油棕是一种重要的热带经济作物，在热带地区种植面积迅速扩张，已经成为全球最大的植物油来源。油棕扩张在带来经济效益的同时，也在不断侵占全球现有的森林、耕地和泥炭地，造成严重的生态环境问题。空间观测技术（RS、GIS、GNSS，3S技术）是空间信息收集、分析和管理的有效工具，在优化土地利用类型空间布局和可持续发展规划中发挥着重要作用。通过文献综述和文献计量学的方法，分析3S技术在油棕研究中的应用进展，并探讨影响油棕制图精度的关键因素。研究发现：该领域的论文主要以土地覆被变化研究为知识基础，来自马来西亚、美国、中国、印度尼西亚和英国的科研机构和研究人员是最主要参与者；目前3S技术在油棕研究中的应用包括油棕制图、油棕变化监测、油棕树计数、树龄估算、地上生物量与碳储量估算、适宜性评估、产量估算、病虫害监测、种植园管理等；制图精度与论文发表时间并没有明显相关性，与遥感数据源、分类方法具有相关性；目前油棕研究中的3S技术以RS为主导，RS应用于油棕研究的各个关键方向，GIS技术主要应用于油棕变化制图、适宜性评估、种植园管理、病虫害监测等，GNSS主要作为辅助工具，应用于病虫害监测和种植园管理等。
矿产资源是人类赖以生存和发展的重要生产资料，开展矿山监测对于矿产资源开发利用和矿区环境保护至关重要。由于具有大范围、多时相和综合性等优势，遥感技术已成为矿山监测的主要手段。针对矿山开发利用状况、地质灾害问题以及生态环境监测与质量评价等需求，系统总结了矿山环境遥感监测所用的数据源、方法和模型。目前遥感监测数据源已趋于多样化并覆盖矿山监测各方面，得益于云计算平台及人工智能技术快速发展，大数据分析和深度学习等方法在矿山环境遥感监测中逐渐发挥重要作用，而多源数据融合、地物智能化提取、三维形变监测和定量反演等是矿山环境遥感监测存在的主要问题与挑战。
精确地提取地面高程和植被冠层高度，对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达（GEDI）为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度，并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明：通过校正GEDI数据地理定位误差，可以明显提高其提取的地面高程和冠层高度精度；影响冠层高度提取精度最主要的因素是植被覆盖度，其次是坡度；影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时，数据精度更高；坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。
背包式激光雷达（Backpack Laser Scanning， BLS）在森林资源调查中具有很大的应用潜力，但在复杂地表情景下，单木材积和林分蓄积量提取精度存在较大不确定性。以广西高峰林场为研究区，利用随机森林方法，基于BLS点云数据对单木材积和样地蓄积量进行估测。首先，对BLS点云进行单木分割，提取单木胸径（DBH）、树高（Htree）、冠幅直径（CD）、冠幅面积（CA）、冠幅体积（CV）、郁闭度（CC）、间隙率（GF）和叶面积指数（LAI）共8个特征参数，并计算56个分层高度指标（高度百分比、累积高度百分比、变异系数、冠层起伏率等）。然后，通过随机森林算法构建单木材积估测模型，并对比各种参数组合的预测精度。得到结果： ①仅用8个单木结构特征参数进行建模，估测精度为： R2=0.83、RMSE=0.097 m3； ②加入分层高度指标的模型估测精度有所提升： R2=0.87、RMSE=0.087 m3；③通过Boruta算法进行变量筛选，输入参数从64个减少至52个，估测精度差异不大： R2= 0.87、RMSE=0.087 m3；④样方蓄积量估测精度为： R2=0.97，RMSE=0.703 m3·ha-1。结果表明，基于BLS点云建立随机森林单木材积估测模型可以较好地估测单木材积，样方蓄积量估测精度高。
