摘要：森林高度是反映森林资源数量和质量的重要参数，极化干涉合成孔径雷达PolInSAR （Polarimetric Synthetic Aperture Radar Interferometry）技术在森林高度反演中极具潜力。由于森林散射特征受波长影响明显，由此引起的散射机理差异使得基于PolInSAR技术反演的森林高度结果具有很大的不确定性。为了定量化该不确定性的影响，本文以模拟森林场景为例，对PolInSAR技术森林高度反演中常用的4种方法——极化相位中心高度估测法、复相干相位中心差分法、复相干幅度反演法以及相干幅度、相位联合反演法，以及它们在常用的4个微波波段P、L、C和X中的森林高度估测结果进行了分析；明确了匀质森林场景中，算法、波段选择引起的森林高度估测结果的不确定性。研究结果表明：在森林场景基本一致的情况下，估测算法的选择直接影响森林高度估测结果，其中复相干幅度反演法在4个波段的估测结果中精度均最高，但各估测点的估测结果离散度及不确定度较大。波长对4类估测方法估测结果的影响差异明显：复相干幅度反演法的反演结果几乎不受波长的影响，而相干幅度、相位联合反演法受波长影响明显，在P和L波段反演结果中精度较高，在C和X波段反演结果中精度降低明显。此外，以传统的交叉极化（HV）相位代表冠层散射相位中心，水平同极化与垂直同极化的相位差（HH-VV）代表地表散射相位中心，采用复相干相位中心差分法进行森林高度估测会出现严重低估现象。估测结果不确定度具有波长和算法选择依赖性，在C和X波段采用复相干相位中心差分法估测结果不确定度最低，在P和L波段采用极化相位中心高度估测法估测结果不确定度最低，而复相干幅度反演法估测结果则在多个波段中的不确定度均最高。

摘要：确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性，现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法Stacked ConvLSTM用于时间序列森林火烧迹地的检测，在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作，实现端到端提取森林火烧迹地信息，提升了森林火烧迹地的提取精度。采用MODIS时间序列数据，基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列，分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测，利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地，并将火烧迹地检测结果与ESA发布的Fire_CCI 5.1火烧迹地产品进行对比分析。结果表明：首先，从目视效果来看，在研究区域Ⅰ，Stacked ConvLSTM检测的结果比Stacked LSTM和bfast算法错误检测点少，并且在空间分布也保持较高连续性；在研究区域Ⅱ，Stacked ConvLSTM检测到了较完整的火烧迹地区域。其次，在定量的精度评价指标上，在研究区域Ⅰ，Stacked ConvLSTM的精确度比Stacked LSTM和bfast算法分别高出0.120和0.405，并且召回率、准确度和F1-score也更高，Fire_CCI 5.1召回率虽更高，由于错检区域较大，其他精度指标远低于Stacked ConvLSTM；在研究区域Ⅱ，Stacked ConvLSTM精确度达0.924，召回率、准确度和F1-score相比Stacked LSTM和bfast算法以及Fire_CCI 5.1更高。

摘要：冬小麦是中国的主要粮食作物且种植面积年际变化较大，及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取，因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器，但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势，并基于冬小麦物候特征与JM距离研究关键时相，提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法，将其应用于2020年京津冀地区的冬小麦种植区提取，冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较，总体精度为94.24%，Kappa系数为0.88，相较于已有大范围冬小麦提取研究精度有明显提升，表明了本文方法的有效性。

摘要：林火发生后，开展森林生态系统烈度信息的初始评估，能够为灾后生态修复管理措施的快速实施提供定量依据。为了改善传统林火烈度评估模型的时效性，本研究利用历史过火区域的实地调查数据，构建基于迁移学习的烈度评估模型，并将其应用于2020年3月30日发生的西昌泸山森林大火烈度初始评估研究中。研究结果表明：迁移学习算法能够将源区域和目标区域的遥感影像光谱转换为多个新的特征变量，在这些新特征变量构成的投影空间中，源区域和目标区域样本具有相似的特征分布。在此基础上，基于源区域历史实地调查数据构建的烈度评估模型，能够迁移应用于目标区域的烈度评估。在本研究林火烈度的初始评估中，基于迁移学习的烈度评估模型精度较高，总体精度为71.20%，Kappa系数为0.64。与该模型对比，未进行迁移学习的支持向量回归模型精度较低，其总体精度为58.00%，Kappa系数为0.48。同时，基于dNDVI、dLST和dNBR指数的经验回归模型精度最低，其总体精度分别为：20.80%、34.8%和24.80%，Kappa系数分别为：0.01、0.19和0.06。本研究可为林火灾后管理措施的快速响应，提供一种新的思路和参考。

