型进行了分析与归因。总量上，1982~2015年遥感观测的LAI趋势（9.8×10-3m2/m2·a）高于生态系统模型模拟的趋势（4.2×10-3m2/m2·a），大气二氧化碳浓度上升是主要驱动因素（（3.5×10-3m2/m2·a）；遥感观测到全国79.5%的区域LAI都呈现显著增长的趋势，而生态系统模型模拟LAI的增长面积占比为33.1%；除草地外，生态系统模型低估了其他植被类型的LAI变化趋势。模型对降雨变化的响应过于敏感以及对人为活动模拟能力不足是模型模拟中国LAI变化趋势不确定性的重要来源。本研究定量分析了近30 a中国各种植被变化情况及其驱动因子，并对模型低估中国植被生长进行了解释，为后续中国地区植被相关研究提供了参考。
定量获取地表植被高精度时序及空间覆盖的叶面积指数（Leaf Area Index， LAI）是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer（MODIS）植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据，发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal（RTLSR）核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH）模型进行植被冠层辐射特征的提取，使用Anisotropic Index （ANIX）异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function（BRDF）的辅助特征信息，发展了基于数据机理（Data-Based Mechanistic， DBM）的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知：①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法，可实现模型参数的时序动态更新，改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息，可降低因观测数据几何条件差异所导致的反演结果不确定情况，同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践，可将算法应用于时空尺度的叶面积指数估算，并能够为生态、农业应用提供植被的高精度遥感监测指标。
卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能，但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型，选取地面观测数据较多的4个研究区，包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区，针对4个研究区，分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型，利用地面实测数据对模型进行验证。结果表明：在研究所选的3个主要研究区，基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高，农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863，BP神经网络模型的估算结果决定系数分别为：0.763、0.710和0.742，NDVI经验模型的精度最差，其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性，选取独立研究区进行验证，结果显示验证精度较高，R2为0.842，RMSE为0.689 5，说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力，有效防止了BP神经网络模型滑入局部最小值，是提高高空间分辨率LAI估算精度的有效手段。
地形校正是提高复杂地形区地表参数遥感定量化反演精度的重要手段。当前广泛应用的遥感叶面积指数产品（Leaf Area Index， LAI）多具有一定的地形误差，减少地形影响、提升其产品精度有着非常重要的意义。以我国江西省千烟洲地区为研究区域，利用地面实测LAI数据、LandsatTM数据和高程数据等，基于高程标准差和GLOBMAP LAI产品值的关系，建立面向叶面积指数产品的地形校正模型，利用这一模型对GLOBMAP LAI产品进行地形校正。结果表明：校正后的LAI与地面实测数据更为接近，LAI产品与地面测量值的RMSE由2.11下降到2.04；校正后LAI产品的标准差由2.08下降至1.69，LAI产品的地形误差得到了较好的改正。该方法较好地完成了LAI产品的地形校正，进一步提高了产品精度，具有一定的实用价值。