人工林资源的精准监测是提升人工林培养质量、可持续经营管理水平及准确估测人工林碳储量的前提。使用机载激光雷达可获取高精度的森林冠层结构信息，然而，只有在同一森林区域获取多期激光雷达点云并进行精准匹配的基础上，才能有效实现人工林资源的动态监测。针对人工林树种单一、排列规整，缺乏纹理特征等特点，基于树木的相对空间关系，创建了一种高鲁棒性的多期机载激光雷达人工林点云匹配算法。首先，利用地面点进行z轴配准，并对两期点云进行单木分割，获取树位置和高度信息，并根据树木水平及垂直方向的相对关系提取单木匹配特征；其次，建立合适的相似度函数，结合单木匹配特征构造加权二分图模型，并使用最大权匹配算法得到两期树木对应关系；最后，使用奇异值分解求解最优变换矩阵，完成配准。通过在江苏省沿海典型人工林研究区（主要树种为杨树和水杉）进行试验验证，结果表明：该匹配算法在水杉和杨树的典型样地中配准效果均较好，其中水杉样地（配准后RMSE=42.5 cm）配准结果优于杨树样地（配准后RMSE=58.8 cm）。该算法能够有效提升多期机载激光雷达人工林点云的匹配精度，并为人工林的动态监测（特别是单木尺度的砍伐和生长等信息获取）提供了技术前提。
叶面积指数（Leaf Area Index， LAI）是作物长势监测及产量估算的重要指标，准确高效的LAI反演对农田经济的宏观管理具有重要作用。研究探索了联合无人机激光雷达（Light Detec-tion and Ranging， LiDAR） 和高光谱数据反演玉米叶面积指数的潜力，并分析了LiDAR数据不同采样尺寸、高度阈值、点密度对LAI反演精度的影响同时确定三者的最优值。该研究分别从重采样的LiDAR数据和高光谱影像中提取了LiDAR变量和植被指数，然后基于偏最小二乘回归（Partial Least Square Regression，PLSR）和随机森林（Random Forest， RF） 回归两种算法分别利用LiDAR变量、植被指数、联合LiDAR变量和植被指数构建预测模型，并确定反演玉米LAI的最优预测模型。结果表明：反演玉米LAI的最优采样尺寸、高度阈值、点密度分别为5.5 m、0.55 m、18 points/m2，研究发现最高的点密度（420 points/m2）并没有产生最优的玉米LAI反演精度，因此单独依靠增加点密度的方法提高LAI的反演精度并不可靠。基于LiDAR变量获得的LAI反演精度（PLSR：R2=0.874，RMSE=0.317；RF：R2=0.942，RMSE=0.222）高于基于植被指数获得的LAI反演精度（PLSR： R2=0.741，RMSE=0.454；RF：R2=0.861，RMSE=0.338），而使用组合变量构建预测模型的反演精度（PLSR：R2=0.885， RMSE=0.304；RF：R2=0.950，RMSE=0.203）优于使用单一变量建立的LAI预测模型，其中利用联合LiDAR变量和植被指数建立的随机森林回归模型为最优预测模型。因此，将两种数据源融合在提高植被LAI反演精度方面具有一定的潜力。
国产风云系列卫星可为全球范围内大气、陆地和海洋的遥感监测提供重要数据支撑，由于光学卫星影像不可避免受到云覆盖的影响，通过云检测获取准确的云掩膜是风云系列卫星影像精细处理与应用的关键。现有的云检测方法大多采用简单高效的阈值法，然而由于传感器光谱响应以及不同场景云覆盖下垫面的辐射差异，在缺少大量真实云覆盖标记情况下，现有方法往往难以确定最优的检测阈值。鉴于此，提出了一种阈值自适应的云检测方法（TACD），顾及传感器波段特性以及云覆盖下垫面差异，设置不同场景下的多通道阈值测试，包括反射率及反射率组合测试、亮度温度测试、亮度温度差异值测试、卷云测试等，联合具有高精度云层信息的激光雷达数据构建全球范围的云检测样本集，实现基于样本集真实云标记的迭代阈值优化，最终基于最优的阈值进行云检测。以风云三号（FY-3D）MERSI-II影像为例，联合CALIOP云层数据构建全球范围的云检测数据集，并将所提出的TACD方法云检测结果与官方云掩膜产品进行对比，结果表明该方法较官方云检测算法精度有明显提高，其中平均交并比从80.35%提升至84.09%，召回率可达92.67%，具有业务化应用的潜力。
