近年来，为提高地物分类精度，突破单一传感器的技术擎制，弥补单一数据源应用的局限性，多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案，打破了单一传感器的技术上限，为目标三维空间—光谱信息一体化获取提供了一种新的解决途径，同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程，论述其在特征级和决策级的主要融合方法和研究进展，将常用特征级融合和决策级融合方法进行详细介绍，并对最新几种研究算法进展进行小结和概述，探讨了其面临的挑战和未来发展与应用前景，最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。

在对地观测领域中云检测是遥感定量化应用的重要环节，同时也是卫星气象应用的关键步骤。近年来，基于机器学习的遥感影像云检测逐渐成为该领域的研究热点，并且取得了一系列研究成果。系统阐述了近10 a来国内外基于机器学习的遥感影像云检测的研究进展，将算法模型分为传统的机器学习模型和深度学习模型两类，并对两类中的具体模型进行详细介绍，对比分析不同模型的优缺点及其适用情况。重点介绍了传统机器学习中的支持向量机（SVM）、随机森林等方法，深度学习中的神经网络模型，包括卷积神经网络（CNN）、改进的U-Net网络等模型。在此基础上，分析了基于机器学习的遥感影像云检测研究中存在的问题，讨论了未来潜在发展方向。

南迦巴瓦峰地区位于东喜马拉雅构造结的构造变形核心地带，地质构造环境复杂，地质灾害频发，加强对该地区的地表形变监测研究对当地防灾减灾和经济可持续发展有着重要意义。研究利用Sentinel-1卫星数据在该区域开展地表形变监测，通过PS-InSAR技术获得雷达视线方向（Line-Of-Sight， LOS）的形变速率分布与形变时间序列数据，并对地表形变的分布情况和2017年米林M6.9地震的同震形变情况展开分析与讨论。结果发现南迦巴瓦地区地表形变受新生代构造变形影响较大，研究区内的构造形变主要有同震、震后松弛形变和板块边界带的俯冲形变。雅鲁藏布江两侧变形差异较大，北侧呈缓慢的负形变趋势，南侧由于受到俯冲断裂的影响以较高的速率正形变。米林地震的同震形变呈现出西南盘负形变，北东盘正形变且西南盘形变量更大的空间分布特征。研究结果表明：InSAR监测技术可为青藏高原灾害监测和科学研究提供高时空分辨率的地表形变数据。

为探究不同机器学习模型在我国南方典型湿润山区的植被类型分类效果，基于无人机遥感影像、实地观测数据、数字高程模型建立遥感特征，选用决策树、随机森林、支持向量机和AdaBoost模型在安徽屯溪流域构建植被类型遥感分类模型；选择总体精度、Kappa系数、均方误差、用户精度和生产者精度等评价指标，分析对比4种机器学习模型在典型小流域的适用性。结果表明：对于林地类型，AdaBoost模型分类精度最高，表明AdaBoost模型在林地分类中有明显的优势；对于非林地类型，模型之间精度差异较大，随机森林模型精度最高；整体而言，4种模型在南方典型湿润山区典型小流域均可获得较好的分类效果，其中AdaBoost模型总体精度为95.55%、Kappa系数为0.9419，均为最高，支持向量机模型表现均最低。地形因子、纹理特征等辅助特征为分类过程提供了重要信息，有助于提高分类精度。

现有地基激光雷达林下植被滤除研究精度不高且自动化程度较低，针对当前研究存在的不足，以两块地基激光雷达天然林样地点云数据为研究对象，提出了一种基于点云主方向的林下植被自动滤除方法。首先对数据进行裁剪、去噪、滤波和高度归一化等预处理后，根据样地林下植被的生长高度，将数据以一定高度分为上下两层，上层为乔木点云，下层为包含林下植被点云。然后，计算下层点云的空间邻域内特征以提取点云主方向，根据主方向与Z轴方向的法向量之间的夹角提取林下主干，滤除大量林下植被点云。最后，利用欧式距离聚类方法对林下主干提取结果进行聚类，精细提取林下主干，实现林下植被的完全滤除。根据以上方法，研究以两块天然林样地进行实验，结果表明，当样地1的邻域值k为100，夹角阈值t 为30°，样地2的k邻域值为150，夹角阈值t为30°时，两块样地林下主干数量都实现了100%的完全提取，说明林下植被滤除结果较好。通过对邻域值k和夹角阈值t进行讨论，研究认为k值选择100~150为宜，t值选择30°为宜。该方法参数少，自动化程度高，可为以灌木或乔木为对象的研究提供一定的技术参考。

