秸秆焚烧是生物质燃烧的重要组成部分，不仅导致秸秆资源浪费，而且还会对环境造成严重危害。传统秸秆焚烧监测方法以人工巡查为主，监测范围受限且人力物力资源耗费大。遥感技术作为新兴的地表信息监测手段，给秸秆焚烧大范围监测带来了发展契机。介绍了遥感技术在秸秆焚烧火点监测、过火面积估算和焚烧迹地监测3个方面的基本原理、监测方法和研究进展，并分析了遥感技术在秸秆焚烧监测应用中存在的不足。在此基础上，从多源数据融合互补、监测方法优化集成、监测信息深入挖掘和时空信息决策服务等4个方面对秸秆焚烧遥感监测的未来发展进行了展望。
目标检测是遥感图像信息提取领域中的研究热点之一，具有广泛的应用前景。近些年来，深度学习在计算机视觉领域的发展为海量遥感图像信息提取提供了强大的技术支撑，使得遥感图像目标检测的精确度和效率均得到了很大提升。然而，由于遥感图像目标具有多尺度、多种旋转角度、场景复杂等特点，在高质量标记样本有限的情况下，深度学习在遥感图像目标检测应用中仍面临巨大挑战。从尺度不变性、旋转不变性、复杂背景干扰、样本量少和多波段数据检测5个角度出发，总结了近几年基于深度学习的遥感图像目标检测方法。此外，对典型遥感图像目标的检测难点和方法进行分析和总结，并对公开的遥感图像目标检测数据集进行概述。最后阐述了遥感图像目标检测研究的未来趋势。
遥感卫星可快速、动态地获取地震灾区大范围的高分辨率影像，已成为快速获取震后灾情信息的主要技术手段之一。基于震后灾情调查中广泛使用的光学遥感数据和变化检测算法，首先对遥感数据及其产品进行了归纳总结，在此基础上综述了基于高分辨率遥感影像的变化检测算法在震害提取中的应用，阐述了基于像元和面向对象两类变化检测方法的基本原理和优缺点，讨论和总结了应用中存在的问题和不足，以期为未来地震应急中的灾情调查工作提供参考。
快速准确获取省域碳排放数据是实时制定差异化碳减排政策的前提。基于DMSP/OLS和NPP-VIIRS夜间灯光数据，采用统计数据比较法提取1997~2017年中国大陆各省域（不包括西藏）建成区的夜间灯光总值（用TDN表示），并利用1997~2014年各省域的TDN值与同期核算的碳排放量建立各省域碳排放预测模型。然后，以2015~2017年的TDN值为自变量估算中国各省域的碳排放量；同时，利用熵值法和碳排放分配模型将四大国际权威数据库（IEA、EIA、EDGAR和CEADs）发布的中国碳排放量分配至各省；最后，将估算结果与四大典型碳数据库分配的省域碳排放值进行比较。研究表明：估算的省域碳排放量与分配的省域碳排放量大体一致，平均绝对百分比误差（MAPE）为6.45%~9.12%，并且基于夜间灯光数据估算的省域碳排放量与IEA和EIA数据库分配的碳排放量更为接近；各省域估算的碳排放量与分配的碳排放量均落在1∶1线附近；单个省域的MAPE值变化在0.68%~14.85%，且多数省域的MAPE值均在10.0%以内。上述结果证明，基于夜间灯光数据通过提取TDN值估算省域碳排放量具有可行性和准确性。
阿姆河三角洲作为典型干旱区，干旱胁迫和次生的盐胁迫决定了本地区生态环境的复杂性和独特性，给遥感地表覆盖制图带来一定的困难。在土地利用/覆盖（LULC）遥感图像分类任务中，数量大、质量高、成本低的样本和速度快、性能稳定的分类器是高效实现高精度分类的关键。在一些偏远地区开展土地利用/地表覆盖遥感图像分类依然面临着标记样本空间上稀疏、时间上不连续甚至是缺失，人工收集成本高等问题。为此，结合最优树集成和样本迁移的思想，构建了一种高效的地表覆盖自动更新的新方法。该方法通过变化检测在历史产品上的同期影像上进行样本标签的标记，并将过去的地表覆盖类型标签转移到同源目标影像上，使用最优树集成（Ensemble of optimum trees， OTE）完成地表覆盖自动分类。根据阿姆河三角洲地区地表覆盖分类试验结果，表明该方法可以提取有效的地表覆盖标签，并能较高精度发实现土地利用/地表覆盖的自动分类更新。