针对不同树种的树叶疏密及空间结构不同，提出基于激光点云数据，顾及冠层叶面积密度的树木三维绿量（Living Vegetation Volume， LVV）计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶，剔除非光合作用成分，提取树叶点云；然后建立体元模型，引入Graham算法确定分层树冠边界，获取激光接触频率，从而基于体元冠层分析（Voxel-based Canopy Profiling， VCP）方法求出冠层叶面积密度（Leaf Area Density， LAD）；最后分层棱柱体积乘以叶面积密度，累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据，利用该方法估算各树木三维绿量，并与传统的凸包法和台积法的结果对比。实验结果表明，台积法计算的三维绿量值最大，凸包法计算的三维绿量次之，顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小，为台积法的36.69%，为凸包法的47.80%。相比传统方法，顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计，并考虑了树冠内部树叶分布情况，更符合树木的实际情况，能充分利用三维点云数据特性，反映树冠内部三维绿量分布。
海南是发展热带特色高效农业的黄金宝地，开展高时空分辨率耕地复种指数遥感监测与时空变化分析对海南农业生产管理具有重要意义。基于Sentinel-2数据，利用最大值合成法和Savitzky-Golay滤波对NDVI时间序列曲线作平滑重构，结合二次差分法计算2016—2020年海南耕地复种指数，分析海南省耕地复种指数的时空演变特征。结果表明：通过2020年地面调查数据验证，海南耕地复种指数提取总体精度达91.94%，Kappa系数为0.88。海南省耕地复种指数从2016年1.53提升到2020年1.66，提高了0.13。从2016年到2020年单季种植面积占比增加了6.10%，两季种植面积占比减少了2.65%，三季种植面积占比增加了5.10%，休耕或抛荒耕地面积占比减少了5.60%。海南省各市县耕地复种指数在1.28—1.96区间内，其中海口市、三亚市、东方市、临高县等地区耕地复种指数上升，而琼海市、万宁市、琼中县等地区耕地复种指数下降。研究结果可为海南农业部门合理调整休耕、开垦方案等政策，实施热带高效农业可持续发展战略提供数据和决策支撑。
开展海南岛海岸带土地利用适宜性评价对实现其土地资源合理配置有着重要意义。采用2000年、2010年和2020年3期土地利用数据，利用土地利用适宜性评价模型（Land Use Suitability Evaluation Model，LandUSEM），优选适用于研究区的海岸带土地利用适宜性评价因子，得到海岸带土地利用适宜度空间分布及变化结果。研究表明：①海南岛海岸带土地利用适宜性年均值较高，整体适宜性较好。2000至2020年，研究区土地利用适宜性整体上先升高后降低。②在依据最新发展规划纲要将海南岛海岸带划分的四大区域中，南部组团土地利用综合适宜性最好，而北部组团最差。③土地利用类型与土地利用适宜性存在耦合性。近海地区适宜度变化相对明显，且人造地表扩张强烈，限制海岸带城镇建设用地扩张具有必要性。
