针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题，提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区，采用Sentinel?2A和Landsat 7多光谱影像，在野外样本的支持下，分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index，NDVI）季相变化规律，以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系，构建多时相协同变化检测模型，开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel?2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%；基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%；2019年鹿泉区季节性撂荒占耕地面积的4.7%，常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息，对于不同分辨率的影像均具有较好的撂荒地提取精度。
耕地是粮食生产的基本载体，及时准确地获取耕地非农化信息，对于耕地资源管理和政策实施具有重要意义。为探究福州市近30 a耕地非农化变化规律，基于谷歌地球引擎（Google Earth Engine，GEE）和随机森林方法，利用多时相Landsat遥感影像提取了福州市1989、2000、2010和2019年耕地空间分布信息，并在此基础上利用土地转移矩阵、网格单元法和地理探测器等方法，分析了福州市耕地非农化的重要特征及其驱动因子。结果表明：①基于GEE平台的随机森林方法可有效提取南方多云多雨地区的耕地信息，土地利用分类总体精度高于90%，Kappa系数大于0.85；②福州市耕地空间分布不均匀，呈现东多西少，耕地面积随时间推移不断减少，耕地非农化呈现“快—慢—平”的特征。耕地非农化主要发生在高程100 m和坡度10°以下区域，耕地非农化类型主要为园林地和建设用地，其中西部地区主要为园林地，中东部地区为建设用地；③耕地非农化是由自然和社会因素共同驱动的结果，自然因素是耕地非农化的先决条件，城镇化增长率与人口数量增长率是导致耕地非农化主要驱动因素，其中城镇化增长率和第一产业比重增长率是耕地非农化“快—慢—平”的关键因素。
为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取，以WorldView-2遥感影像为数据源，制作尺度分别为128×128、256×256、512×512的样本数据集，对U-net和DeepLab3+语义分割模型的参数进行训练，建立小麦遥感分类模型；通过与极大似然和随机森林方法比较，检验深度学习分类效果。结果显示：①不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上，模型精度稳定，样本尺度大小对小麦分类提取模型影响较小；②深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上，极大似然和随机森林则在92%和0.85以下，表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。
小麦条锈病是导致小麦大规模减产的气传性病害，其传播扩散过程受多种因素影响，常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测，提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区，首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数，然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率，进而建立SEIR-StripeRust模型，最后采用后向传播神经网络（BPNN）、支持向量回归（SVR）和多元线性回归（MLR）模型对比验证SEIR-StripeRust模型的有效性。