西宁和拉萨城市作为青藏高原人类活动的热点地区，其发展历程对青藏高原社会经济发展具有重要影响。研究基于遥感影像、城市规划图和历史地图等资料重建了西宁和拉萨城市1949基准年、1978基准年、1990年、2000年、2010年和2018年城市扩展及2000年以来城市不透水层和绿地空间组分数据，分析了1949基准年以来西宁和拉萨主城区城市扩展的时空特征，揭示了社会经济因素和政策因素对城市土地利用/覆盖变化的影响。研究结果表明：①新中国成立以来，西宁和拉萨主城区持续扩展，均呈现非线性的增长态势，城市土地面积分别从1949基准年的1.98 km2和1.10 km2增长到2018年的79.26 km2和77.04 km2；西宁主城区城市扩展呈现十字状的扩展态势，拉萨呈现出圈层外延式的扩展模式；②自2000年来，西宁和拉萨城市绿化水平显著提升。2000~2018年，西宁和拉萨城市不透水层面积分别从36.91 km2和21.56 km2增加到55.34 km2和48.21 km2，城市绿地空间面积分别从10.78 km2和8.48 km2增加到19.21 km2和20.35 km2，年均扩展速度分别为0.47 km2/a和0.66 km2/a；主城区城市不透水层比例分别从74.09%和66.21%下降到69.82%和62.58%，城市绿地空间比例从21.64%和26.05%上升到24.24%和26.41%；③西宁和拉萨城市人口增长、经济发展和国家相关政策与主城区城市扩展及其土地利用/覆盖变化密切相关，主城区城市扩展阶段与人口增长、经济发展阶段以及国家相关政策实施时间接近吻合。主城区土地利用/覆盖变化与城市规划相关政策高度相关，尤其是园林绿化建设，显著增加了城市绿地空间面积，城市绿地空间面积比例较2000年显著提升。
近年来，集成学习（Ensemble Learning，EL）分类方法成为土地覆被分类的研究热点，尤其是Boosting集成分类方法具有分类精度高、泛化能力强，在土地覆被分类中得到了显著的应用。但是，Boosting集成分类方法对噪声很敏感，如果训练样本含有噪声时，Boosting算法可能会失效，这是该方法的局限性。为了解决Boosting集成方法在土地覆被分类中存在的问题，有效克服噪声的影响，减少分类结果中的“椒盐”现象和提高分类精度，提出了基于双树复小波分解的Boosting集成学习分类方法。该方法对影像的光谱波段进行一层双树复小波分解，降低图像的噪声，将分解后的各波段作为Boosting集成学习的输入，得到最终的分类结果。实验先后比较了GBDT、XGBoost、LightGBM 3种Boosting集成学习算法在SPOT 6和Sentinel-2A影像上的分类效果。结果表明：①在SPOT 6影像上，3种Boosting集成算法总体分类精度均高于90%；DTCWT-LightGBM分类总体精度最高，达到94.73%，Kappa系数为0.93，比LightGBM总体精度提高了1.1%，Kappa系数提高了0.01；LightGBM分类总体精度比XGBoost分类总体精度提高了1.99%，Kappa系数提高了0.03，比GBDT分类总体精度提高了2.9%，Kappa系数提高了0.04；②在Sentinel-2A影像上，DTCWT-LightGBM分类总体精度最高，达到93.25%，Kappa系数为0.91，比LightGBM分类总体精度提高了1.53%，Kappa系数提高了0.01；LightGBM分类总体精度比XGBoost分类总体精度提高了1.14%，Kappa系数提高了0.02，比GBDT分类总体精度提高了2.53%，Kappa系数提高了0.03；③基于双树复小波分解的Boosting集成学习分类方法，降低了影像的噪音，减少了分类结果中存在的“椒盐”现象，区域一致性更强，提高了分类精度。
以吉林一号视频07B星高分遥感影像为基础，采用卷积神经网络（CNN）对城区土地覆被进行精细分类，设置多组光谱变量集合，并与最大似然法、多层感知机和支持向量机分类方法进行对比，全面评估分析各方法对城区土地覆被信息提取的适用性及波谱特征对分类精度的影响。结果表明：CNN模型的分类精度最高，总体精度高于90%，相比其他方法提高幅度达12%以上，能够显著降低“椒盐”噪音；红边波段对所有方法总体分类精度贡献十分有限，而近红外波段对分类精度的提升较为明显；总体而言，红边和近红外波段对CNN分类精度影响较为微弱。深度学习应用于吉林一号高分遥感数据能获取高精度城区土地覆被分类图，可为城市土地资源配置，城市规划与管理提供重要的支撑。
