全球变暖导致冰川急剧退缩，及时的冰川监测和制图至关重要，而积雪覆盖一直是冰川识别的重要影响因素。以喀喇昆仑区域为例，选择春季Landsat-8 OLI、Sentinel-1和DEM数据，结合其光谱反射率、SAR散射以及地形等特征，基于不同主干网络的U-Net和DeepLabv3+深度学习方法，使用不同样本尺寸，不同特征组合进行冰川识别对比研究。结果表明：①对于256×256、512×512和1 024×1 024像素样本尺寸，训练样本尺寸越大，空间上下文信息越丰富，识别精度越高，冰川末端范围更为精确。②基于MobileNet、VGGNet、ResNet以及EfficientNet主干提取网络的U-Net语义分割网络中，VGG19主干网络识别精度最好，且优于DeepLabv3+网络结果，其F1值（F1-Score）为0.899 6，均交并比（Mean Intersection over Union，mIoU）为0.875 4，总体精度可达0.948 4，在山体阴影、冰雪融水、薄雾覆盖和冰冻湖泊区域识别效果均较好。③随着训练特征数量的减少，精度随之降低，地形特征对于提高冰川识别精确度作用显著，SAR特征则可提升召回率。研究证明了深度学习方法识别积雪覆盖的山地冰川的可行性，为山地冰川快速大面积识别的模型选择和参数设置提供了可靠的参考依据。
中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km2，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。
雪水当量定义为积雪融化后液态水的高度，是描述季节性积雪储量的关键参数。星载被动微波遥感适用于长时间序列、全球尺度的雪水当量监测。但目前的微波辐射传输模型大多忽略或简化了自然界垂直分层结构中的土壤、植被和大气等要素对积雪辐射亮温的影响，特别是植被参数（例如透过率、覆盖度、单次散射反照率）引起的微波亮温变化仍然不清晰。本研究通过构建土壤—积雪—森林—大气微波辐射模型，重点开展被动微波遥感反演雪水当量的不确定性机理研究。通过模型敏感性分析发现：①冠层透过率是森林参数中影响微波亮温最敏感的因子，其次是森林覆盖度，而单次散射反照率影响最小；②微波亮温随着森林覆盖度的增加而升高，但随着冠层透过率和雪粒径参数的增加而降低，即三者之间存在“抵偿效应”。通过构建的模型模拟数据库和卫星观测对风云三号B星（FY-3B）和 The Advanced Microwave Scanning Radiometer 2（AMSR2）雪水当量反演算法进行亮温噪声测试发现：①亮温噪声对AMSR2雪水当量反演算法影响较大，特别是在森林像元尤为严重，与算法中表征积雪参数演化的极化因子和森林下雪深校正方法不确定性有关；②亮温噪声对FY-3B算法的影响较小，甚至可以忽略，主要是由于亮温差的形式削减了亮温不确定性。本研究基于构建的辐射传输模型定量分析了森林和积雪参数对微波亮温的影响，确定了影响雪水当量反演精度的关键参数；同时表明雪水当量反演方法对亮温噪声的鲁棒性也是影响算法精度的重要方面，为未来发展普适性的雪水当量反演算法奠定了理论基础和参考。