摘要：冰雪在短波区域具有很强的各向异性反射特征，对全球能量平衡及水循环等有重要作用。目前，国内外学者发展了一系列应用于冰雪的二向性反射分布函数BRDF（Bidirectional Reflectance Distribution Function）模型，全面比较和评估这些模型对星载多角度遥感产品的业务化模型选择有重要参考价值和指导意义。本文基于全球POLDER冰雪多角度反射率数据，选取3个模型，包括核驱动、半经验的MODIS业务化RTLSR模型、渐进辐射传输物理模型ART以及新发展的RTLSRS 模型进行了全面比较分析，研究结果表明：（1）在拟合所有POLDER数据时，RTLSRS模型都具有最高精度，对于单组纯雪数据，RTLSRS模型的最小二乘拟合的均方根误差（RMSE）比ART模型降低了45.45%，仅为RTLSR模型的18.46%。对于非纯雪数据，RTLSRS模型与RTLSR模型的拟合能力总体差别不大，但其RMSE比RTLSR模型降低了67.5%，ART模型的精度最差。（2）虽然RTLSRS可以高精度拟合所有数据，但该模型拟合纯雪（R²=0.969，RMSE=0.012）精度较优于非纯雪（R²=0.926，RMSE=0.013）。（3）对RTLSRS模型进行简化，仅保留其各向同性核和雪核ISM（Isotropic-Snow Model），验证结果表明：简化后的模型能够很好地表征雪的二向散射能力，使用POLDER全部纯雪数据进行拟合时，R²达到了0.949，RMSE为0.034。本文有助于用户在应用冰雪多角度数据时选择更合适的BRDF模型，同时对理解这些模型的误差提供了有价值的参考

摘要：针对室内、地下以及障碍物较多的复杂环境中，可用导航源匮乏问题，本文提出一种利用低频时变磁场实现目标高精度位置与姿态解算的解决方案。传统时变磁场定位方法要求磁信标坐标系与目标坐标系一致且无法解算目标相对姿态角信息，同时精度普遍较差。本文提出的方案在解决传统方案的局限性基础上，又提出一种基于指纹匹配的改进方案，具有穿透性好、鲁棒性强且精度高的特点。首先根据空间中测量磁场计算磁信标接收信号强度RSSI（Received Signal Strength Indicator）拟合直线，根据指纹匹配原理估计目标位置；再根据测量磁场方向矢量模型，反演解算目标姿态角信息，实现目标位置与姿态信息解算过程，研究并分析了磁信标导航系统误差来源及解决方案；最后通过对比实验，验证本文提出的算法在实验条件下，位置估计误差期望为0.069 m，姿态角估计误差期望为2.3°，且误差不随时间积累，相对于传统的磁信标导航方案具有明显优势，具有较高的工程应用价值。

摘要：水利设施对水资源与水量调度、自然湿地生态保护与修复、资源和生态功能的利用及经济效益发展有重要作用。传统方法统计水利设施位置、数量等依赖于汇编资料，存在耗时长、资料更新不够及时以及具体地理位置不详等缺点，遥感为大规模监测水利设施提供了新的可能。本文以YOLO v3网络为基础，结合水利设施的特点，提出了一种基于大面幅影像快速检测水利设施的算法，主要分为两个方面：（1）改进的YOLO算法（E-YOLO）。E-YOLO提出PPA特征融合方法和等比预测框与四特征图交叉预测方法，对小样本等问题进行优化；改进损失函数，突出置信度损失；同时使用迁移学习的方法，读取特征提取部分的预训练模型参数。（2）基于E-YOLO算法和水体指数约束的大面幅水利设施检测算法。通过水体指数约束滑动步幅来解决影像面幅大、目标尺度小的问题，同时降低漏检率和误检率，再结合轮廓合并方法，优化检测结果。本研究中采用高分二号影像数据实现大面幅影像水利设施检测，实验结果表明：E-YOLO算法可以明显提高水利设施检测效果，相比平均F2精度相比YOLO v3提高了1.25%。且有更好的稳定性；水体指数约束的大面幅检测方法可以在保证效率的情况下提高检测精度，其F2精度相比大步幅和小步幅方法分别提高了3.72%和2.70%，为遥感水利设施检测提供了良好方案。