相比于传统的人工实地调查的方法，通过无人机倾斜摄影测量技术多角度拍摄提取单木树冠信息，具有高效、准确和低成本等优势。以内蒙古自治区赤峰市喀喇沁旗西南部旺业甸林场的落叶松近成熟林为研究对象，以倾斜摄影测量技术获取的无人机影像为数据源，提出一种结合可见光植被指数和分水岭算法的单木冠幅提取方法。首先通过数字正射影像计算可见光波段超绿超红差分指数；选择合理阈值对图像进行二值化，并利用中值滤波对树冠区域图进行去噪处理，分离出植被与非植被区域；以植被区域为掩膜范围对冠层高度模型进行掩膜；最后，利用分水岭分割算法提取单木树冠进行精度验证。在树冠区域提取过程中，基于超绿超红差分指数结合阈值法成功分离出植被与非植被区域；通过中值滤波有效地去除了因亮度不均、阴影及非植被区域的纹理等信息所造成的斑点和噪声，保证了树冠边缘的完整性及树冠内部的连通性，同时减少了分水岭算法的过分割现象。单木尺度上，树冠参数信息提取的准确率分别为88.72%和79.38%，召回率分别为93.29%和88.60%，F测度分别为90.59%和83.74%；样地尺度上，相对误差分别为15.45%和22.92%。研究结果表明：基于数字正射影像采用可见光植被指数提取植被区域很好地消除了林内裸地等背景因素的影响，同时基于冠层高度模型利用分水岭分割算法能够精确的区分单木信息。基于无人机倾斜摄影测量技术得到的两种数据源结合发挥了各自的优势，能够高效、准确地提取较高郁闭度林分的单木树冠信息。

研究土地利用景观格局的地形分异特征及其驱动机制，对于土地利用优化及景观动态管理具有重要意义。选择地形复杂、覆被类型多样、以旅游干扰为主的张家界市永定区为研究对象，将研究区多个年份的景观类型图与高程、坡度、坡向分级图逐个叠加并进行分类统计；从景观水平指数和类型水平指数中选取斑块密度（PD）、聚合度指数（AI）、蔓延度指数（CONTAG）等8个景观指数，计算指数年份变化，探讨其地形分异规律和驱动机制。结果表明：①研究区土地利用景观类型具有明显的海拔梯度特征，80 %以上的土地面积集中于海拔300~800 m与坡度6°~35°的区域；②无论是景观水平指数还是类型水平指数，其地形分异特征明显，且高程与坡度的分异明显高于坡向分异；③地形梯度较大区域（高海拔陡坡区）的土地利用景观格局演变以自然生态演变导向为主，而地形梯度较小区域（低海拔缓坡区域）的演变受社会经济因子干扰较明显。

高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源，开展基于该卫星影像的多种水体指数方法提取效果的对比研究，对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数（NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI_VIs），以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例，在GEE（Google Earth Engine）平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取，进而定量分析了不同指数提取水体的精度。结果表明：总体而言，7种水体指数均可以较好识别地表水，但在不同类型的地表水体提取时的表现存在一定的差异；NDWI指数在瞬时性水体（如水田、洪泛区等）会低估地表水的分布，漏分率较高；而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向，错分率较高；MNDWI_VIs水体指数在复杂水体类型的区域提取精度保持最高；在长时序水体变化监测方面，7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要的科学依据。

滩涂作为潮间带生态系统的重要组成部分，具有维持海岸线稳定，加速物质交换和促进碳循环等独特的环境调节服务功能和生态效益。对潮间带湿地现状进行准确、及时的评估对实现可持续管理目标至关重要。研究借助Google Earth Engine （GEE）云计算平台，选用2020年Sentinel-2密集时间序列遥感影像，集成最大光谱指数合成算法（Maximum Spectral Index Composite，MSIC）和大津算法（Otsu）构建多层决策树分类模型，实现澳大利亚潮间带滩涂的快速自动化提取。经过矢量化处理得到2020年澳大利亚高分辨率潮间带滩涂空间分布图，提取的滩涂面积为10 708.22 km²，总体精度为95.32%，Kappa系数为0.94。该数据集存储格式为.shp，时间分辨率为年，空间分辨率为10 m，数据量为154 M。该数据能促进并管理沿海生态系统，如红树林造林和控制互花米草等外来物种入侵，同时还可以作为科学研究的基础数据，如生物多样性、碳储量估算和海平面上升造成的海水侵蚀。