结果表明：平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关，其建立的SEIR-StripeRust模型预测精度最高，决定系数R2 达到0.79，均方根误差RMSE为0.10，平均绝对误差MAE为0.09，均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIR-StripeRust模型能够有效预测小麦条锈病发病率，并为县域尺度的小麦条锈病预测和精确防控提供技术支持。
干旱是影响花生产量的主要气象因素之一。开展花生干旱灾情遥感评估对于产量估算、防灾减灾和保险理赔具有重要意义。当前花生旱灾遥感评估主要依赖于光谱指数变化信息，容易受不同地区生育进程干扰，限制了光谱指数方法的普适性。研究在多时相Sentinel-2遥感影像和野外实测样本的支持下，分析时序波段反射率日均增量信息与花生干旱受灾程度之间的内在联系，利用决策树、随机森林、逻辑回归等方法对花生干旱等级进行分类，并以总体精度和Kappa系数评价各种方法的精度。结果表明：单一波段的近红外反射率日均增量对花生受灾情况的指示性较强。多光谱波段组合方式对花生旱灾程度的指示性均优于单个波段，其中红波段、蓝波段、近红外光谱波段反射率日均增量组合的指示性最强，整体精度达到89.93%，Kappa系数0.847 1。与逻辑回归和决策树算法相比，随机森林算法对花生旱灾评估精度最高。在旱情等级最优时相组合分析中，利用花生生长旺盛期（7月~8月）的多波段反射率日均增量信息，灾情等级遥感识别的总体精度可达88.62%，Kappa系数为0.827 4。说明基于生长旺盛期时序多波段反射率日均增量的干旱灾情遥感评估方法能有效提取花生受灾范围与灾情严重程度。
快速准确地绘制平原区人工林树种分布对研究人工林的生态水文和社会经济效益具有重要的意义。将资源3号（ZY-3）全色波段分别同ZY-3多光谱、哨兵2号多光谱进行融合，在图像分割基础上提取变量，采用分层优化变量组合的随机森林分类方法对安徽省利辛县人工林树种进行分类，并与分类回归树和随机森林相比较。结果表明：利用分层分类方法，平原区的人工林树种分类精度可以达到92%以上；基于哨兵2号和ZY-3融合的光谱特征变量分类精度比 ZY-3 数据本身的融合提高了2.49% ~ 2.91%；而分别加入纹理变量后，分层分类方法大幅度提高了树种分类精度。因此，基于高分辨率遥感数据的光谱和纹理特征，采用分层分类方法，可以有效提高平原区人工林树种的分类精度。
风灾引起的玉米倒伏可能导致玉米大量减产，利用遥感技术准确监测玉米倒伏面积与空间分布信息对灾情的评估非常重要。利用Planet和Sentinel-2影像分别结合面向对象与基于像元方法提取研究区玉米倒伏，同时评估了不同影像特征（光谱特征、植被指数和纹理特征）与不同分类方法（支持向量机法SVM、随机森林法RF和最大似然法MLC）对玉米倒伏提取精度的影响。结果表明：①使用高空间分辨率的Planet影像进行玉米倒伏提取的精度普遍高于Sentinel-2影像；②从分类精度和面积精度来看，Planet影像的光谱特征+植被指数+均值特征结合面向对象RF分类，总体精度和Kappa系数分别为93.77%和0.87，面积的平均误差最低为4.76%；③采用Planet和Sentinel-2影像结合面向对象分类提取玉米倒伏精度高于基于像元分类。研究不仅分析了面向对象方法的优势，还评估了使用不用影像数据结合面向对象方法的适用性，可以为遥感提取作物倒伏相关研究提供一定的借鉴。
中空间分辨率样本（简称中分样本）的数量、质量是决定中低分辨率复合识别模型效率的关键因素。以冬小麦为研究对象，中低分辨率影像结合构建支撑向量回归模型（Support Vector Regression， SVR）实现冬小麦的混合像元分解，提取出冬小麦的空间分布，定量分析中分样本数量、质量对识别精度的影响。结果表明：从样本数量上看，样本量为10%即可保证稳定的冬小麦精度，在典型冬小麦区的区域精度、像元精度达到98%、92%以上；从样本质量上看，识别精度随样本质量（达到60%即可获得较好的识别结果）增加而升高；对于非中分样本区的冬小麦，区域精度、像元精度也是随样本数量的增加而提高，在20%样本量下，区域精度和像元精度稳定在 97%、92%以上，表明该模型具有较强的空间泛化性能力，弥补了从低分影像上难以获取有效样本的不足。