目前对于超大城市土地覆盖和热环境定量模型研究报道不足，这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系，这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象，以Landsat遥感影像为主要数据源，利用单通道算法反演各城市地表温度，采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT），综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示，城市地表热场的空间结构在很大程度上被下垫面用地类型所左右，不透水面会导致高温热场的聚集，而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异，北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT），模型得到的精度高于基于多元线性回归方法建立的模型。LCT_RF模型的R2值在0.623~0.826之间，比LCT_MLR模型高0.021~0.074；RMSE比LCT_MLR模型低0.07℃~0.35℃。研究超大城市土地覆盖与城市热环境的互动作用机理，能为未来生态城市建设提供宝贵建议。
干旱半干旱区植被变化研究较多，然而很少关注资源型城市社会经济对植被变化影响。基于2000~2020年鄂尔多斯市MOD13Q1数据、降雨和温度等气候数据、原煤产量等11个社会经济指标，结合GIS技术和线性回归法等统计学方法，对植被覆盖时空变化及其影响因素进行了研究。结果表明：①21年间鄂尔多斯的NDVI值介于0.233~0.395，呈波动性增长趋势，增长速率为0.059/10 a；下辖的8个区县的NDVI值也呈波动性增长趋势，但各地区存在差异。②鄂尔多斯植被呈东北高，西南低的分布特征，低植被区面积5.35万km2，占整个鄂尔多斯面积的61.58%，高植被区面积仅0.20万km2；植被改善区面积远远大于植被退化区面积，改善区占整个鄂尔多斯面积的52.19%，植被退化区仅占3.69%。③NDVI值与降雨量表现为极显著性正相关，相关系数为0.794（P<0.01）；NDVI变化与当月累计降雨量的相关系数较大，与1个月前温度的相关系数较大。④NDVI变化与11种社会经济指标均表现为极显著正相关，相关性为0.728~0.796（P<0.01）。鄂尔多斯植被恢复效果较好，降雨量和温度是影响植被生长的主要因素，NDVI变化对降雨量的响应无明显滞后性，对温度的响应存在一个月的滞后期，社会经济发展对植被覆盖的积极作用大于消极影响。
2018年8月印度喀拉拉邦遭受强降雨，引发大量地质灾害，造成巨大的经济损失和人员伤亡。为研究农业化进程中土地利用/覆被变化对地质灾害发育的影响，探求适宜的人地协调发展模式，以该地区受灾最严重的伊都基为研究区，基于已有的灾害点数据，利用Google Earth高分辨率遥感图像目视解译获取研究区灾害发生前8 a（2010年）和灾害发生时（2018年）的土地利用数据，基于Landsat TM/OLI数据提取的归一化植被指数计算研究区植被覆盖度，对比分析该地区地质灾害的发育与土地利用/覆被变化之间的关系。研究结果表明：①伊都基地区灾害点主要集中在中北部地区，分布在种植林、种植灌丛、建筑物、道路等人类活动影响较大的区域，该区域灾害点占总灾害数的80.46%；②伊都基地区灾害点的土地利用变化虽然较小，总体变化率为37%，但土地利用变化主要发生在种植灌丛、种植林等与人类活动密切相关的土地利用类型中；③伊都基地区植被覆盖度下降率为16.70%，在空间分布上，灾害点易发区域与植被覆盖度下降区域有较强的关联性。