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。

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。

日光诱导叶绿素荧光（Solar-Induced Chlorophyll Fluorescence， SIF）与植被光合作用关系密切，能够揭示植被真实生理状况，准确获取SIF信息对陆地生态碳循环和全球植被监测具有重要意义。以3FLD算法的SIF反演结果和NIRvR为参考，开展了基于塔基平台的数据驱动SIF反演算法性能评价研究。首先利用塔基连续冠层光谱观测数据，分析了SVD算法在不同大气窗口的SIF反演效果；其次利用大气校正前后的实测数据，探究大气因素对SVD算法反演SIF的影响程度；最后，将实测数据按照光照条件区分，对比了天气稳定与天气波动条件下，基于SVD算法的SIF反演结果的稳定性。结果表明：（1）SVD算法在735~759 nm（不包含大气吸收波段）、745~780 nm（包含大气吸收波段）窗口的SIF反演精度较高；（2）SVD算法的SIF反演精度受大气影响远小于3FLD算法；（3）当光照条件剧烈变化时，使用SVD算法可以有效克服FLD类SIF反演算法对同步太阳光谱观测的依赖；即使光照迅速变化，基于SVD算法依旧能够得到稳定可靠的SIF反演结果。综上所述，SVD算法对于塔基SIF反演来说具有非常大的应用潜力。

乌鲁木齐市作为新疆首府、“一带一路”中的中亚区域经济中心，其土地资源的合理利用、城市形态的健康发展则显得尤为重要。本研究首先基于乌鲁木齐主城区1990~2018年遥感影像解译出的土地利用分类对其土地利用时空演变情况加以分析，1990~2018年乌鲁木齐主城区急剧扩张，2010年以来交通网络铺设完善，主城区快速扩张，周遭耕地、林地、草地等萎缩95.12 km2、6.49 km2、52.37 km2，重心呈现出向东与向北扩张趋势，主城区农用与绿化面积萎缩，无法兼顾经济与生态效益协调可持续发展。接着，遴选自然与社会经济等影响主城区扩张的驱动因素，结合乌鲁木齐主城区扩张历史特点设计第一产业优先、第二三产业优先、生态优先情景，利用GeoSOS-FLUS模型对不同情景下的主城区扩张情景进行模拟预测，研究发现第二三产业优先情景下建设用地明显增加1 142.94 km2；生态优先情景下生态效益高的林地、草地、水域面积显著增加281.59、651.38、7.29 km2；第一产业优先情景下，建设用地、耕地等地类面积扩张617.14、611.71 km2。上述对乌鲁木齐的城市扩张加以多情景预测推演，不仅有利于重新审视乌鲁木齐城市扩张的合理性，也可以为其未来城市合理、科学的规划与发展指明方向。

地表温度（Land Surface Temperature，LST）在陆地—大气能量交换等研究中扮演着重要角色。LST随时间变化迅速，且极轨遥感卫星获取的LST的地方太阳时在像元间存在差异，需进行时间归一化以提高LST遥感产品的应用价值。面向MODIS LST产品，基于FY-4A高时间分辨率的LST产品，引入地表温度日变化模型（DTC），构建了粗细分辨率转换配准方法，提出了基于日变化信息的LST时间归一化模型（Temporal-effect Normalization Model of land surface temperature Based on Diurnal variation information， BDTNM），探讨了时间窗口、归一化时刻与空值情况对模型的影响。利用张掖地区站点实测数据、模拟数据对INA08_2模型和BDTNM模型归一化结果进行验证和评价，结果表明BDTNM方法比INA08_2模型具有更好的稳定性及鲁棒性，精度提高了0.4~1.0 K，并具有一定的空值插补能力，该方法对其他遥感卫星LST的时间归一化也具有一定的借鉴意义。

随着全球城市化进程的不断推进，地表城市热岛（Surface Urban Heat Island， SUHI）效应日益加剧。厘清SUHI面积时空格局对于全面了解SUHI效应时空变化规律至关重要。基于MODIS （Moderate-resolution Imaging Spectroradiometer）地表温度数据，结合高斯模型和地表温度日内循环模型（Diurnal Temperature Cycle， DTC）计算了全球504个主要城市2000~2019年的SUHI面积比例（SUHI Ratio， I_R）——即SUHI面积与城区面积的比值，并在不同时间尺度上（日内逐时、季节对比、年际变化）分析了全球及不同气候区城市的I_R变化特征。结果显示：就空间特征而言，全球城市多年I_R均值在白天和夜间分别为0.85和0.75，其中寒带气候区城市的多年平均I_R（日夜分别为0.94和0.86）显著大于干旱、热带和温带气候区城市。就时间特征而言，日内尺度上全球及各气候区城市I_R的变化趋势呈现相同规律，均在日出后先下降后上升，分别于日出后3 h和7 h达到最小和最大值，而后波动下降并渐趋稳定；季节尺度上全球城市夏季I_R（日夜分别为0.86和0.76）略高于冬季（日夜分别为0.81和 0.72），干旱、寒带和温带气候区I_R季节变化与此一致，热带气候区则呈现相反规律；年际尺度上白天54%的城市年均I_R呈增大趋势，夜晚则有62%的城市年均I_R呈减小趋势。本研究填补了对全球尺度下SUHI面积时空格局的认识，详细揭示了SUHI面积比例在不同时间尺度和不同气候区之间的变化特征，研究结果有助于加深对SUHI效应的理解。