影响城市用地分布的因素目前尚无定论，在多种空间尺度上比较分析城市用地分布空间决定因素对于应对城市蔓延问题有一定现实意义。分析南京市2004~2016年城市用地扩张特征，继而在100 m×100 m、200 m×200 m、300 m×300 m、400 m×400 m、500 m×500 m 5个尺度上，比较分析城市用地分布潜在的空间决定因素。研究结果表明：2004~2016年间，南京市城市扩张速度和强度以2013年为界，呈先强势增长后缓慢扩张的态势；在选择的23个空间决定因素中，13个因素在多数尺度上通过了模型检验。其中，道路密度、GDP密度、公司工厂、生活服务设施对南京市城市用地分布的影响较大；其他决定因素对城市用地分布的影响程度表现出一定的尺度效应，在500 m×500 m较大尺度上，超市商场、汽车站、医疗则对城市用地分布的影响更大；而在100 m×100 m更精细尺度上，银行、学校、汽车站、超市商场对城市用地的分布有较大影响。研究结果可为城市规划及用地调控提供决策支持建议。
利用福建福州、西藏尼玛和澳大利亚弗伦奇3地代表不同水体类型的Sentinel-2A MSI和Landsat-8 OLI数据，采用客观阈值法（0阈值）和随机森林重要性评估法，比较和分析了改进型归一化差值水体指数（Modified Normalized Difference Water Index， MNDWI）、自动水体提取指数（Automated Water Extraction Index， AWEI）和水体指数2015 （Water Index 2015， WI2015） 这3种世界常用的水体指数之间的差异。从水体增强的效果来看，MNDWI增强的水体不仅具有丰富的信息还具有鲜明的对比度，AWEI和WI2015增强的水体信息的对比度相对偏弱。精度验证表明：3种指数提取的水体精度都较高，但MNDWI在3个地区的平均总精度略高于WI2015和AWEI，3者的平均总精度分别为91.83 %、91.16 %和90.07 %。在提取细小水体方面，MNDWI的能力强于其他2种指数，在阴影较为明显的高原山地区域，MNDWI提取水体的效果优于AWEI和WI2015。进一步采用随机森林的Gini指标进行的重要性评估表明，MNDWI在区分水体和非水体的分类中表现出了很强的重要性，尤其在Sentinel-2A MSI数据中表现得更为突出，而WI2015和AWEI的重要性则相对较弱。
火灾是一种全球性的自然灾害，及时准确地识别火点信息对防灾减灾及开展气候变化研究具有重要意义。基于我国新一代极轨卫星FY-3D MERSI影像数据，提出了改进的潜在火点识别算法，结合动态阈值法和上下文检测方法进行火点识别实验，并采用FY-3C VIRR数据、MOD14A1火点产品和Landsat8 OLI数据对火点识别结果进行验证分析。实验结果表明：改进后的算法能够快速有效地提取出火点信息，且对小型火点有较好的提取效果，为实现有效的灾情监测提供了方法手段。
利用遥感技术开展湖泊湿地生态水文结构分析对维持其生态服务功能具有重要意义，但受大气状况的影响会造成特定水位下可用高分辨率遥感影像的缺失，而遥感时空融合技术为弥补这一缺陷提供了重要途径。以安徽省升金湖湿地为研究区，根据改进后的时空自适应反射率融合模型（ESTARFM）模拟生成高时空分辨率遥感影像，评价模拟遥感影像的数值精度，进而分析了升金湖湿地的生态水文结构。结果表明： ① ESTARFM模型能够有效模拟不同水位下湖泊湿地的高分辨率遥感影像，融合影像与真实影像在近红外波段、短波红外波段反射率的相关系数分别达到0.93和0.91，且输入数据与融合数据的日期间隔越短，模拟精度越高；② 基于不同水体指数的水体提取效果表明，新型组合水体指数（NCWI）更适用于湖泊湿地的水体信息提取；③ 对升金湖湿地生态水文结构分析可知，湿地中心区、适宜活动区和非适宜区分别约占该湿地总面积的32.8%、12.1%和55.1%。