摘要：冰川物质平衡是反映冰川消融与积累关系的重要指标，也是联系冰川与气候变化的纽带，对于评估冰川动态变化具有十分重要的意义。马兰山冰川位于青藏高原北部，作为东昆仑山系中消融最为剧烈的冰川之一，为了评估其在全球气候变暖背景下的物质平衡变化，利用TerraSAR-X/TanDEM-X合成孔径雷达数据、ICESat-2激光雷达高度计数据、SRTM DEM数据，基于合成孔径雷达干涉测量和激光雷达测高技术对其2000年—2020年高程变化进行了研究，并估算了物质平衡。结果表明：近20年来，该区域41条冰川平均表面高程变化-5.64±0.96 m，物质平衡为-0.24±0.06 m·w·e/a，呈明显负平衡状态。其中，2000年—2012年冰川的消融速度（-0.30±0.04 m·w·e/a）要略快于2012年—2020年消融速度（-0.22±0.11 m·w·e/a）。结合GPCC（Global Precipitation Climatology Centre）降水与GHCN_CAMS（Global Historical Climatology Network）气温再分析数据集可知：自2000年以来，马兰山冰川整体受夏季气温升高影响，消融剧烈，年降水量微弱增加仅弥补了少部分由升温带来的物质亏损。此外，由于2012后气温增速变慢，夏季气温波动降低，导致了冰川在2012年—2020年间消融速度有所减缓。根据Landsat-7遥感影像发现，马兰山南坡存在一条跃动冰川，跃动发生于2007年—2012年间，冰川末端在此期间异常增厚并前进了约251 m。

摘要：持续开展生态环境遥感监测对于认识和评估全球生态系统可持续性和人类生存环境状况具有重要的科学意义，是面向“推进生态文明建设”和“构建地球生命共同体”等目标和愿景，提升综合地球观测能力和应对全球生态环境挑战的务实行动。为此，中华人民共和国科学技术部国家遥感中心聚焦可持续发展、气候变化、防灾减灾和韧性城市等优先事项，通过政府部门、科研机构、国际组织和社会公众的协同，连续十年（2012年—2021年）发布和共享了“全球生态环境遥感监测年度报告”共29个专题报告和100余个遥感数据集。此项工作取得的成果包括：在遥感技术方法创新方面，基于国产高分辨率卫星和多源遥感影像，针对生态系统状况和人类活动痕迹的高精度遥感监测取得了一批具有自主知识产权的算法模型和数据产品；在人类生存环境认知方面，显著提升了公众对粮食安全、气候变化、城市扩展、土地退化和自然灾害风险等全球生态环境热点问题的科学认知；在生态环境重点区域方面，对“一带一路”、南极、非洲、东盟等典型区域开展精细化监测和评估。该项工作是中国作为地球观测组织GEO（Group on Earth Observations）联合主席国对国际社会的实质贡献，为相关机构和部门决策制定提供了重要的信息参考。本论文在此项工作开展十周年之际，系统阐述和总结了全球生态环境遥感监测年度报告的主要内容和亮点成果，并对未来发展提出展望。

摘要：基于卷积神经网络的高光谱图像分类是当前的研究热点，先后发展了空洞卷积、可形变卷积等先进模型。然而，现有可形变卷积只在空间维偏移，忽略了高光谱图像光谱之间的差异信息。为此，本文将可形变卷积从空间维扩展到光谱维，设计了光谱可形变卷积，提出了光谱可形变卷积网络SDCNN（Spectral Deformable Convolutional Neural Network）。首先，利用全连接层学习光谱可形变卷积的偏移量，采用线性差值对图像光谱维进行特征校准；其次，采用多层1×1卷积进行光谱维特征聚合；最后，使用三维卷积层提取光谱?空间联合特征。不同于空间可形变卷积，光谱可形变卷积只在光谱维上进行偏移，可以为不同类别选择更合适的特征波段，提升模型的判别性。在国际通用测试数据Indian Pines、University of Pavia以及University of Houston上进行了实验，结果表明：本文提出的SDCNN方法优于其他深度学习方法，在相同样本条件下取得了更高的分类精度，总体精度达到了98.86%（Indian Pines，10%/类）、99.81%（University of Pavia，5%/类）以及97.41%（University of Houston，50个/类），验证了该方法的有效性。