山地城市通常因为地形复杂、气候多变使得局地的地表热通量分布规律与平原城市有较大区别。为探求山地新开发区城市化进程中的地表热通量时空演变规律，利用卫星遥感影像资料和LUMPS、SEBS模型，对代表重庆市未来发展窗口的悦来新城不同土地利用类型的热平衡过程和城市化前、中、后3期的各热通量过程时空演变规律进行了分析，并探讨了土地利用/植被覆盖对各地表热通量的影响，结果表明：（1）悦来新城各土地利用类型的净辐射通量及差值在7月份最大，1月份最小，植被覆盖度是不同土地利用类型显热通量存在差异的因素之一，潜热通量依次为：林地>农田>未利用土地>居民用地，土壤热通量依次为：未利用土地>居民用地>林地>农田；（2）城市化进程使得悦来新城的净辐射低值区域增多，显热通量呈增加趋势且在能量输出中占比最多，潜热通量的低值区有向南北逐渐扩张的趋势，在潜热通量较低的地区土壤热通量和显热通量较高；土壤热通量与显热的分布规律基本一致，均呈增大趋势；（3）土壤热通量与土地利用面积的相关关系是各能量输出因子中最好的；植被覆盖度对各热通量的影响远大于土地利用面积，居民组合用地与植被覆盖度关系最为密切，潜热通量受植被覆盖度的影响最大。

丹江口水库是南水北调中线工程水源地，明确土地利用景观格局与水质参数之间的响应关系，是保护及改善水质的重要前提。利用Sentinel-2B遥感影像数据对土地利用状况进行分类，基于GIS空间分析技术计算土地利用类型综合效应的景观开发强度指数，结合自动监测站点水质数据，采用冗余分析（RDA），初步探讨了丹江口水库土地利用与水质变化二者之间的响应关系。结果表明：500 m缓冲区的总解释率在枯水期与丰水期在第一轴上典型特征值为0.605 5和0.583 3，总解释率分别为71.3%和72.6%，在全部缓冲区内最高，该缓冲区的土地利用对水质的影响最大。在该缓冲区内耕地和建筑用地分布集中且连通性和聚集程度较高，对河流的污染相对较高，林地相对较多且整体连通性和聚集程度较高，对水质污染起到了一定的抑制作用。研究结果揭示了在水库周边相邻地区，农业种植区施肥和畜牧业所产生的营养物质，通过地表径流冲刷进入湖泊的营养物质是丹江口水库非点源污染的主要贡献来源。库区周边一方面要增加森林覆盖度从而增强植被改善河流水面源污染方面的强度；另一方面，要防止农业生产所产生的氮、磷对水质的影响，以减少整个库区的面源污染。

针对诸如水体等暗色地物信息影响山区地形阴影提取精度的问题，提出一种基于地物第一主成分特征和光谱特征的地形阴影提取方法。首先，分析包括地形阴影在内的4类典型地物光谱特征和第一主成分特征，建立阴影分量\mathrm{P}\mathrm{C}\mathrm{A}\mathrm{1}和水体分量NDMBWI，构建归一化阴影指数NSI；然后，通过分析NSI和NDVI之间的二维空间分布构建动态阈值；最后，分割图像信息，获取地形阴影区域。试验结果表明：①相较于其他方法，基于NSI的动态阈值法总体精度和Kappa系数均最高（约为0.893和0.759），阴影区域反射率的3个统计量（R、SD和CV系数）均较低，表明该方法能有效消除水体和其他暗色地物影响，准确提取阴影；②基于NSI构建的动态阈值法在不同时相和不同研究区上的地形阴影提取结果良好，地形阴影同水体、暗色地物和建筑区分度较高，能在一定程度上抑制云阴影的影响，算法具有良好的稳定性和适用性。