开展海南岛海岸侵蚀脆弱性评价对于沿海地区生态资源保护和灾害预防有着重要意义。采用生态系统服务和权衡的综合评估模型（Integrated Valuation of Ecosystem Services and Trade-offs， InVEST）中的沿海脆弱性模型合成暴露度指数
海南岛是我国重要的湿热带宝地，受自然地理环境和条件等因素影响，岛上干旱频发，旱涝严重，对农业生产和人民生活造成了重大的经济损失。基于MODIS数据，计算了归一化植被指数NDVI和陆地表面温度LST，进而构建了植被供水指数模型VSWI，分析了海南岛2004—2020年干旱特征和时空变化分布演变规律，结论如下：①2004—2020年期间海南岛以2004、2005、2010、2015年整体干旱偏严重，2005年海南岛旱情最为严重，干旱面积分布可达总面积的56.76%，其中重旱、中旱、轻旱所占的面积比例分别为7.37%、20.75%、28.64%，旱情影响较为广泛。②海南岛VSWI年内指数变化整体呈现先减小后增加的单峰型趋势，1—5月呈下降趋势，干旱随着时间推移不断加重，4月和5月旱情达到高峰，6—12月受气候因素影响干旱略有缓解。2005年5月旱情最为严重，整个区域的84.27%均处于不同程度的干旱，受灾严重区域集中在西南部地区，儋州市受灾最为严重，特旱面积可达35.57%，无旱面积仅为2.31%，空间范围上广泛受灾。③受地理因子和气候因素影响，不同土地利用类型年内VSWI值变化趋于一致，林地和草地受干旱影响程度较轻，耕地和城镇因植被稀疏受干旱影响较强，月均值最小值皆在4月。④2004—2020年海南岛VSWI空间分布具有明显的季节性差异，海南岛主要以冬旱和春旱为主，夏旱和秋旱也时有发生，各市县干旱具有明显的地域差异和季节差异，沿海重于内陆，四周重于中间，南部重于北部，西部重于南部。⑤海南岛VSWI与降雨和气温因子关系较为密切，其中降雨与植被供水指数VSWI的相关性最高，且降雨因子影响所占的面积比例较大，因此，海南岛干旱主要受气象因子降雨的影响。研究结果可以为海南岛干旱预警提供参考依据。
西沙群岛位于热带，常年多云，在光学卫星数据获取时易受天气影响导致缺失，使得地表动态监测困难。为解决这一问题，探讨无人机低空平台对西沙群岛植被的监测能力，选取大疆精灵4多光谱无人机，通过5个多光谱波段提取4项植被指数，包括归一化差值植被指数（NDVI）、叶绿素指数（GCI）、绿色归一化植被指数（GNDVI）以及归一化绿红差值指数（NGRDI），评估了2020年5月西沙群岛北岛的植被生长状况，并结合关键气象参数以及Worldview2卫星光学影像对比分析了2020年5月和2018年5月北岛植被生长变化及其潜在归因。研究结果表明：2020年5月北岛平均NDVI、GCI、GNDVI和NGRDI别为0.30、0.84、0.26和0.05，反映出植被覆盖度较低，可能存在枯黄现象，与地面监测结果一致；2020年人工管理植被区和自然生长植被区各项指数差异由2018年的-23%—15%增加到15%—40%，表明2020年自然生长植被长势显著差于人工管理植被，反映出较强的环境胁迫；气象数据显示2020年4月—5月该地区日平均温度较常年同期升高、累计降水量减少、平均风速增大同时增加了土壤水分亏缺，可能是引起植被生长状况变差的主要原因。综上所述，大疆精灵4无人机可定量反映热带岛屿植被生长状况，可为其生态环境监测提供有效途径。