冰川监测是气候变化研究的重要组成部分，为了从三维立体角度研究冰川的运动变化情况，以梅里雪山西坡的共森隆巴冰川为研究对象，基于地基雷达点云数据分别利用了不规则三角网（Triangulated Irregular Network， TIN）和反距离加权（Inverse Distance Weight， IDW）两种插值算法进行了DEM建模，以交叉验证方法分析了两种算法的关键参数对冰川DEM建模结果的影响。结果表明：①格网分辨率对TIN插值结果影响较大。格网分辨率较低时，会造成DEM较多的空洞，格网分辨率较高时，会导致DEM表面平滑。当格网分辨率大小选择0.75 m时，冰川表面DEM建模结果精度最高，此时R2为0.997 0，RMSE为0.457 1 m。②插值半径对冰川表面DEM建模效果有较大影响，插值半径较小时，空洞部分较多且较大，随着插值半径的增大，空洞部分不断减少。而格网分辨率是影响IDW插值算法精度的较大因素。虽然不同格网大小和不同插值半径下冰川DEM建模的R2和RMSE精度较高，但是DEM建模效果不理想，存在较多空洞部分，难以利用IDW算法实现完整的冰川表面建模。③通过从冰川表面建模效果和精度分析两方面来看，TIN插值算法在冰川表面的完整性和连续性建模上优势突出，但是建模细节精度不如IDW算法；IDW插值算法在冰川表面细节的建模上优势突出，但是建模完整性和连续性较差。
积雪反照率对全球的辐射与能量、水循环和气候变化研究都具有十分重要的作用，准确理解积雪地表反照率的精度和不确定性对于积雪反照率产品的应用、改进具有重要意义。以往对反照率产品的评估主要集中在无雪地表或者永久冰雪地表，但是季节性积雪在全球也有广泛的分布，且具有动态变化的特征。利用位于FLUXNET地面站点具有空间代表性的积雪反照率数据，对积雪地表下新版本的MCD43A3反照率产品进行了精度验证与分析。研究区验证结果表明：相比于非雪地表，积雪覆盖下的MCD43A3反照率产品有着较高的缺失率，最高可达24.95%，在积雪期MCD43A3反照率产品采用备份反演算法的比例也比较高，最高可达78.06%。相比于非雪地表，所有站点下的积雪反照率产品的精度均出现了下降，均方根误差（RMSE）最小为0.101 5，最大可达0.238 7。在积雪期，MCD43A3反照率产品的精度和地表类型密切相关，其中常绿针叶林的精度最低，RMSE最大为0.238 7，biasR最大为88.88%，可以看出产品算法对复杂地表的计算和反演能力略有欠缺。验证中还发现了MCD43A3中使用的核函数模型和备份反演算法在积雪反照率产品生产中的不足之处，发现了产品在降雪、融雪阶段和“积雪的短暂停留”事件中积雪状态的有效识别和反演能力不足。
基于合成孔径雷达（SAR）图像的海冰分类已经成为海冰监测的重要基础，但现有方法往往利用图像空间特征，很少考虑时间特征。提出了一种融合时空特征的SAR图像海冰分类网络SE-ConvLSTM。首先使用ConvLSTM对HH和HV极化图像分别提取时空特征，然后将提取的不同层次和通道的时空特征进行拼接，并利用SE通道注意力进行通道特征响应的自适应重新校准，最后利用SoftMax函数进行图像分类。将SI-STSAR-7数据集6个时间步长的图像块作为输入对所提方法与其他分类方法进行了对比实验。结果显示：SE-ConvLSTM在总体情况和分类困难的厚一年冰上分别达到了97.06%和90.01%的精度，表明加入时间信息有助于提高分类准确率。同时，所提网络在生成海冰分布图时对主要冰类型密集度较低的区域和SAR影像的边界位置都具有更好的识别能力。
为提高卫星遥感土壤湿度产品精度及空间分辨率，支撑水文过程的高精度模拟与预报，首先基于SMOS、SMAP、ASCAT 3种遥感土壤湿度产品，采用2D Triple-Collocation（2D TC）从时空两方面分析不同产品精度并基于最小二乘框架融合。而后分析支持向量机（SVM）、随机森林（RF）、极端梯度提升机（XGBoost）3种机器学习方法的降尺度效果及适用性，并对融合成果降尺度。研究结果表明：多源遥感融合成果较单一卫星遥感产品RMSE更小（RMSE=0.04 m3/m3），且优化了单一卫星监测数据缺失及高估的问题。3种基于融合成果的降尺度模型均有较好的抗过拟合能力，其中以XGBoost表现最优，其测试集R2较RF、SVM测试集分别提高了4.5%、36.6%，RMSE分别降低了15%、46.9%。以CLDAS产品为参考，XGBoost降尺度成果较融合成果R值提高了16.53%，RMSE降低了17.50%。融合与降尺度方法组合能有效提高遥感土壤湿度产品空间分辨率及精度，适用性更好。