利用无人机高光谱遥感数据技术快速、准确地提取典型草原植被类型，对动态监测草原生态安全具有重要的意义。为此，在退化较严重的白音锡勒牧场典型草原区，采集了空间分辨率为1.8 cm、光谱分辨率为4 nm，共有125个波段（450~950 nm）的高光谱影像。选主要退化指示种—冷蒿为识别目标，经微分变换和包络线去除等光谱变换处理，进行光谱特征差异分析发现冷蒿与其他绿色植被和背景土壤在500、550、670 nm处有明显的光谱差异，因此选择以上3个波段作为特征波段，构建了支持向量机（SVM）和随机森林（RF）的退化指示物种识别模型，并进行了精度验证。结果显示：SVM和RF的识别精度分别为96.92%和97.34%，Kappa系数分别为0.95和0.96。从结果可知，随机森林模型的识别精度更高，退化指示种的像元空间分布更接近自然状况，可以为监测典型草原退化指示种提供技术支持。

现有异常水体的检测研究通常针对特定区域、特定数据源和特定时相开展，且往往是事后的检测而非实时的监测，不能很好地服务于水体异常快速发现与识别的业务需求。为此，提出了一种基于无监督的孤立森林加决策规则（U-IForest-SD）的水体异常信息提取方法，并以Landsat与Sentinel的数据作为测试数据，以青岛浒苔、松雅湖黑臭水、墨西哥湾溢油为案例，对比了支持向量机、监督孤立森林以及U-IForest-SD 3种方法识别浒苔、黑臭水和溢油的精度。研究结果显示：该方法对于3种异常类型的总体识别精度都在90%以上、Kppa系数都在0.8以上，整体精度高于监督孤立森林但略低于SVM。该算法只需要输入单期影像，无需训练样本，具有可移植性好、普适性强、自动化程度高的优点。此外，该方法可以有效地避免“假警”和“虚警”的发生，在异常水体的快速发现和识别业务中有很好的应用前景。

Google Earth Engine（GEE）是集遥感影像存储与分析于一体的综合应用平台，能够方便快捷地调用遥感影像与信息提取，因此GEE受到越来越多科研工作者的关注。随着GEE不断扩充和升级，系统平台也愈发复杂。对于一般用户来说，要想快速了解其体系结构和功能算法变的越来越困难。针对这一问题，系统介绍了GEE的技术架构、数据资源、模型算法及计算资源，对GEE在各大领域的应用成果进行总结归纳，以期能为GEE的使用者提供一个快速了解该平台的窗口，帮助其更好地利用GEE平台开展自己的应用研究。

高分六号中分辨率宽幅相机（GF6-WFV）设计了两个红边波段，具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区，获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证，选取最优反演模型。结果表明，GF6-WFV数据新增红边Ⅰ波段（B5：710 nm）和红波段（B3：660 nm）构建的两波段比值模型反演精度较高，相关系数平方（R²）为0.89，平均相对误差（MRE）为34.71%，均方根误差（RMSE）为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度，研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型，在中国东部典型湖库具有较好的适用性。

红树林是全球净初级生产力最高的生态系统之一，其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用。快速且准确地获取大范围红树林空间分布，对于红树林资源的有效管理和开发利用具有重要意义。Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源。选取华南沿海的英罗湾和珍珠港作为实验区，利用Landsat-8 OLI影像结合归一化差异红树林指数（Normalized Difference Mangrove Index， NDMI）、综合红树林识别指数（Combined Mangrove Recognition Index， CMRI）、模块化红树林识别指数（Modular Mangrove Recognition Index， MMRI）、红树林指数（Mangrove Index， MI）和红树林植被指数（Mangrove Vegetation Index， MVI）5种指数来提取红树林分布信息，并对比5种指数用于红树林提取的效果，筛选适用于Landsat-8 OLI影像的最佳红树林提取指数。提出了结合归一化差异水体指数（Normalized Difference Water Index， NDWI）优化的红树林分布信息提取方案，以提升红树林分布信息的遥感监测能力，并应用于广西沿海大范围红树林空间分布的提取。研究结果表明：①基于Landsat-8 OLI影像和指数法可以有效提取红树林分布信息；用于提取红树林的5种指数中MVI指数的提取效果最好，CMRI指数的提取效果最差。②结合NDWI指数可以进一步提高红树林提取精度，优化后的MVI指数应用于广西沿海红树林的提取结果最佳，总体精度达到97.10%。本文提出的研究方案和红树林指数阈值范围，可为大范围红树林分布提取提供参考和决策支持。

随着全世界航天事业的不断壮大，卫星成像业务已经向多星协同覆盖大区域目标转型发展。在此过程中需要同时优化如最大覆盖面积、最小卫星资源利用等多个目标函数。围绕地球观测卫星区域覆盖调度及数传规划全流程，首先总结了典型区域分解技术，其作为卫星区域覆盖计划制定的前期准备步骤，在卫星调度中发挥着重要作用。随后分析评述了近年来多目标算法在卫星区域覆盖调度及数传规划领域的代表性工作。最后进行总结并对未来研究提出几点展望，以期为相关任务的多目标算法应用提供可靠参考。