准确监测灌区灌溉面积及其干旱情况等信息是灌区管理的基础，设立监测站点等传统方式已经不能满足应用与研究的需要，而遥感成为水资源管理的有力技术手段。基于Landsat 8数据，以内蒙古解放闸灌域为研究区，计算了温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）和改进的垂直干旱指数（Modified Perpendicular Drought Index，MPDI）并分析其分布和变化；根据两干旱指数灌溉前后差异，引入阈值法构建灌溉面积提取模型，确定阈值以进行灌溉面积的提取。结果表明：在2017年7月~8月，解放闸灌域得到了较大规模的灌溉；将利用两种干旱指数差异阈值提取的灌溉面积与实际灌溉面积进行对比，TVDI和MPDI监测面积精度分别为82.96 %和74.01 %；同时选取Google Earth高分辨率数据作为真实数据对灌溉地提取结果进行混淆矩阵计算，结果显示MPDI提取总体精度为94.17 %，优于TVDI的58.90 %。两种精度验证结果表明了利用遥感技术计算干旱指数用于灌区旱情监测和灌溉面积提取的可行性，但在受灌溉地区的空间分布上，相比TVDI，引入植被覆盖度的MPDI能更好地反映一个地区的干旱情况，提取到的灌溉地空间分布更为合理。
冬小麦作为我国重要的粮食作物，准确获取其空间分布情况，对农业生产管理及农情监测有重要意义。以河南省商丘市为例，利用覆盖冬小麦完整生育期的GF-1数据，计算归一化植被指数（Normalized Difference Vegetation Index， NDVI）、增强植被指数（Enhanced Vegetation Index， EVI）时间序列，结合关键生育期影像，构建不同特征量组合数据集，利用支持向量机方法进行冬小麦提取。同时采用主成分分析法对数据进行降维处理，尝试通过压缩特征集数据量来提高冬小麦提取效率。研究结果表明：EVI时序数据较NDVI能更好地描述作物的物候，提取精度皆高于NDVI，其中EVI时序数据与关键生育期影像组合提取精度最高，达到97.67%。结果表明，降维后数据并未对提取精度造成显著影响，达到压缩数据量保持提取精度的目的，为大区域作物提取提供参考价值。
基于Google Earth Engine（GEE）云计算平台，协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据，以随机森林（Random Forest， RF），支持向量机（Support Vector Machine， SVM）和最大熵（Maximum Entropy， MaxEnt）3种机器学习算法为组件分类器，开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型，用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示：3个组件分类器的总体精度均低于67.17%；3种并行集成方法总体精度相当，约为72%；两种串行集成方法精度高于78.48%，其中MaxEnt-SVM串行集成方法获得最佳精度（OA：80.66%， Kappa：0.78），与组件分类器相比精度至少提高了13.49%。研究表明：决策融合方法在优势树种分类中比组件分类器精度更高，并且有效改善了小样本树种的分类精度，可用于大范围山区优势树种分类。
高精度的森林林龄可以改善森林生物量、蓄积量、碳储存量等的估算精度。为提高频繁发生干扰区域森林年龄估算精度，以森林干扰强度较大的福建省将乐县为例，通过构建将乐县1987~2019年Landsat时序数据集，利用LandTrendr算法获得森林干扰开始时间节点特征，与林龄建模，实现干扰区林龄估算；接着利用GF-1号影像的波段、植被指数、纹理以及地形因子特征，通过递归特征消除的随机森林算法，与林龄建模，实现非干扰区林龄估算；最后将两部分的林龄合并，得到研究区2019年森林年龄。结果表明：①将乐县森林干扰总面积为346.37 km2，其中，针叶林、阔叶林干扰面积占比75.06%；②利用LandTrendr算法的干扰开始时间节点估算的林龄误差（RMSE=1.91 a）较小，模型精度（R2=0.94）较高；③通过递归特征消除的随机森林算法估算的针叶林、阔叶林林龄的R2和RMSE分别为0.64、0.48和4.71 a、12.71 a。研究表明：结合长时间序列的干扰算法可以有效提高干扰区森林年龄估算精度，为亚热带山区的区域尺度上进行森林林龄估计提供参考。