漫川漫岗黑土区作物根层土壤含水量受植被覆盖、地形、土壤温度、降雨等多因素的影响，是农业生产和农田管理的关键要素。以友谊农场两个不同坡度的典型耕地地块（平耕地与等高种植坡耕地）为研究对象，利用Landsat 8遥感数据结合气象数据等驱动SEBAL（Surface Energy Balance Algorithm for Land）模型估算根层土壤含水量，利用地面实测数据对估算结果展开验证。在此基础上分析根层土壤含水量空间分布的影响因素。结果表明：①SEBAL模型估算的根层土壤含水量6月27日决定系数R2为0.85，7月13日决定系数R2为0.68，且7月13日根层土壤含水量明显高于6月27日；平耕地6月27日决定系数R2为0.65，7月13日为0.84；等高种植坡耕地6月27日决定系数为0.64，7月13日为0.50。②地块不同导致作物根层土壤含水量影响因素也不同，平耕地主要影响因素为坡度、植被覆盖度和土壤温度；等高种植坡耕地为高程和土壤温度。使用SEBAL模型可以较为快速准确地估算根层土壤含水量，研究结果对于黑土区耕地的水分管理、农业灌溉及水分运移研究具有重要意义。
植被返青期是植被生长过程中的重要阶段之一，探究植被返青期的变化及其影响因素具有重要意义。目前，将积雪与气温、降水等结合，从而探讨植被返青期影响机制的研究还比较少，因此研究基于MODIS NDVI、积雪产品以及ERA-5再分析等数据，采用累计NDVI的Logistic曲线曲率极值法、趋势分析、相关分析以及敏感性分析等方法，探究2001~2018年蒙古高原植被返青期时空变化特征及对气候、积雪、土壤水变化的响应机制。主要结果表明：近18 a蒙古高原植被返青期平均在123 d左右，整体呈现出不显著推迟趋势。其中西南地区和大兴安岭地区返青期最早，萨彦岭和杭爱山返青期最晚。蒙古高原返青期与积雪覆盖度、积雪日期、积雪终日呈显著正相关的区域均>30%，与融雪期温度呈显著负相关的区域>25%，与积雪期降水、土壤水分及积雪初日的相关性较弱。研究得到积雪对于植被返青期的影响显著，其因子敏感度排序为：积雪覆盖度（0.467）>积雪日期（0.184）>融雪期温度（0.113）>积雪终日（0.028）。
青藏高原多年冻土区地表土壤水分是该区地表各圈层之间物质和能量迁移转化的重要媒介，准确的地表土壤水分时空信息有助于分析该区土壤冻融循环过程、多年冻土退化特征以及在探讨地表土壤水分对气候变化的响应等方面具有重要科学意义。现阶段，青藏高原多年冻土发生着不同程度的退化，对区域土壤水分产生了显著影响。受限于该区高寒、缺氧以及恶劣天气的影响，青藏高原多年冻土区大范围的高分辨率土壤水分信息相对缺乏。为此，以青藏工程走廊沿线区域为研究区，以土壤水分的相关地表变量（地表温度、归一化植被指数、增强植被指数、坡度、坡向、高程、土壤质地、经纬度）为输入变量，以实测地表土壤水分为目标变量，基于随机森林回归方法分别建立了白天和夜间的土壤水分反演模型，得到了研究区2015~2018年5~9月地表土壤水分含量数据。结果表明：两个土壤水分反演模型均具有较好的反演精度，模型训练结果和验证结果与实测土壤水分含量的相关性均大于0.97，误差较小（RMSE=0.03 m3/m3），偏差接近于0 m3/m3，对各站点模拟结果较优，反演得到的地表土壤水分空间分布特征与植被分布特征一致，自东南向西北呈递减趋势。