快速准确获取某特种植物种植地块的面积信息对于毒品产量估算和防范毒品犯罪活动等具有重要意义。针对高分辨率遥感影像中现有某特种植物种植地块检测算法无法同时快速获取位置信息与面积信息的问题，提出了一种适用于快速准确提取某特种植物种植地块的改进PSPNet语义分割模型。通过引入通道注意力SE模块解决了某特种植物种植地块分割存在孔洞的问题，加入Dice Loss损失函数改善了正负样本不平衡的问题，引入编码器—解码器结构使提取的某特种植物种植地块轮廓边界更精确。通过使用MobileNetv2骨干网络将模型预测速度提高了90%。改进得到的I-PSPNet模型在某特种植物种植地块提取中MPA和MIoU达到95%和84%，检测效率达到84 fps。通过I-PSPNet与UNet、Deeplabv3+、PSPNet 3个模型的对比实验表明，改进模型的预测精度和速度均优于上述3个模型，其中，MPA提高了24%、7.4%和7.7%，MIoU提高了19%、4.3%和4.9%，预测速度提高了57 fps、56 fps和40 fps。同时，改进后的模型对于RGB波段数据集和GF-2影像也有着良好的适用能力。研究提出的改进模型可用于快速精准获取某特种植物种植地块位置信息和面积信息，可以为禁毒部门快速发现非法种植某特种植物种植地块，客观评估非法种植规模，实施精准打击治理毒品非法犯罪活动提供技术支撑。

中法海洋卫星（CFOSAT， China-France Oceanography Satellite）散射计是国际上首个扇形波束圆锥扫描体制散射计，可以获得目标多个入射角的观测数据。CFOSAT散射计地面预处理业务软件生成Level-1数据，包括L1A（Level 1A）和L1B（Level 1B）数据。针对CFOSAT散射计Level-1数据跟踪测试需求，设计开发了CFOSAT散射计数据测试软件系统，该系统重点测试分析Sigma0数据。数据测试系统基于MySQL数据库技术，结合OpenMP并行处理技术，采用Matlab和VC++混合编程开发，可高效地获得CFOSAT散射计Sigma0数据质量的测试评估结果。对CFOSAT散射计Sigma0数据的测试分析表明了CFOSAT散射计数据预处理算法的正确性，同时也表明CFOSAT散射计观测精度较高。该软件有助于全面掌握CFOSAT散射计业务数据的状态，为CFOSAT散射计数据预处理算法优化提供重要参考。

无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势，但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题，限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题，研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机，相机包括面向内陆水体叶绿素a反演的670和700 nm波段；利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像，并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型；将反演模型应用于多光谱影像，反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。

随着城市区域的职能日趋复杂化，科学准确地识别城市土地的具体功能类型对于科学城市规划、实现可持续发展具有关键意义。提出了一种时序动态的城市功能区识别方案，以北京市六环内区域作为研究区，利用出租车轨迹数据，采用动态主题模型从海量出行数据中提取出行模式高发区域，并基于主题模型对城市地块进行聚类，使用POI语义标注聚类结果识别出城市功能区。研究评价了6 a内主题地块分布的变化趋势，探讨了地块活动语义的动态变化情况，结果表明：①动态主题分布具有空间扩散性，地块语义强度分布呈现明显圈层扩张性。②基于出行活动的聚类簇空间边界随时间逐渐与研究区区级行政区划吻合，功能标注结果与区域的具体职能匹配程度较高。③主题变化度高值主要分布在外环区域，且与地块建设用地占比呈负相关关系。该研究表明动态主题模型在出行数据挖掘场景下具有适用性，为时序数据挖掘的应用提供了新的方案参考。

基于Sentinel-2遥感数据，选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法，对2021年5月初南四湖沉水植被（菹草群落）进行提取研究，利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析，结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明：①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km²以下，分别为98.97 km²和75.92 km²，基于时序NDVI的方法提取面积为207.44 km²，最接近实地调查的菹草面积。②无论是全湖还是核心区，监督分类和随机森林法的提取精度均75%左右，平均相对误差（MRE）在0.5左右，平均误差在20~30 km²左右，而基于时序NDVI的方法精度在90%以上，MRE和ME_area也最低。③对比植被覆盖度发现，监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草，对湖心区覆盖度较低的菹草提取效果差，而时序NDVI的方法对低植被覆盖度菹草群落更敏感，是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势，有助于加强对青海湖水环境质量的监测，降低监测成本。而资源一号02D（ZY1-02D）卫星高光谱影像作为新的数据源，具有高空间分辨率、高光谱分辨率的优点，为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性，以ZY1-02D高光谱影像为遥感数据源，同时辅助实测数据，构建青海湖悬浮物浓度反演模型，并进行精度验证，评价模型的准确性，最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%，均方根误差为0.296 mg/L，精度较好，青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征，与同期Sentinl-2和同期Landsat 8数据反演结果进行对比，反演结果保持一致，说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。