严守生态红线，保护森林资源，是构建生态文明，推动绿色发展的重要措施。及时掌握林地的变化，尽早发现林地的破坏行为，对森林资源保护和管理具有重要意义。目前对于林地砍伐等破坏行为的监测都是被动与事后的，如何主动地进行防范，对易发生砍伐的区域进行高频次全方位的监管，就需要探究林地砍伐区域的空间分布特征，评估和预测林地砍伐的风险。基于多源遥感变化检测和实地调查获取海南省保亭县公益林连续2 a林地砍伐的图斑，研究林地砍伐与人为活动和地形地貌的关系，进而评估林地砍伐风险，为地方林业部门开展更具针对性的巡查、监测和保护措施提供支持，加强林地监管的有效性，真正将林地砍伐等破坏行为遏制在萌芽阶段，严守生态红线，推动生态文明建设。
结合国产主被动遥感数据高分六号（GF-6） PMS和高分三号（GF-3）双极化PolSAR估测森林蓄积量，并针对多源遥感数据的冗余问题进行特征组合优化。以新疆巩留县天然林地为研究区，提取GF-6 PMS数据的光谱信息、植被指数、纹理以及植被覆盖度信息和GF-3 PolSAR数据的后向散射系数、极化分解参数，结合地形因子，在森林样地调查数据的基础上，利用快速迭代特征选择的 K 最近邻法（K-Nearest Neighbor with Fast Iterative Features Selection，KNN-FIFS）估测研究区的森林蓄积量。对比国产主被动遥感数据和单一遥感数据源时的估测结果，基于最优特征组合反演研究区的森林蓄积量，结果表明：联合GF-3 PolSAR和GF-6 PMS数据估测研究区森林蓄积量的精度为 R2=0.72，RMSE=92.48 m3/hm2，相比于仅使用GF-6 PMS数据估测的精度（R2=0.56，RMSE=118.8 m3/hm2），R2提高了0.16，提高了28.6%，RMSE降低了26.32 m3/hm2，降低22.2%。说明主被动遥感数据协同反演可以提高森林蓄积量估测精度，KNN-FIFS方法可以有效地估测天然林森林蓄积量。
基于无人机提取喀斯特退化天坑地下森林的树高特征，探索乔木树高的生长策略与天坑局部圈闭化生境的关系，研究退化天坑作为物种避难所的价值。通过无人机遥感技术对退化天坑进行三维重建，提取退化天坑内外的树高信息。结果表明：退化天坑地下森林平均树高较地表高出约5 m。地下森林平均树高为10.47 m，地表平均树高为5.43 m，地表南坡平均树高为5.75 m，坑内树高的分布特征受海拔影响显著。在喀斯特天坑微生境的作用下，与坑外地表相比，坑内地下森林在树高方面具有显著的优势，光照是地下森林乔木类植物种内和种间竞争的主要因子，垂直梯度是退化天坑植被树高分布格局的首要特征。无人机遥感技术能够快速地获取退化天坑地下森林的树高信息，具有推广潜力。
日光诱导叶绿素荧光（SIF）作为总初级生产力（GPP）的替代指标，在区域GPP估算上表现出巨大的潜力。植被SIF和GPP具有较好的线性关系，但是不同的气候条件对SIF-GPP关系的影响仍不清晰。利用2007~2018年MODIS GPP和GOME-2 SIF以及环境条件（温度、降水、辐射等）研究中国陆地植被GPP和SIF的时空格局以及环境因子的调控。结果发现中国陆地植被GPP和SIF时空格局是一致的，但是作为表征光能分配的新指标GPP/SIF在空间分布上存在显著的差异。此外，SIF产量（SIFYield）受到约束GPP的环境因子（最小温度、饱和水汽压差、土壤水分和APAR）的共同调控，间接证实了SIF和GPP紧密的联系。因此，由于在时间和空间上SIF与GPP的关系受到环境条件的调控，使用基于卫星的SIF准确估算区域GPP应该考虑环境因子的约束。