由于三峡库区的复杂地形特点和受到部分区域的阴影遮盖影响，因此水体变化检测容易出现漏检误检。针对这一情况，为了能够提高水体变化检测结果的精度，提出了一种融合Siam-U-Net++和scSE注意力机制的三峡库区水体变化检测算法。利用编码阶段共享权值的Siam-U-Net++为主干网络，在编码器网络单元上选择拥有残差结构的ResNet34网络，快速高效获取水体变化特征信息。在Siam-U-Net++的上采样之后引入结合通道注意力和空间注意力的scSE注意力机制模块。在自制的库区奉节县数据集上分别与LinkNet、U-Net++、DeeplabV3+网络模型以及NDWI进行应用测试，并引用不同注意力机制进行对比实验，其召回率、精确率和F1值分别为94.57%、90.75%、92.62%，均优于其他模型。实验结果表明该算法有效提高了在水体变化检测结果上的效果。
通过城市空间形态研究，可以发现城市化过程中存在的问题，有效地调控城市的扩展速度和方向。为探索石家庄城市发展的特征与规律，基于2000~2018年长时间序列“类NPP-VIIRS”夜间灯光数据，采用突变检测法提取石家庄城市空间形态信息，并辅以全球城市边界（GUB）数据，开展其时空特征分析研究。结果表明：2000~2018年19 a间石家庄市的城市夜光边界区域面积由103 km2扩展到332 km2，石家庄城市夜光边界扩展方向以正东、正北方向为主；从空间形态上来看，石家庄城市夜光边界紧凑程度较高，边界较为简单。2000年和2018年石家庄城市夜光边界与GUB城市边界在主城区内扩展趋势一致，城市重心同趋势迁移，但空间形态的离散复杂程度不尽相同。总体来看，石家庄城市空间扩展过程受政府决策影响明显，不断向外扩张延伸，属于“外延式”发展模式。
基于大量站点观测的森林凋落物碳密度数据，利用长时期遥感观测NDVI数据，驱动构建的随机森林模型，模拟评估1982~2020年中国森林凋落物碳密度的时空变化特征。凋落物碳密度与NDVI非线性的联系，初步论证了研究方法的可行性。凋落物碳密度模拟结果显著高正相关与观测值（r=0.65，p<0.001，n=4 882），其较小的误差百分率（0.96%），表明随机森林模型模拟精度较高。1982~2020年凋落物碳密度的时空变化特征分析，表明中国森林凋落物碳密度整体呈显著的增加趋势（r=0.81，p<0.001），其中常绿针叶林、落叶阔叶林和落叶针叶林的凋落物碳密度增加显著。可见，长期连续的NDVI数据，驱动先进的随机森林模型，能有效模拟监测国家尺度上森林凋落物碳密度的时空动态。这为利用遥感观测数据动态监测大尺度森林凋落物提供了新的技术方法，也拓展了遥感数据的应用场景。
太阳辐射减弱是全球气候变化的主要特征之一。太阳辐射减弱对农田氧化亚氮（N2O）排放有何影响以及能否基于高光谱遥感进行估算，尚未见报道。通过田间模拟试验，探讨了不同遮阴强度下不同播期对冬小麦田N2O排放的影响及基于冠层高光谱变量估算N2O排放通量。采用普通黑色遮阳网覆盖冬小麦植株冠层，以模拟太阳辐射减弱。遮阴强度设3个水平，即对照（CK，不遮阴，遮阴率为0）、中度遮阴（S1，遮阴率为61.85%）和重度遮阴（S2，遮阴率为83.91%）；播期设2个水平，即常规播期（T）和晚播（L）。结果表明：①遮阴显著提高了冬小麦农田N2O排放量，即S2>S1>CK；晚播明显降低麦田N2O排放量。②冬小麦冠层光谱反射率与N2O排放通量的敏感波段，主要在红光波段和近红外波段，拔节期呈显著正相关，最大相关系数为0.92，孕穗—抽穗期呈显著负相关，最大负相关为-0.75。6种植被指数与N2O排放通量呈显著相关性，其中NLI（非线性植被指数）与N2O排放通量的相关系数最佳，为0.93（拔节期）、-0.77（孕穗—抽穗期）。③于拔节期建立了以NLI和629、630 nm原始反射率（