秸秆焚烧是大气污染的重要来源之一，因其发生具有随机性和分散性，难以快速、准确、全面地获得秸秆焚烧火点信息，监管部门监督执法面临较大困难。为提高秸秆焚烧的监测精度和效率，研发了高精度火点提取算法，基于多源卫星遥感数据对秸秆焚烧火点进行监测，制定了无人机、人工现场核实方案，对卫星监测的火点信息进行核实。开发了Web端和移动APP端系统平台，定向推送和展示火点信息。形成兼具发现和核查功能的天空地一体化秸秆焚烧监管体系。相关平台应用于2020年山东省春秋季秸秆焚烧火点监测，实现遥感监测火点58个，经核实后真火点为53个，准确率为91.38%。结果表明，该监管体系可快速提取高精度火点信息，为秸秆焚烧监管提供新的思路和手段。

耦合城市物理环境和人类社会活动两个层面，研究城市空间结构的时空演变特征，能够明晰城市发展的现状需求，为国土空间规划的布局提供参考。基于多源地理大数据，从城市静—动系统的协调性角度，以武汉市主城区为例，利用夜光遥感数据、POI数据、土地利用数据和道路数据，构建耦合协调度模型，从层次结构和圈层分布两方面，刻画了城市空间结构的时空演变特征。研究表明：①就时间变化而言，2010~2020年间武汉市主城区空间结构趋于完善，城市中心的范围和数量也出现了外延和增加。②就空间分布而言，主城区内空间结构的优劣分布欠均衡，总体形成了以城市中心向外围沿圈层梯度逐渐降低的格局。③利用多源地理大数据，在城市静—动系统视角下对城市空间结构特征的刻画，与城市的实际发展情况吻合度高，有助于深化对城市空间结构的理解，为国土空间规划提供参考。

建筑是城市精细化管理的基础单元，利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率（0.8 m）遥感数据，建立了北京市建筑轮廓样本库，利用多种语义分割模型U-Net、DANet、UA-Net（U Attention Net）和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价，通过对比不同类型建筑（如楼房、别墅及村庄建筑等）的提取效果，最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明：U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%，且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现；对比不同模型的识别效果发现，语义分割模型对于平房型建筑识别较有优势，实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓，这为开展典型建筑轮廓提取任务的模型选择提供了科学依据，并且识别的城市建筑成果在一定程度上解决了城市内部精细尺度研究数据缺失的问题。

近年来氢氟化碳HFC气体丰度不断增加，其温室潜能值巨大，对全球变暖产生影响的同时也间接造成臭氧层的破坏。国内外学者开展了广泛的地面原位测量来获取其全球丰度，同时遥感技术可以大范围、长时间、快速监测HFC气体的变化，成为该气体浓度反演的重要手段。对原位测量方法、示踪物比值法、卫星反演传感器发展和卫星反演方法4个方面的内容进行阐述，结合载荷特征分析比较不同反演方法的优缺点，最后对当前反演存在的问题和未来的发展趋势进行了讨论和展望。

利用遥感技术快速、准确地进行冬小麦种植面积提取对农作物估产和粮食安全具有重要意义。由于中高分辨率时序影像受重访周期、云雨天气等影响难以获取，而低分辨率遥感数据在作物种植信息提取上精度低等问题，以河南省长葛市为例，获取2015~2020年间的Landsat 8和MODIS影像为数据集，基于优化后的卷积神经网络时空融合模型对2种数据进行融合，构建30 m分辨率的NDVI时间序列集，采用S-G（Savitzky-Golay）滤波对时序集进行去噪，最后利用随机森林方法对冬小麦种植面积进行提取。结果表明：优化后的融合模型鲁棒性较好，预测影像与真实影像R²均在0.92以上。研究区小麦面积提取与统计面积的一致性为97.3%，结果可靠。因此，优化后的模型能较好地融合出中高分辨率影像，是一种有效的补充缺失影像的技术手段，构建的时序集能较为准确地提取县域小麦种植面积。