针对目前常用的遥感影像分类方法在复杂下垫面识别中出现的分类精度不高、“椒盐”现象明显等问题，以北京生态涵养区为例，基于Rapid Eye数据开展不同土地利用分类方法研究，并提出优化的分类方法。构建的土地利用分类体系涵盖耕地、水体、建筑区、乔木林、灌木林、矿石堆以及砂石坑。采用面向对象分析技术将研究区分割为3.71万个图斑，分别利用决策树分类法和最邻近分类法提取土地利用类型，结果显示：决策树分类法的总体精度为75%，Kappa系数为0.69，其对水体、耕地、建筑区等光谱特性差异明显的区域具有较高解译精度；最邻近分类法对光谱特征差异不明显的灌木、乔木区域具有较好的分类效果，总体精度为71%，Kappa系数为0.71。基于上述两种方法提出耦合分类法，经检验该方法总体精度可达90%，Kappa系数达0.9，在生态涵养区土地利用分类中具有较好的适用性。利用耦合分类法对2010~2018年土地利用变化情况进行分析，发生较大变化的耕地、建筑区、矿石堆及砂石坑区域均逐渐向林地演变。结果表明：自北京生态涵养区建立以来林地资源保护已初显成效，生态破坏带正逐渐被修复。生态涵养区的建立强化了生态保护和绿色发展向导，对促进京津冀协同可持续发展具有重要意义。
针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题，提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法。以广西南宁市隆安县与武鸣县地区为研究区，采用Sentinel-2A影像，结合数字高程数据（Digital Elevation Model，DEM）及归一化植被指数（Normalized Difference Vegetation Index，NDVI）等多源数据，利用面向对象分割技术识别地块信息，然后以地块为单位采用CART（Classification And Regression Tree，CART）决策树分类法，依据不同地类的形状、光谱特征，提取研究区的耕地。结果表明：面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1%和0.94，相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54，面向对象的分割方法有利于减少复杂背景对耕地提取的影响。基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性，能够提高耕地信息的提取精度。
郁闭度是反映森林数量和质量的重要参数，是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础，基于二维冠层高度模型（Canopy Height Model，CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价，结果表明：基于二维CHM估测郁闭度与实测值之间的R2=0.388，RMSE=0.17；而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度，估测结果与实测值之间的R2=0.467，RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度，估测结果与实测值之间的R2=0.478，RMSE=0.12；基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法，基于三维点云估测林分郁闭度方法中，第二种方法的精度优于第一种方法。
甘肃北山地区地质构造复杂，岩浆活动强烈，该区工作程度较低，已有1：20万、1：5万地质图对区内岩性（如中酸性侵入岩）圈定较为笼统，且界线不够准确。以甘肃北山白峡尼山地区为研究区，利用彩色空间变换（IHS）、Brovey等方法对ETM多光谱图像与资源三号（ZY3）全色波段高分辨率图像进行空间分辨率融合，获得兼具ETM光谱分辨率与资源三号空间分辨率之长的高分辨率图像。再对原始影像进行比值、主成分分析及假彩色合成等增强处理，突出其岩性差异，将各种方法处理的影像与数字高程模型（DEM）数据结合构建三维影像，进行综合解译。对解译结果进行野外验证、样品薄片鉴定及反射光谱特征分析，据此对结果进行修正，获得了研究区遥感解译地质图。结果表明：对于西部基岩露头较好地区，利用多源遥感数据融合可更新现有地质图，为后续填图、找矿工作提供参考。