红树林湿地在维护近岸海域的生态环境，抵御海潮、台风自然灾害等方面具有重要作用。利用海南岛红树林遥感专题信息产品，基于分形理论中的豪斯道夫维数、景观稳定性指数和聚集维数，分析了1987—2017年海南岛东寨港自然保护区红树林景观空间结构的变化特征：①1987—2017年间，红树林景观面积整体增加，2017年总面积达到18.05 km2，且扩展方式主要为边缘扩展和内部联通。②红树林景观分布复杂度和稳定性在1987—2003年间整体下降，波动性较强，景观结构不稳定；在2003—2013年间稳步上升，斑块持续扩展，景观结构稳定发展；2013年后略有下降。③红树林景观增长有聚集中心，聚集维数为1.47，对周围红树林的增长有辐射性。东寨港红树林聚集分布区已达景观稳定状态，在保持抚育的基础上可适度开发其审美、生态功能，针对尚处于扩张等状态的红树林斑块，可持续进行扩种、抚育。
陆地生态系统碳收支是全球碳循环研究的重要指标，也是气候变化的重要参数。针对该指标估测的不确定性，基于陆地生态系统通量观测研究网络的实测碳通量数据及遥感卫星观测数据产品，利用机器学习方法进行建模研究。研究选用随机森林算法自动从高质量的星—地训练数据集中学习特征、挖掘数据中的隐含信息以及时序间依赖关系的差异，建立了基于随机森林算法的碳收支参数GPP（Gross Primary Production）、NEP （Net Ecosystem Production）估算模型，并选择标准指标利用验证数据集对模型进行了客观评价。结果分析表明：与MODIS GPP产品相比，该方法在估算精度上有了提高，其中落叶阔叶林预测结果最优，决策系数为R2为0.82，均方根误差为1.93 gCm-2 d-1，在其他植被类型上也明显优于传统光能利用率模型产品，更接近于地面通量观测数据。基于相同方法建立的NEP模型也得到了较好的估测结果，落叶阔叶林预测模型的输出结果与通量塔获得的NEP相关关系R2为0.70，RMSE=1.75 g C m-2 d-1。GPP和NEP模型精度差异也表明，在进行机器学习建模时，训练数据集自变量的选择仍然需要机理模型支持。为进行陆地生态系统碳收支大范围快速估算，本研究进行了陆地生态系统碳收支遥感监测平台的搭建，该平台以GEE （Google Earth Engine）大数据平台作为数据存储与计算后端，Django和Nginx作为Web服务框架，OpenLayers和jQuery作为前端框架，从而实现了碳收支参数长时间序列大范围的快速计算、结果实时显示等功能。基于该平台和模型获取的2002—2016年全球（60°N—60°S）逐年GPP结果表明，全球平均GPP存在明显的空间差异，显著增加的区域主要集中在亚洲东部地区及北美洲森林地区等。研究表明，基于机器学习和大数据平台进行碳收支参数遥感监测，能够快速提供与地面真实观测较为一致的陆地生态系统区域和全球尺度碳收支遥感监测结果，该流程在一定程度避免了生理过程模型复杂的参数设置，减少了区域和全球大尺度碳收支监测的不确定性。
传统卫星遥感应用模式复杂繁长，无法满足用户越来越关注的实时化遥感服务需求，为卫星配备智能化大脑，一方面可以降低数据传输带宽，另一方面可以提高数据获取的时效性，因此，星上智能处理已经成为遥感卫星发展的必然选择。但星上处理在轨调试困难，现有遥感卫星星上处理平台的地面测试系统都是卫星实验室测试时，针对不同的卫星载荷临时组建，缺乏通用性且并未形成集成化的装置，导致现有遥感图像星上智能处理的地面测试效率偏低。尤其是面对目前星上处理智能化的新需求，缺乏一套高性能、低功耗、全流程的星上处理地面仿真系统。针对遥感数据处理自动化与智能化发展的新特点，提出了一套基于FPGA与GPU相结合的遥感图像星上处理地面仿真模拟系统。该系统能够在地面模拟实现多种载荷的0到1级数据预处理，在预处理的基础上实现智能遥感影像的加速识别，其关键难点在于遥感图像智能处理算法的高计算复杂度和嵌入式计算机有限计算力之间的平衡；遥感图像处理领域的AI专用算法固化和硬件加速之间的平衡；不同卫星平台测试需求和系统架构通用性之间的平衡。本文阐述了仿真平台设计的方法，构建了基本原型并对其进行了验证。测试结果表明：该系统可以较好地完成星上智能处理典型算法地面全流程测试，所有硬件可以直接上星组装，完备度高，对优化和指导卫星地面仿真系统运行管理体系具有一定的参考价值。