夜间雾已成为交通事故频发的重要隐患，夜间雾检测对防治和减少因雾造成的事故和损失，保障人民生命财产安全具有重要的意义。雾与晴空地表夜间亮温差存在明显差异，二者在亮温差影像上有清晰边缘的特征，算法通过Canny边缘检测获取该边缘混合像元，根据边缘混合像元亮温差均值自动获取二者分离检测阈值，进行夜间陆地雾检测。5天H8/AHI夜间雾算法检测结果平均正确率为93.3%、误警率为29.8%，可靠性因子为67.8%，结果表明算法较适合大面积浓雾检测，但对地表存在的特殊天气如霾、雨雪天、雾发展为低云等情况易虚假报警，如未有相关伴随雾的天气现象出现，检测结果正确率为94.6%、误警率为0.05%、可靠性因子为90.1%。算法优点为可自动确定雾与晴空地表的分离检测阈值，与已有夜间雾自动检测算法相比，该算法检测精度有较大提高。2015年11月27日至12月1日17：00~07：00不同时刻夜间雾时序检测定性验证结果证明，算法适合晨昏时刻遥感影像中已处于夜晚区域的雾检测，可检测出90%左右的雾区；对整幅影像均处于夜间的遥感影像，算法检测结果正确率高达90%以上，定性验证结果进一步证明了算法的稳定性和可靠性。
利用紫外地基激光雷达，结合CALIPSO星载激光雷达、MODIS产品对2019年10月28日至29日南京地区一次沙尘污染过程进行观测研究。结果表明沙尘粒子28日开始进入南京，29日达到污染高峰，污染主要集中在2 500 m高度范围内。沙尘气溶胶易出现分层现象，上层粒子直径较小，下层粒子直径较大，随时间推移上层小粒径沙尘不断沉降，在近地面与下层污染混合、累积，导致近地面消光系数持续增高，进而引起局地沙尘污染现象。结合HYSPLIT后向轨迹分析结果，判定此次南京地区沙尘污染为外部输入，沙尘可能来源地为内蒙古、蒙古地区，沙尘粒子随冬季风由北往南输送，在此过程中不断沉降、累积，造成区域性污染天气。
大气细颗粒物PM2.5是影响人类生存环境和身体健康的主要大气环境污染物，研究PM2.5质量浓度季节变化的规律及空间分布特征，对于大气污染物的预防和治理有着重要的意义。利用2018~2020年MODIS卫星L2级AOD产品、MERRA-2气象数据以及地面站点PM2.5实测数据，基于改进的随机森林算法，构建AOD-PM2.5反演模型，对京津冀地区PM2.5质量浓度进行估算，并分析PM2.5质量浓度空间分布特征以及季节变化规律。结果表明：①春夏秋冬4组模型决定系数（R2）均值分别为0.78、0.66、0.83、0.83，模拟精度较高。②2018~2020年京津冀地区春夏秋冬四季PM2.5浓度呈显著的空间分布特征及季节变化规律。其中PM2.5污染最大值出现在冬季，最小值出现在夏季。③历年同季节相比，京津冀地区PM2.5污染范围和浓度数值均有所减小，2020春季和秋季PM2.5污染范围与2018年、2019年相比改善较明显。
甲烷（CH4）是大气中具有化学活性和辐射活性的气体。随着人类文明的发展，CH4的总量一直在增加。工业革命前全球CH4浓度为700 ppbv，到20世纪90年代它的浓度达到1714 ppbv。研究阐述了CH4地基探测、空基探测、星基探测及反演算法的发展现状。自1979~1983年Nimbus-7卫星上的SAMS探测仪首次实现对平流层CH4浓度探测以来，国际上已有许多可探测CH4的卫星探测仪。随着卫星探测技术的发展及反演算法的改进，卫星传感器反演的CH4精度逐渐提高。其中天底模式下TROPOMI传感器反演的CH4浓度与地面站点数据的偏差为14 ppbv（0.8%）；临边/掩星模式下ACE-FTS反演的对流层至平流层下部CH4廓线精度在10%以内。而后，基于AIRS L3产品分析了300 hPa、150 hPa全球CH4浓度变化趋势和分布特征， 2010~2020年全球CH4浓度增长了约50 ppbv，年均增长率约为0.29%；全球CH4浓度北高南低，高值区分布在大西洋中部、非洲北部、中东地区和中国西部。