烟草是一种特殊农作物，烟草的提取对其信息统计起着重要作用。针对烟草单株提取难的问题，提出了一种结合多特征和超像素的无人机影像烟草精细提取方法。首先利用简单线性迭代聚类 （Simple Linear Iterative Clustering， SLIC）算法对影像进行超像素分割；然后统计超像素的平均值、亮度、长宽比、形状指数、红绿蓝波段值和自定义植被指数；接着通过对超像素特征组合和特征阈值选取来实现烟草的精细提取；最后对提取信息进行统计和分析。实验结果表明：该方法能有效地提取烟草株树，准确度分别为99%和98.6%。利用该方法，在计算烟草产量方面供了有效参考，节省了大部分的人力财力。
高时空分辨率遥感影像对精细尺度土地利用和土地覆盖变化研究具有重要意义，然而云噪声的存在给影像的解译和分析带来了一定的挑战，因此云噪声检测作为一项基础性工作在影像解译与分析过程中扮演了非常重要的作用。QA60产品被广泛推荐为Sentinel-2卫星影像的常规云检测产品，然而，我们最近的研究发现基于QA60产品的云检测通常会出现明显的云噪声漏检测现象。为探索提高Sentinel-2卫星影像云噪声检测效果的方法，基于Google Earth Engine（GEE）平台，结合Sentinel-2卫星影像2A级（L2A）数据的2个云相关波段（B1和B9）以及4个产品（QA60、AOT、MSK_CLDPRB和SCL产品），设计相应分割算法，并以典型区为案例，从影像波段特性、云微物理学等角度分析了相关波段/产品云检测结果的空间分布格局及差异，并借助定量化指标对云检测效果进行评价。结果表明：①在云检测算法方面，B1和B9波段采用的动态阈值分割算法稳健性较好，检测结果能在一定程度上拟合其波段特性，并合理地表征相应波段的云噪声；②从云检测空间分布看，AOT产品效果较差，B9波段和QA60产品云检测可靠性较低，B1、SCL、MSK_CLDPRB 3个波段/产品的云检测潜力较强；③从评价结果看，B1波段的云检测效果最佳，对云噪声的敏感度高于其他云相关波段/产品，查准率、查全率、准确率和F1分数均大于0.90，稳健性最好。本文验证了气溶胶（B1）波段对云检测的精确性、稳健性和敏感程度，有望为进一步优化常规云检测算法提供新参考。
城市不透水地表作为城市建成区的重要环境指标和物理参数，在城市管理规划、环境评估、灾害预测、城市热岛以及气候变化等领域具有重要价值。及时准确地获取区域尺度城市不透水地表信息，对于城市发展综合规划、科学研究等具有重要意义。以DMSP（Defense Meteorological Satellite Program）和MODIS（Moderate Resolution Imaging Spectroradiometer）为主要数据，通过构建植被调节型不透水指数（Vegetation-Adjusted Impervious Surface Index， VAISI）和非线性机器学习模型支持向量回归（Support Vector Regression， SVR），完成了1992~2013年我国干旱区主要城市不透水面的22期遥感制图与变化过程聚类分析。研究结果表明：近20 a来我国干旱区城市不透水面总体上扩张幅度较大；时间变化过程上呈现显著扩张的趋势，且这一扩张在过程在2000年前后出现了提速；空间上，干旱区城市扩展的区域异质性显著，各城市不透水面扩张速度不均衡，不同等级规模城市扩张的速度差异明显。结合城市扩张动态度和城市面积聚类分析，我国干旱区主要城市的扩张过程可分为：高速扩张型、快速扩张型、中速扩张型和低速扩张型。
针对生态脆弱型人地系统模式研究中存在的数据处理繁杂、模式识别偏主观、内在机理复杂等问题，提出了基于云平台及大数据方法的模式分析框架。通过遥感及社会经济云平台实现数据的云上收集及处理，利用自组织映射神经网络聚类（Self-Organizing Map，SOM）方法实现无先验知识的模式识别；同时利用知觉图从社会经济发展与生态友好性两个角度分析变化轨迹，利用关联规则方法筛选社会经济与生态环境之间的潜在规律。以“一带一路”65国进行实验分析，实验结果将“一带一路”65个国家有效划分为10类模式，并分析了10类模式的变化轨迹及关系规律。结果表明：该分析框架能够快速实现数据获取及处理、人地系统多模式识别、变化轨迹可视化和规律探测等功能，有效弥补了人地系统多模式研究中的不足。