针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题，提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先，采用SIFT算法进行特征点提取，通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library，FLANN）算法完成待配准影像的粗匹配，其次，在初始匹配点周围建立4×4邻域，计算匹配点之间的互信息值，对互信息值较小的匹配点进行剔除，寻求筛选优化后的最优变换矩阵，最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准，能够有效地提高配准精度。
黄土高原地貌类型独特而复杂，切沟侵蚀是塑造该区地貌的主要动力之一。研究不同分辨率遥感影像提取切沟的适用性和自动提取方法，可为切沟侵蚀遥感监测和沟蚀防治等提供有效手段。以黄土高原南部山西吉县残塬沟壑区为研究区，使用面向对象分析方法和随机森林分类算法分别从0.5 m Google影像、2 m GF-1融合影像和8 m GF-1多光谱影像中自动提取切沟，分析提取精度，并构建转换模型，提高低分辨率遥感影像提取的切沟沟长、面积参数的精度。结果表明：①依据特征类别，特征变量对于切沟识别的重要性排序如下：光谱特征>纹理特征>几何特征。②0.5 m和2 m分辨率影像切沟分类精度较高，生产者精度和用户精度均达90%以上，8 m GF-1影像切沟分类的生产者精度和用户精度为85%左右。③0.5 m和2 m分辨率影像提取的切沟沟长和沟宽的百分误差分别为5%和13%左右；8 m分辨率影像提取的切沟沟长、面积和沟宽的平均百分误差为18.82%、27.62%和18.93%。④基于0.5 m分辨率Google影像提取的切沟形态特征参数，建立8 m分辨率GF-1影像提取的切沟沟长转换模型（L=1.22L'-0.28）和面积转换模型（A=1.44A'+31.56），转换结果具有较高的精度。
针对现有方法难以准确地估算山体滑坡体积的问题，引入人工智能算法，提出耦合迁移学习与微分算法的低空摄影测量山体滑坡方量估算方法。首先，利用SfM与SGM密集匹配等算法从低空无人机立体影像中解算出高精度三维密集点云，结合可见光植被指数和双边滤波算法从密集点云中剥离出目标区地面点云；然后，构建深度神经网络插值模型来表征二维坐标与高程之间的非线性映射关系，并基于参数共享的迁移学习来自适应优化深度神经网络以实现滑坡目标区高程值预测，进而重构滑坡区域的数字地表模型；最后，基于目标区滑坡前后数字地表模型高程差值和微分算法实现山体滑坡方量估算。实验结果表明，该方法平均相对误差为2.7%，相比常用的方法，显著提高了滑坡方量估计精度，并能适应不同地形条件下滑坡方量估算。
城市演化的形态特征及其影响因素分析对于城市生态环境治理及国土空间管控具有重要的应用价值。然而，目前对城市形态特征演化过程的长期识别，尤其对北疆地区及少数民族地区的研究仍显不足。以呼和浩特市为例，基于遥感影像、土地利用/覆盖数据集和城市不透水面与绿地空间组分数据集等信息，利用地理统计方法，分析了1949~2018年城市扩展时空特征以及21世纪以来的城市土地覆盖变化，揭示了城市演化的影响因素，进一步探讨了城市规划在城市演化过程中的作用。研究表明：70年间，呼和浩特市区城市土地面积以“减速—保持—加速”的扩展特征增长了67.62倍，在形态上呈现“填充式—圈层式—单轴线外延—双轴线外延”模式。2000年以来，呼和浩特市区城市不透水面比例呈“先上升后下降”的趋势，城市绿地空间比例则呈现“波动上升”的趋势。国家西部大开发战略、城市总体规划等相关规划政策，以及经济因素是影响呼和浩特市城市演化的重要因素。本研究可为呼和浩特市以及北疆少数民族地区的城市可持续发展提供重要的参考。