偏振遥感技术监测细模态气溶胶光学物理特性的优势，是监测大区域大气污染的有效手段。基于高分五号（GF-5）携带的多角度偏振成像仪（DPC）的多角度偏振观测数据开展全球陆地上空的细模态气溶胶光学厚度（AODf）反演研究。主要通过地表二向偏振反射（BPDF）模型估算出地表偏振反射率，结合评价函数得出了最优气溶胶模型以及AODf反演结果，将反演结果与AERONET地基观测数据进行了对比验证。结果显示： 地基数据与反演结果相关性系数达到0.903，平均绝对误差，平均相对误差、均方根误差分别为0.026、0.43%、0.060，反演结果总体可靠，反演方法具备可行性。
时序InSAR技术为城市地面沉降监测和防治提供了有效方法，然而PS-InSAR和SBAS-InSAR技术自身的缺陷限制了InSAR技术的监测精度，特别是复杂地形产生的低相干性引起的PS点稀疏问题。在PS和SBAS算法基础上，通过引入Stacking技术联合PS-InSAR进行相干目标点选取，提出融合PS、SBAS、DS-InSAR的技术，并对比提出的方法与常规PS+SBAS-InSAR的监测结果。研究结果表明：提出的方法与PS+SBAS-InSAR反演的昆明沉降速率结果存在较好的一致性，其中本实验提出的方法能增强观测区域点目标空间分布的密度，进而得到更多有效的地表形变信息。从整个研究区来看，昆明市城区地表整体存在-22~8 mm/a的沉降速率，严重沉降区集中在官渡区、西山区和五华区，并已经形成多个沉降漏斗。自1989年以来，小板桥和河尾村依然是最严重的两个沉降漏斗中心，而东北方向的蒋家营则是本次研究中发现的新沉降点。结合历史资料的验证分析表明：昆明地面沉降主要受地下水抽汲、建筑荷载与工程施工以及断陷盆地的构造运动的影响。
MODIS日尺度的地表温度受到天气影响，有效像元信息严重缺失， 这对数据稀缺区域尤为重要。以古尔班通古特沙漠为研究区，探索了采用AMSR-2 的垂直极化亮度温度与植被指数对地表温度空间降尺度的方法，并用此方法填补了2018年MODIS的缺失像元。①通过十折交叉验证，对4种机器学习算法（Cubist、DBN、SVM、RF）、10个波段组合、2个空间尺度（5 km、10 km）下的训练模型进行了分析，表明RF算法精度明显高于其他3种算法，C09波段组合的验证精度高于其他波段组合。②构建了2个鲁棒性的随机森林算法地表温度降尺度模型（5 km|RF|09、10 km|RF|09），将AMSR-2亮度温度降尺度到１km分辨率，表明5 km|RF|09模型反演结果更为合理，MODIS与站点验证的R2分别为0.971、0.930，RMSE分别为3.38 K、4.71 K，MAE分别为2.51 K、3.84 K。③降尺度结果填补MODIS地表温度缺失像元，将其应用到古尔班通古特沙漠长时间序列的陆表温度分析，可为数据稀缺区域数据获取提供科学参考。
WRF是近地面风场模拟的重要工具，其中土地利用与土地覆盖信息是WRF的重要输入，是影响WRF模拟精度的重要因素之一。WRF模式默认采用的是USGS或MODIS土地利用与土地覆盖数据，二者时效性差，空间分辨率低，在城镇化快速发展地区常导致近地面风场模拟精度差的问题。土地利用与土地覆盖信息的提取涉及很多地物类型，如果对所有地类进行更新，耗时耗力，无法满足实际应用的需求。在所有地类中，城市建成区的变化最快，对区域气候环境的影响也是最大的，因此，提出综合利用SAR数据和夜晚灯光（NL）数据提取建成区实现土地利用与土地覆盖数据的快速更新，然后利用更新后的WRF进行风场模拟，在京津冀地区的实验表明该方法可以快速准确提取建成区边界，进而使得WRF模拟近地面风速的精度明显提高。
叶面积指数（Leaf Area Index，LAI）是表征地表特征变化的重要指标之一，也是陆表、水文等模型的重要参数。本数据集是基于增强型时空自适应反射率融合模型（ESTARFM），将全球陆地表层卫星（GLASS）LAI（8d/500m）、中分辨率成像光谱仪（MODIS）MOD13A1和MYD13A1、陆地卫星Landsat-7 ETM+和Landsat-8 OLI数据，进行融合，得到8 d/30 m分辨率的LAI，通过分段线性内插最终得到巴音河流域高时空分辨率LAI（1 d/30 m）。对比高时空分辨率LAI（1 d/30 m）与GLASS LAI产品的时空特征，验证数据集精度。结果表明：与原始GLASS LAI相比，本数据集在空间上具有与GLASS LAI一致的分布特征，且轮廓与纹理更为清晰。在时间上，二者具有相同的月际变化特征，且由1 d/30 m LAI估算的区域月平均LAI和区域8日平均LAI与原始GLASS LAI存在显著正相关性，R2分别为0.95、0.94，Pearson积矩相关系数均为0.97，P值均小于0.01。此数据集可为陆表过程、水文循环等模拟提供重要的数据支持，为监测植被-陆表-大气循环的变化提供重要依据。