摘要：小样本学习旨在利用非常少的监督信息识别出新的类别，由于忽视了样本之间的关联信息，现有的小样本分类方法用于遥感图像小样本分类时往往不能获得令人满意的精度。为此，本文利用图来建模图像在特征空间的相似关系，使用图卷积运算平滑同类别图像的特征，增强不同类别图像特征的区分度，提升分类精度。所提方法在现有图卷积运算的基础上，使用多阶次的邻接矩阵线性加权的方法代替传统的一阶邻接矩阵，通过图谱分析得出这种改进方法能够让不同阶次邻接矩阵的频率响应函数在高频部分正负相抵，有效抑制图信号的高频分量，更显著的提升同类别节点特征的聚集程度；同时，在训练过程引入了微调的方法，使用新类别中的标记数据对最后一层图卷积网络进行少量次数的训练，能够进一步提高精度，增强模型的迁移能力。实验使用AID、OPTIMAL31以及RSI-CB256这3个常用的遥感数据集对方法的有效性进行了测试，结果表明提出的方法在同数据集小样本分类任务和跨数据集小样本分类任务中，在分类精度方面均优于原型网络等比较方法。

摘要：太赫兹频段在冰云探测上具有独特优势，但是目前的太赫兹冰云反演算法将不同种类冰相粒子（主要是冰和霰）视为冰粒子统一计算。本文根据冰云太赫兹辐射特性实现了一种预分类的神经网络算法，能够从太赫兹亮温中分别反演得到冰、霰两种粒子的统计参数和廓线分布。首先，基于WRF数值模式和ATMS载荷真实观测的冰云霰数据构建了包含冰、霰粒子密度廓线的混合冰云数据库，然后，使用DOTLRT辐射传输模式模拟183 GHz、243 GHz、325 GHz、448 GHz、664 GHz和874 GHz这6个频段的星载太赫兹冰云探测亮温，最后，开展冰云参数探测仿真试验，验证反演算法性能。仿真试验中反演得到的冰和霰的路径总量均方根误差分别为8.97 g/m²和10.90 g/m²，等效粒径均方根误差分别为7.54 μm和25.38 μm，反演的冰、霰密度廓线也具有较高的精度。研究结果表明本文算法能够以较好的精度从多频太赫兹冰云探测亮温数据中分别反演得到冰、霰两种粒子的路径总量、等效粒径、等效云高和密度廓线，突破现有研究仅仅计算单一冰粒子的局限，更加符合冰云真实情况。

摘要：城市建成环境是人类赖以生存的人造环境，城市建成环境存量是指城市中建筑物和基础设施的材料质量。反演城市建成环境存量的空间分布，是数字城市建设的新方向，它能够帮助我们了解城市发展模式，更加有效管理城市资源和废弃物等，对发展城市循环经济、实现城市的可持续发展有着十分重要的意义。本文详细介绍了城市建成环境存量空间计算的3种方法（自上而下、自下而上和遥感计算方法）的理论基础和发展现状，总结了目前的几中方法都存在着过度依赖统计数据、无法兼顾研究区域大尺度和高空间分辨率等问题。在地理大数据时代，更多的数据源为存量的计算带来了新的研究方向。本文总结了新数据源的优势，并展望了结合地理大数据和机器学习方法的存量计算方法，为城市建成环境存量的空间计算提供了一种新的思路。