滑坡作为造成巨大经济损失和人员伤亡的地质灾害之一，越来越引起社会的高度重视。为精确识别林地山区中的滑坡灾害，以2020年7月6日发生在湖南省常德市石门县南北镇潘坪村的雷家山滑坡为研究对象，使用不同的融合方法进行Sentinel-1A C波段干涉宽幅的地距多视产品和Sentinel-2A多光谱2A级光学影像融合，得到主成分分析融合方法对分贝化处理后的S1A VV极化影像与S2A影像融合效果最优，采用支持向量机方法分别对最优融合影像和原始S2A影像进行滑坡识别，最后使用S2A影像滑坡目视解译结果为检验标准对支持向量机滑坡识别结果进行精度评价，同时以2020年7月21日发生在湖北恩施屯堡乡马者村的沙子坝滑坡作为案例检验该方案的可推广性。结果表明：与单独使用光学影像进行研究区滑坡识别相比，使用最优融合影像滑坡识别的准确率由95.24%提升到了96.65%，滑坡提取质量也由87.18%提升到了91.84%，滑坡的漏识别和过度识别均有所降低，说明光学影像和合成孔径雷达影像融合的研究方案具有可推广性，能提高林地山区滑坡识别的准确率，可以更好地为滑坡风险评估、灾后应急调查以及灾后恢复重建等提供有价值的信息。
针对多源高分辨率影像之间较大的非线性辐射差异和局部几何变形造成较差配准精度的问题，提出一种基于边缘特征的多源高分辨率影像配准方法。该方法首先通过各向异性扩散滤波构造输入影像的非线性尺度空间，在此基础上计算每一尺度的扩展相位一致性最大矩以获取丰富的边缘特征，并利用基于分块策略的FAST检测器提取稳定的特征点；其次利用多尺度多方向Log-Gabor滤波生成主方向索引图（Main Orientated Index Map，MOIM），并结合高斯加权构建一种稳健的特征描述子；最后采用巴氏距离和快速采样一致（Fast Sample Consensus，FSC）方法获取同名点。选择多组多源高分辨率影像进行实验，结果表明：该方法能够有效克服多源高分辨率影像间非线性辐射差异和局部几何变形，配准效果好于其他相关方法，并且平均配准精度优于1个像素。
植被光合有效辐射吸收比例（FPAR）是湿地生态系统碳收支和气候变化的关键参量，直接反映湿地植被生长发育状况。基于植被指数的经验统计方法简单高效，被广泛运用于草原、森林及作物等植被FPAR的模拟，却较少用于湿地，缺乏不同植被指数对湿地FPAR估算适应性的系统研究。研究对比了14种常见的植被指数，选出最优植被指数用于反演若尔盖高原湿地生长季FPAR。结果表明：常见的植被指数中，MSAVI指数动态考虑了土壤信息，能较好地适应湿地植被FPAR的估算，误差和R2均优于其他植被指数。若尔盖高原湿地生长季FPAR取值在0.22—0.80之间，整体分布较为均匀，泥炭湿地、湿草甸及沼泽湿地平均FPAR分别为0.46、0.63和0.58；生长季期间若尔盖高原不同类型湿地FPAR随时间呈现先增加后降低趋势。
台风降水云系的云顶光谱-微物理信息与降水强度的变化密切相关，是卫星遥感定量反演降水的重要参数。以2001—2012年西北太平洋的7个典型超强台风和5个非超级台风为研究对象，基于热带测雨卫星搭载的测雨雷达与可见光红外扫描仪的融合资料，建立了降水云顶光谱-微物理参数反演台风降水的随机森林（RF）模型。结果表明：随机森林模型的交叉验证显示，反演的降水强度与观测的降水强度的相关系数为0.773，均方根误差为0.299 mm/h，表明该模型具有较高的降水反演精度。在随机森林构建过程输入的所有云顶光谱—微物理参数中，3.7 μm云顶亮温对模型的方差贡献最大，重要性最高；而由于台风中心云系整体均发展旺盛且云顶较高，10.8 μm云顶红外通道亮温以及云光学厚度、云水含量对模型的方差贡献较小，重要性低。
甘公网安备 62010202000685号