基于GOME-2 卫星日光诱导叶绿素荧光（SIF）产品数据集，对2007~2018年中国区域SIF进行时空变化分析，探讨了中国区域SIF对气温、降水、辐射等气候变化的响应。结果表明：①中国植被区域SIF总体上呈现从东南向西北递减的空间分布，12 a间年均SIF增加了20.2%，增幅达0.034 mW/m2/sr/nm，增加区域占比为80.3%，呈显著增长区域占比25.7%，增长区域主要分布在植被较为密集的中国东部、南部和东北部。②季节尺度上，夏季SIF增加的区域和幅度最大，增幅达0.065 mW/m2/sr/nm，增加区域占比为82.1%，呈显著增长的区域占比19.4%，SIF增长区域与年均SIF的趋势基本一样。春季和秋季SIF总体也是呈增长的趋势，而冬季只在中国南部增长趋势明显。③与气候因子的偏相关响应分析表明，在寒温带针叶林区域，气温是SIF增长主要的影响因子；在暖温带及温带植被区域，降水是SIF增长主要的影响因子；在亚热带常绿阔叶林区域，影响SIF增长的更可能是人类活动；对处于较低纬度地区的热带季风雨林区域来说，辐射是SIF增长的主要影响因子。研究结果揭示了2007~2018年间的中国区域植被荧光时空变化规律及其与气候变化间的响应关系，可为全球碳循环研究提供必要的数据支撑。
云覆盖阻碍了光学遥感卫星对地观测的有效范围，快速、准确的云检测是遥感应用产品生成过程中的重要一步。针对Google Earth Engine云平台中缺乏适用且高质量的云检测模型，以热带多云的斯里兰卡为研究区，构建了耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型，通过实验从目视判读与定量分析两个角度对比了其与QA60法、Cloud-Score算法以及Fmask的云检测精度，并在海南岛和亚马逊森林两个地区进行了云检测测试。研究结果表明：Fmask模型的云检测性能最低，总体精度仅为63.45%，存在严重的水体误分为云的现象，但其漏提率极低；QA60法对卷云识别不足，漏提率较高，同时存在一定的误分现象，并且低空间分辨率影响了云体边界提取结果的细节性；Cloud-Score算法的云检测性能明显好于QA60法，总体精度达到了89.83%，误提率仅为2.17%，但仍存在部分卷云漏提的现象；相比于其他3种云检测方法，本文提出的云检测模型总体精度最高，达到了98.21%，并且拥有极低的漏提率和误提率，能比较精准地识别出云体的边界，可满足Sentinel-2遥感产品的云检测预处理需求。
频繁发生的森林大火对亚马逊热带雨林造成了大面积破坏，获取不同年份的火灾影响范围以及植被破坏情况，有助于了解该地区火灾时空演变规律以及火灾与植被的相互作用关系，进而探究火灾发展机理，为防灾减灾提供科学依据。为此，利用2015~2019年MODIS植被指数产品与地表温度产品，构建MODIS全球扰动指数模型（MGDI），结合火点数据 （以下统称MOD14A1）、植被连续场数据（Vegetation Continuous Field，VCF）提取1 000 m分辨率下的燃烧范围和燃烧强度，并分析研究区域5年内的火灾分布时空规律。实验结果表明：①火灾主要分布在巴西中部以及巴西与玻利维亚的交界处，占燃烧区总面积的67%左右；②燃烧范围以及燃烧强度的综合信息显示火灾整体呈现出“升—降—升”的趋势；③火灾多发生于灌木草地（50%以上）以及阔叶林（30%），且火灾多发在旱季；在全球变暖大背景下，火灾发生频率呈上升趋势；（4）人类活动范围扩张、不合理农业开垦、森林砍伐导致研究区内草地退化严重，农业用地以及建筑用地逐年上升，在一定程度上为火灾的发生、传导提供了良好的条件。
水体提取是遥感监测城市水环境必不可少的步骤，提取城市中的细小水体目前已成为遥感影像深度学习领域的热点。但是，深度学习需要大量的样本数据集作为输入，而且不同空间分辨率影像往往需要构建不同的样本集。如果影像的空间分辨率差异不大，可以先采用分辨率较低的影像样本训练模型，并加入少量的较高分辨率样本再次训练模型，这种模型可以保证精度和节约时间。研究选用了U-net图像分割模型，针对3种不同空间分辨率——分别为0.5 m、0.8 m和2 m的影像进行样本迁移学习。发现2 m到0.8 m、2 m到0.5 m、0.8 m到0.5 m 3种迁移学习后，提取水体结果对应评价指标F1-score、MIoU、Kappa都在0.80以上。在分辨率差异不大的前提下，这种从较低分辨率样本迁移到较高分辨率影像提取城市水体的方法基本可行，结果精度较好，适用于缺水型城市的水体提取。