为了减轻洪水有关的灾害风险，需快速准确获取洪水范围，并利用洪水事件的相关数据和信息来分析洪水的敏感区域，可为洪水的预防决策和管理提供科学依据。基于Sentinel-1 SAR数据分析2020年7月长江中下游蓄滞洪区集中区域洪水淹没状况，并利用机器学习模型分析了长江中下游蓄滞洪区集中区域洪水的敏感性，研究结果表明：①长江中下游蓄滞洪区内2020年洪水期水体面积达到了3 747 km2，相比平水期新增水体面积为1 301 km2，占整个研究区新增水体面积的19%，新增水体面积最大的为洪湖蓄滞洪区和华阳河蓄滞洪区。②从研究区新增水体范围内2010年以来土地利用变化来看，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，湿地面积萎缩降低蓄水纳洪能力。③研究区洪水敏感性高等级面积占整个研究区的23.33%，洪水敏感性极高等级占整个研究区的22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的面积比例为38.97%，极高等级占整个蓄滞洪区面积的52.05%。研究结果可为蓄滞洪区洪水防治、规划和建设提供科学依据和理论参考。
植被净初级生产力（Net Primary Productivity， NPP）是反映生态系统碳循环状态和变化的有效指标，在“双碳”目标背景下，长时序精尺度数据对植被净初级生产力动态监测具有重要意义。海南省作为国家生态文明试验区，其NPP动态监测对于强化陆地生态系统碳汇建设具有典型作用。以海南省西北部为研究区，基于Landsat系列遥感影像数据，采用VPM光能利用率模型，估算得到海南省西北部长时序（2000~2020）精尺度（30 m空间分辨率）的NPP数据，并对其进行时空变化分析。研究结果表明：海南省西北部日平均NPP在年际尺度上呈现明显的波动上升趋势，与其他植被类型相比落叶阔叶林的NPP最高且增长趋势最快，灌丛的NPP最低且增长趋势最慢。海南省西北部NPP在空间上呈现南高北低分布，研究区南部阔叶林及稀树草原地区NPP较高，北部灌丛地区NPP较低。研究区域NPP的整体增长趋势主要是由南部植被所控制。
新疆东天山地区气候恶劣，基岩裸露，遥感解译效果良好。已有1∶20万地质图中岩性的圈定较为笼统，出露较小的岩体、岩脉多有遗漏，缺乏高分辨率遥感技术的应用。以新疆东天山昌吉地区为研究区，基于GF-1和Landsat 8两种影像，运用彩色空间变换（IHS）、Gram-Schmidt等方法进行空间分辨率融合，并对影像进行假彩色合成（FCC）、主成分分析（PCA）、最小噪声分离变换（MNF）等岩性信息增强处理，结合DEM数据构建的三维影像图和已有地质记录，建立影像解译标志，进行细致的岩性单元识别和地质填图。通过野外验证、岩石样品薄片鉴定和反射光谱特征分析对解译结果进行修正，形成了研究区1∶5万遥感解译地质图。结果表明：在基岩露头较好的新疆东天山昌吉地区，融合多源遥感数据可识别1∶20万地质图遗漏的岩性单元，对岩性界线进行修正，提高地质填图的工作效率，为后续地质调查、地质找矿等工作提供依据。