摘要：地震是一种会造成人类生命财产重大损失的突发性自然灾害，震后第一时间启动应急响应并开展灾情的快速评估能有效地减轻地震灾害带来的破坏。空间对地观测技术为宏观性的地震应急与调查工作提供了便捷、经济的途径，随着空间对地观测技术与数据处理技术的不断发展，各国学者对遥感应急调查开展了大量深入的研究工作，相关研究成果已广泛地应用于地震应急的实际工作中。但是，遥感数据类型与处理技术的多样化也带来了应急信息的散乱，导致遥感快速应急响应系统性不强，使得应急服务不持续，一定程度上限制了遥感技术的效能；为此，针对现阶段遥感技术在地震应急调查中的应用情况，在总结地震应急调查常用遥感技术手段的基础上，分析了遥感快速应急响应面临的技术挑战，重点梳理了地震应急不同阶段对遥感数据及应急专题产品产出类型与时效性的现实需求，结合震后灾区影像数据的情况，系统地分析了光学、雷达、激光雷达遥感技术在地震应急调查应用中的技术现状与存在的问题。在实际地震应用案例分析的基础，总结剖析遥感应急工作存在的问题，并重点从海量数据快速处理、震害信息智能化提取、多源数据协同分析3个技术层面论述了遥感地震应急面临的核心困难，基于此，结合在轨数据实时、海量数据快速处理就灾情智能化识别的多技术联合、多源数据协同分析、发展敏捷卫星等几个方面论述了未来遥感技术在防震减灾中的发展趋势，以期推动遥感监测手段提供动态、实时、持续的空间信息应急服务能力，提高地震应急工作的快速响应、精细化与业务化应用能力。本文的研究可以为多源遥感技术在地震应急调查中的科研及业务应用提供很好的参考，更高效的发挥遥感技术在防震减灾工作中的应用能力与水平。

摘要：以高精度和高垂直分辨率探测大气区间对流层顶—平流层底UTLS（Upper Troposphere/Lower Stratosphere，5—35 km）的温度和水汽廓线是提高大气条件变化监测水平的关键，而利用激光掩星方法同时探测温度和水汽则是对现有探测技术的重要补充。本文研究了激光掩星协同探测和反演温度和水汽分子数密度的方法，其中重点研究了双吸收波长近红外激光反演温度的方法，具体为从近红外波段氧气吸收光谱中，选择2个不同跃迁能级对应的特征吸收峰，在每个吸收峰附近各选出1个吸收线，利用2个吸收线对应的双吸收波长激光以及参考线对应波长激光进行掩星探测，进而由探测数据反演出温度。整个温度和水汽协同反演步骤是先反演温度廓线，然后由温度廓线以及5 km参考高度处的压强先验值计算得到压强廓线，最后在温度和压强廓线基础上，结合水汽单吸收波长和参考波长激光掩星数据，反演得到水汽分子数密度廓线。此外，本文对探测和反演过程进行了模拟仿真，通过在近红外波段选择合适的氧气吸收波长和水汽吸收波长，模拟得到掩星透过率数据，以此反演得到温度和水汽分子数密度廓线。并通过对整个过程的分析，明确了反演过程中的误差项及其传递关系，结合数值仿真结果，说明了各个误差项的影响大小。结果显示，在UTLS区间内，温度反演误差总体小于1.05 K，水汽分子数密度反演误差总体小于4%，该误差范围说明了温度和水汽协同反演方法的可行性。

摘要：针对PM_2.5污染比较严重的川渝地区，本研究利用日本静止葵花卫星（Himawari-8）反演的气溶胶光学厚度（AOD）进行垂直订正和湿度订正估算川渝地区2017年—2018年09：00—16：00时的PM_2.5浓度。首先，基于气象观测的能见度（vis）数据与消光系数σa(λ)之间的关系，引入“标高（Ha）”对气溶胶光学厚度进行垂直订正；其次，根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子，并采用反距离加权空间插值（IDW）方法构建吸湿订正因子网格，从而进行湿度订正估算。研究结果表明，经垂直订正和湿度订正后，相比AOD与PM_2.5之间的相关性，“干”消光系数σdry与PM_2.5的相关性显著提高，相关系数（r）由0.12—0.45提高至0.32—0.69；验证09：00至16：00时卫星估算结果，相关系数（r）均大于0.7，均方根误差（RMSE）为18.59±2.26 μg/m³；提取所有观测站点进行验证，r=0.82，RMSE=18.64 μg/m³。