南京作为秦淮河下游的中心城市，在快速城镇化进程中面临着下垫面条件急剧变化带来的生态环境效应。不透水面作为衡量区域城镇化发展状况的关键指标，搭建了城市开发与环境质量的桥梁，可为当前空间治理与统筹城乡发展提供新的研究视角。在我国海绵城市建设背景下，以南京所在的秦淮河流域为研究区，通过半自动决策树分类模型从1988~2017年9景卫星影像提取流域基础不透水面数据集，利用多重滤波器构建连续变化的不透水地表，采用扩展强度指数和景观扩展指数定量分析30 a秦淮河流域不透水面时空扩展特征与城镇增长模式，揭示流域内城市发展轨迹及其成因。研究结果初步表明：①流域城镇化进程十分迅速。不透水面占比从1988年的3.09%增至2017年的26.49%，特别是2006年以来不透水面处于快速扩展期；②流域内不同城市的不透水面扩展进程差异明显。初期集中在南京城区和江宁城区，进入21世纪后则以江宁区、溧水区和句容市为主；③“多核扩展”和“点—轴扩展”是秦淮河流域城镇形态组建和增长的主要模式。初期以城区边缘式扩张为主，后期逐渐转向填充式增长，城镇一体化水平不断提升；④流域不透水面扩展是自然环境、经济发展、交通建设和政策规划等多种因素综合导致的结果。
油井、风机和道路是黄河三角洲区域的主要人工地物，明确其时空特征对保障黄河三角洲的生态安全具有重要意义。利用Landsat、SPOT、高分二号等中、高分辨率卫星影像，提取并建立2000年和2015年黄河三角洲主要人工地物分布数据集，使用核密度法、平均最近邻法、加权分析法、克里金插值法和空间自相关分析法分析2000~2015年黄河三角洲人工地物的时空特征。结果表明：① 2015年风机空间分布具有不均衡性，呈现两大核心区为主、3个小集聚区为辅的空间分布格局，总体呈西北—东南走向，空间集聚特征明显；② 2000年和2015年油井空间分布具有不均衡性且存在时间变异特征，2000年油井呈现两大核心为主，团块成片分布为辅的空间分布格局，2015年油井呈现三大核心区为主、核心区周围油井呈鞍状分布的空间格局特征；③ 2000~2015年黄河三角洲路网密度不断提高，空间集聚特征明显，路网密度高值主要分布在黄河三角洲中部地区，并呈现向西部和南部扩散趋势。总的来说，黄河三角洲地区人工地物数量大、分布范围广、增长速度快，对自然保护区的生态安全造成了巨大威胁。通过识别和分析黄河三角洲人工地物及其时空特征，可为该地区湿地生态系统保护提供科学依据和决策参考。
冰云对全球气候的显著影响，使得利用毫米波/亚毫米波辐射计探测冰云分布持续受到关注。为从辐射计亮温测量值中反演出冰云粒子参数，完善的辐射传输正演模型起到非常关键的作用。针对即将发射的冰云成像仪毫米波/亚毫米波星载辐射计，建立起了包含粒子散射在内的完整的辐射传输模型。传输模型读取大气廓线及云层粒子微观参数，仿真计算得到辐射计各通道的辐射亮温。给出了辐射传输模型的详细配置，并分析了不同通道对云层粒子的敏感性。结果表明：冰云成像仪各通道对冰云粒子、雪粒子均有很强的敏感性，但只有低频率通道能探测到水云粒子、雨粒子的变化。辐射计通道中，不同的中心频率对冰晶粒子敏感度不同，从而可使辐射计探测不同高度、不同特性的粒子。对于同一中心频率，不同频偏对应不同的大气透明度，使得辐射计可进一步探测到不同高度的云层信息。仿真工作将会为后续的毫米波/亚毫米波辐射计设计、反演算法研究等打下良好的基础。
基于NPP/VIIRS夜间灯光遥感影像和微博签到数据，利用局部等值线树算法和层次结构图谱，对2014年郑州主城区的城市中心及其内部空间结构进行识别与表达。结果表明：2014年郑州市共识别出3株局部等值线树，包括18个城市中心和11个城市中心复合区；“主树”的等值线树层级为10级，老城区城市中心发育良好，北部地区城市中心的空间分布不均衡且较为破碎；城市中心按照城市职能分为4类，城市综合中心的空间分布较为均匀，商业中心和工业中心次之；城市中心分为5个等级，空间分布上呈现“由里到外”依次降低的趋势。
甘公网安备 62010202000685号