农村黑臭水体类型多，成因复杂，严重影响生态环境质量，使用遥感影像开展农村黑臭水体监测具有实际意义。然而，浮萍型农村黑臭水体与部分植被、绿色房顶和大棚等存在异物同谱现象，利用色度法、特征光谱法提取效果均不理想，严重阻碍了浮萍型农村黑臭水体的高精度、重复性和自动化监测。针对该问题，实验利用GF1、GF2、GF6遥感影像，收集和解译了覆盖西安市多个区县、涉及多个污染对象的299处浮萍型农村黑臭水体信息，基于DeeplabV3+语义分割神经网络，采用ResNet101为骨干网络，引入ECA（Efficient Channel Attention）注意力机制，配合对低照度样本开展提亮和纠色前处理，搭建了浮萍型黑臭水体语义分割模型。该模型的F1-score为0.947，平均交并比 （MIoU， Mean Intersection over Union）为0.948，浮萍型黑臭水体的交并比（IoU， Intersection over Union）为0.884，错误漏检率（FOR， False Omission Rate）为0.081，表明该模型具备从高分辨率遥感影像上高效、精准、重复识别浮萍型农村黑臭水体的能力，可以为政府部门监管农村黑臭水体提供抓手。
互花米草地上生物量（Aboveground Biomass， AGB）估算可为滨海湿地生态系统稳定性评价与区域碳汇监测评估提供重要依据。以浙江滨海湿地为研究区，利用48个实测互花米草地上生物量数据，基于Landsat-8 OLI影像提取反映植被地上生物量信息的植被指数和波段特征，采用单变量回归、多元线性回归、多尺度地理加权回归和偏最小二乘回归方法分别构建互花米草地上生物量估测模型，并通过最优模型反演互花米草地上生物量。结果表明：①互花米草地上生物量与所选取的29个遥感变量呈显著相关，相关系数均介于0.5~0.8（P<0.01）；②偏最小二乘回归构建的模型为浙江滨海湿地互花米草AGB反演最优模型（R2=0.767），均方根误差和平均绝对误差分别为130.576 g/m2和100.801 g/m2；③浙江滨海湿地互花米草平均地上生物量为6 607.01 g/m2，AGB总量为1.36×103 t；浙江滨海地区互花米草AGB总体呈南高北低的分布格局。本研究可为滨海湿地资源合理开发利用、碳汇监测评估和生态系统功能评价提供科学支撑。
生态环境恶化问题引起人们高度重视，对植被覆盖度与景观格局特征动态变化研究，可有效增强植被群落稳定性。成都市龙泉山城市森林公园为川中丘陵区生态恢复典型自然地理代表。本研究基于Landsat8 OLI与GF1 WFV遥感影像数据，结合像元二分模型和景观格局指数，分析了该公园2014~2021年植被覆盖度变化特征与空间景观格局变化特征。结果表明：①龙泉山城市森林公园2014、2017和2021年植被覆盖度皆以中高覆盖度为主，且2021年验证精度达0.90。②2014~2021植被覆盖情况呈现先下降再上升的趋势：2014~2017年间，植被覆盖度退化严重，中高与高植被幅度盖度面积骤减，景观上斑块复杂度与破碎度加剧；2017~2021年间，由于政府保护措施的执行，植被覆盖度有所恢复，中低植被覆盖度面积减少幅度最大，高植被覆盖度面积增加幅度最大，植被生态有所恢复，景观上斑块复杂度降低、景观破碎加剧程度有所缓解。本研究为川中丘陵区的生态恢复及今后规划提供一定的科学参考依据。
针对建筑物提取中存在微小建筑物提取不完整、建筑物边界提取不准确等问题，以ResNet为基础，将残差模块与Inception-V3模块嵌套，然后进行金字塔池化来改善网络分割性能，并将改进的神经网络模型称为非对称卷积金字塔残差网络（In_PPM_ResNet）。该模型兼具三者的优势：残差模块能解决网络退化问题；Inception-V3模块中使用非对称卷积，减少参数量，节约运算资源，多路径级联增加网络宽度；金字塔池化模块获取不同尺度信息，扮演加强特征提取角色。为验证In_PPM_ResNet的有效性和适用性，分别在WHU和AIRS建筑物数据集上进行实验，并将其与典型建筑物提取网络FCN-8S、UNet++、SegNet进行对比。实验结果表明：在WHU数据集上，In_PPM_ResNet相较于其它网络，IoU为最优值，达89.97%，其他评价指标也有一定程度提升，模型参数量对比网络中排名第3，参数量相对较小，每轮次运行时间与其他网络相差不大，证明该模型的效率相对较高；在0.075 m分辨率的AIRS数据集上，交并比、召回率、F1分数均为最优值，分别达88.52%、88.95%和87.85%。另一方面，建筑物提取结果相比于其他网络，边界更准确，空洞少，有一定的应用潜力。