青藏高原格点降水数据是该地区气象、水文、生态等多方面研究的重要支撑。然而，因青藏高原地形和观测条件的影响，常规的格点降水资料处理方法通常难以表征格网内降水的真实统计参数，也并未将风速影响的器测误差考虑在内。针对此问题，对降水数据进行降水观测损失订正和降水频率分布优化形成新的数据集。由于考虑了风引起的观测损失且使用了不易受到台站密度影响的插值方案，该数据的均值比国际同类数据平均偏大20%，方差偏大2倍。更大的方差，意味着该数据可以更大程度地减少低密度观测网给格点数据带来的平滑效应，对于研究气候的变化特征更有优势。该数据覆盖时间范围从1980年1月1日至2009年12月31日，时间分辨率为1 d，水平空间分辨率10 km。数据适合作为数值模式降水和卫星遥感降水频率纠正的参考数据源，也可作为各类陆面水文模型的输入参数。
为充分融合高光谱遥感图像空间域和频率域的特征信息，提出了一种综合多尺度Gabor和LPQ特征的空谱融合遥感地物识别模型（Ms_GLPQ）。首先，在空间域上利用Gabor滤波器组，提取出遥感图像各类地物多尺度、多方向的空间邻域特征信息，以描述图像的边缘和纹理等空间结构信息；其次，在频率域上将局部相位量化（Local Phase Quantization，LPQ）算子应用于高光谱遥感图像，提取出高光谱图像的多尺度频域纹理特征，获得图像的相位不变特征描述；然后针对其中特征冗余的问题采用主成分分析（PCA）算法进行降维，再将空间域、频率域的特征进行特征融合，获得了能充分描述图像信息的特征向量；最后采用基于提升树的机器学习分类器（XGBoost、CatBoost等）进行识别。在Indian Pines、Salinas和茶树等高光谱遥感数据集上进行学习与分类测试，准确率分别为85.88%、94.42%和92.61%。实验结果表明：与传统方法相比，Ms_GLPQ模型能够提取小比例样本图像中的有效特征，取得了区分性更强的多特征区域描述子，且在采用提升树模型进行分类时效果更优，得到了比常用分类器更高的识别精度。
对HY-2B卫星雷达高度计香港近岸波形进行了统计分析，将近岸非海洋波形分为似海洋波形、似陆地波形、单锥波形。在此基础上，提出基于神经网络分类的星载雷达高度计近岸回波处理方法，提取7项波形特征作为回波分类的输入，构建误差逆传播神经网络（Back propagation，BP），不同的波形类别对应不同的重跟踪方法。其中针对似海洋波形，提出异常波峰剔除的重跟踪方法，有效提高了似海洋波形的重跟踪成功率。使用Jason-2卫星雷达高度计近岸数据进行实验，结果表明重跟踪成功率和数据有效性均得到提高；利用HY-2B卫星雷达高度计直湾岛海域数据进行实验，并将验潮站数据作为参照标准，重跟踪得到的海面高与验潮站的海面高进行差值比较，该方法得到差分序列的标准差为6.5 cm，优于传统处理方法的14.5 cm。
针对非对称指纹计算复杂性高以及带宽效率低的问题，提出了一种基于同态公钥加密的遥感影像非对称指纹方案。在该方案中，内容提供商通过DCT扩频置乱方法加密遥感影像，运用Bresson同态公钥加密来实现解密密钥的非对称分发，通过客户端解密含指纹的遥感影像拷贝，使不同的解密密钥能够生成不同的含指纹拷贝。方案中公钥加密算法并未直接加密遥感影像，由此降低了计算复杂性并提高了加密效率；同时因为内容提供商只需为多个消费者生成相同的指纹拷贝，通过多播传输将其分发给不同的消费者，因此降低了带宽需求。实验表明：在用户数量较大的情况下，该方案可以有效提高带宽效率及加密效率，能够显著降低数据服务器的计算负载，减少用户等待时间。
甘公网安备 62010202000685号