以北部湾为研究对象，基于Sentinel-3A卫星搭载的OCLI水色传感器，探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区，结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子，包括波段比值、波段差值和波段差比，构建了叶绿素a浓度的遥感反演模型。研究结果表明：①北部湾海域的遥感反射率曲线呈现明显的分区的特征，结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体；②不同水体类型适用不同的反演因子构建模型，其中R_rs（764.375）/R_rs（681.25）用于近岸水体，［1/R_rs（620）-1/R_rs（708.75）］/R_rs（753.75）用于过渡水体，R_rs（708.75）-R_rs（764.375）用于离岸水体，均取得了较好的拟合效果，相应的R²值分别为0.67、0.80和0.8；③分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentinel-3A卫星OCLI数据的分区模型，成功实现了对北部湾水体叶绿素浓度的遥感反演，同时，实现了北部湾叶绿素浓度的遥感监测，并为提升海洋生态环境管理和保护提供了重要的科学依据。

云是影响青藏高原能量平衡和地气过程的关键参量之一，研究高原的云量对探讨青藏高原的气候变化具有重要意义。采用2001~2020年的MODIS总云量数据与ERA5、CRA40两套再分析资料的总云量数据，以3~11月份MOD06云量资料为真值，评价不同再分析资料在青藏高原的适用性。利用改进自编码器模型，基于ERA5和MOD06重构了1950~2020年的3~11月的高原云量。结果表明：在高原地区，ERA5的云量值偏高，而CRA40云量值偏低，且ERA5与MOD06的相关性明显优于CRA40与MOD06的相关性；通过相关系数、偏差、平均绝对误差、均方根误差四种评价指标，发现改进自编码器模型在重构云量方面具有良好的效果，且能模拟出青藏高原云量的变化趋势，为研究青藏高原地区云量时空演变规律提供了可靠的长时序数据。

地下水水质污染日益加重，监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰，现有研究多数对离子化合物进行简单的定性分析，较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性，通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱（400~1 000 nm），探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法，并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现：①3种离子化合物整体反射率在波长400~1 000 nm处与含量成反比，与离子的电荷数和半径成正比；②基于主成分分析较连续投影法提取的特征谱段，构建的多元线性回归模型能够较好地反演水体离子化合物含量；③KCl最优反演模型的预处理方式为SG滤波，CaCl₂和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化；④相较于传统线性反演模型，PCA-BPNN非线性模型取得了最优的反演结果，其中钾离子化合物含量反演结果最优，其训练集R²和RMSE分别达到0.996 4和248.77，测试集R²和RMSE分别达到0.998 8和156.89，研究可为地下水离子化物遥感反演提供重要的理论与技术支撑。

研究植被指数与光合有效辐射吸收比FPAR的定量关系对于提高FPAR反演精度与指导生产实践具有一定的参考价值。研究在三维辐射传输模型LESS基础上发展了一个兼具一维模型简洁和三维模型精度优势的LESS1D模块（已随LESS模型正式发布，www.lessrt.org）；探究随机均匀场景和三维异质场景中植被冠形、盖度等7种因素对6种植被指数与FPAR_green关系的影响。结果表明：①在均质性场景中，NDVI、SAVI、EVI对FPAR_green拟合相对最优，而在异质性场景中，则为NDVI和RVI。②在异质性场景中，不同冠形下FPAR_green与植被指数的拟合精度为圆柱形>椭球形>圆锥形；植被盖度较低时，植被指数对FPAR_green拟合精度较差；随着太阳天顶角增大，RVI与FPAR_green由线性关系变为指数关系。 结论 树冠体积和树冠几何结构是不同冠形影响FPAR_green大小的关键因素，而叶片聚集度、植被盖度和植被指数类型则是影响植被指数饱和效应的相关因素。

植被物候信息是评价气候—植被交互影响、土地覆盖率以及生态系统年际生产力变化的关键指标。传统物候监测方法以目视观察为主，监测范围受限且人力物力消耗大。遥感技术作为近年来新兴的监测手段，具有监测范围大、信息获取便捷以及节省人力物力等特点，其应用进一步推动了植被物候动态监测研究的发展。本文首先对近年来植被物候遥感监测流程进行梳理，明晰了现有的遥感物候监测体系；概述了可用于建立植被生长曲线遥感数据源，并对不同数据源的应用情境进行了讨论；总结了现有的曲线降噪算法及应用流程，对不同方法进行降噪处理时误差成因进行了分析；归纳了目前主要的植被物候提取方法；最后讨论了数据分辨率、植被物候阶段定义以及监测时效性等植被物候遥感监测中尚存的不确定性因素，并对未来植被物候遥感监测研究的主要方向进行了展望。