遥感视觉问答根据给定遥感图像回答与图像内容相关的自然语言问题，是快速调查和监测全球资源的重要途径。遥感图像场景复杂多样，从对图像场景的理解到对图中局部目标的识别往往涉及尺度的变化。因此，为在遥感的视觉问答系统中引入多尺度的应用场景，我们设计了多尺度遥感视觉问答模型（MRS-VQA模型），并根据该模型创建了新的数据集—“多尺度遥感视觉问答数据集（MRS-VQA数据集）”。此外，MRS-VQA模型在融合模块使用注意力机制得到两个模态互交的可视化结果，有效提升了模型的准确率和可解释性。实验结果表明：本研究提出的具有两层注意力的MRS-VQA模型（准确率96.82%）优于其他遥感视觉问答模型（RSVQA准确率81.36%），说明多尺度特征融合在遥感视觉问答中的研究具有重要意义。
2021年11月23日，中国首颗C波段合成孔径雷达业务卫星1米C-SAR-01星成功发射，标志着我国海洋遥感业务化观测能力的进一步提升。为了验证1米C-SAR-01业务卫星的海面风场反演能力，本文介绍了C波段合成孔径雷达风场反演方法，给出了1米C-SAR-01卫星风场反演的初步结果。1米C-SAR-01卫星风速和风向反演的初步精度评估是根据欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts， ECMWF）发布的ERA5再分析数据进行的。采集了2022年3月14日至16日共168景全极化影像作为数据基础，共匹配到714个风单元，并基于VV极化下的4种地球物理模型函数（Geophysical Model Function， GMF）以及HH极化下的8种极化比（Polarization Ratio，PR）模型和CMODH模型进行精度评估。结果显示风速和风向的均方根误差（RMSE）分别为0.90 m/s和12.31°。讨论了不同地球物理模型函数和极化比模型的不同性能，表明，1米C-SAR-01卫星具有较好的风场反演能力。
以中国气象局发布的逐小时网格降水数据集（CMPA）为降水参考，采用多种极端降水指数系统地评估了GSMaP（NRT、MVK、Gauge）和IMERG（Early、Late、Final）共6种GPM时代卫星降水数据对四川极端降水的监测精度。结论如下：①四川多发生局部短历时强降水，降水空间异质性强，在盆地和盆地周边的极端降水频率和强度明显大于其他地区，在盆地与川西高原接壤地区形成一条明显的极端降水分界线。②IMERG能够较为精确地探测到暴雨、持续性降水事件和干旱事件，其中Final产品精度最高，IMERG产品的极端降水指数精度明显优于GSMaP。③IMERG-F的降水概率密度函数（PDF）与CMPA的PDF特征最为相似，其次为GSMaP-Guage，但经过站点校正的GSMaP-Gauge产品完全改变了NRT和MVK的PDF特征，忽略掉了较多大雨、暴雨事件，将极不利于对极端降水的监测。总体上，GPM降水产品对极端降水的探测精度存在较大的地域性差异，IMERG较GSMaP表现出更高的极端降水探测精度，在地形复杂的川西高原地区IMERG和GSMaP均存在较大的降水误差。
甘公网安备 62010202000685号