城市热岛不仅影响城市局地及区域气候，而且对城市空气质量、能源消耗、居民健康等有显著的负面作用。利用长时序遥感数据，系统地分析各超大城市热岛的时空特征，能够为城市热岛效应减缓政策的制定提供参考，对带路城市可持续发展具有重要意义。基于2001~2017年MODIS地表温度产品和Landsat土地利用分类数据，以城市热岛强度（Surface Urban Heat Island Intensity， SUHII）作为指标，从季节和年际的角度分析一带一路沿海超大城市2001~2017年热岛效应时空格局的变化。研究结果表明：①2001~2017年期间各超大城市的核心区存在扩张趋势，高强度热岛主要分布在人口活动密集的城市核心区；②年均城市热岛强度最大的城市是卡拉奇，多年SUHII平均值为3.02 ℃，热岛强度显著上升的是金奈（0.07 ℃/a，P<0.1）；③各城市热岛强度存在季节性差异，其中夏季城市热岛强度最大的城市是伊斯坦布尔，SUHII平均值为2.88 ℃，冬季城市热岛强度最大的城市是卡拉奇，SUHII平均值为4.45 ℃。
在快速城镇化背景下，客观掌握城市扩张进程中的城乡建设用地及内部不透水面变化特征，有利于优化大都市城乡用地结构及空间融合发展。基于城乡建设用地及不透水面遥感监测数据集，应用空间分析模型，对哈尔滨2000~2015年城乡建设用地规模、结构及内部不透水面时空演变特征进行分析，探究城市扩张格局、区位差异、建设用地利用强度及城乡之间的差异。结果表明：①2000年以来城乡建设用地快速扩张了158.32 km2，年变化率和动态度均呈先增大后减小趋势；从城市核心区至远郊区方向其扩张规模依次增大，建设重点不断向城市周边推移，呈现出较明显的空间异质性；②城镇建设用地和独立工矿用地面积及占比逐年增加，扩张来源均以耕地为主；农村居民点占比降低了13.14%，城乡建设用地结构特征发生了较明显变化；③2000~2015年城乡建设用地内部不透水面面积和比例分别增加了145.32 km2和10.04%，城镇建设用地利用强度已达到较高水平，农村居民点用地利用强度快速提高，城市和农村之间的差距不断缩小；自城市核心区至远郊区方向不透水面比例不断降低，可利用潜力越大，不透水面面积增量、比例增量、比例增长率及扩张强度大体呈增加趋势，不透水面与城乡建设用地规模变化趋势相近，可在一定程度上揭示城市扩张轨迹。
探究土地利用变化对城市热通量的影响，对城市用地规划和城市热岛缓解具有重要指导意义。利用混合像元组分排序对比和分层能量切割方法，通过Landsat系列数据反演的地表参数，结合气象再分析资料，估算了2004、2009、2014和2017年4期9月份的北京市地表瞬时热通量，依据同期的北京市土地利用图，分析了北京市热通量随土地利用变化的时空演变。结果表明：①北京市地表温度和热通量分布具有明显的空间异质性，山区和平原、平原不同土地利用类型之间差异明显；②在不同时期，土地利用类型间的地表温度和热通量的高低次序具有一致性，瞬时潜热通量，林地最高，为347.85~546.95 W/m2，其次为耕地、草地，建设用地最小，为225.23~349.03 W/m2，感热通量和地表温度则相反，建筑用地最高，分别为94.06~189.28 W/m2和25.18~32.25 ℃，耕地和草地次之，水体的最低，分别为28.15~102.55 W/m2和19.25~28.38 ℃；③土地利用类型转变引起的城市热通量变化方面，自然表面转为建设用地时，潜热通量急剧减少，感热通量增加，城区周边耕地的潜热通量受城市热辐射影响而增加，城市绿地能有效缓解城市热岛效应。
板栗林在欧亚、北美等地广泛分布，具有良好的生态价值和经济效益。我国板栗产量居世界首位，是重要的经济树种。使用遥感影像建立板栗林空间分布提取方法能够为其科学管理和高效经营提供定量数据，但树种分类是遥感分类的难点，并且针对板栗林的遥感提取研究较少。以河北省宽城满族自治县为研究区，结合MODIS高时间分辨率特征和Landsat数据较高空间分辨率的特征，研究板栗林提取的最佳时相以及分类特征，并采用多时相观测基于支持向量机算法实现板栗林的提取。结果表明：①4月至6月各地类光谱差异最大，是板栗林提取的关键物候期；②蓝、绿、红、近红外和短波红外波段地表反射率是分类的有效波段，NDI、NDVI、NDWI、RSI和RVI等植被指数增强了植被信息，是板栗林提取的有效分类特征；③单一时相板栗林分类中，生长季前期6月精度最高，生长季后期9月次之，非生长季1月分类结果较差；④结合生长季6月、9月和非生长季1月遥感影像的分类精度最佳，板栗林制图和用户精度分别为89.90%和87.25%。与林业局板栗林面积统计数据相比，精度可达93.45%。
甘公网安备 62010202000685号
