遥感卫星测高技术可以无接触、大范围地进行对地观测，为缺乏地面水文站的湖泊水位变化监测提供技术支持，ICESat-2激光雷达高度计具有较小的地面足迹和较高的监测精度，在中小型湖泊监测方面具有优势。为此该研究基于ICESat-2 ATL08数据提取了我国1 248个湖泊2018年10月—2022年8月水位数据集，并利用18个湖泊的实测水位数据和36个湖泊的Hydroweb数据开展精度验证；然后，基于我国五大湖区的划分，对观测次数达到4次以上和监测时长大于2 a的957个湖泊的水位变化情况进行了分析。结果表明，ICESat-2提取的湖泊水位与实测水位的均方根误差（root mean square error，RMSE）最低为0.097 m，与Hydroweb数据开展的交叉验证相关系数可达0.95，RMSE最低为0.085 m，ICESat-2水位提取结果有很高的精度和准确性；青藏高原地区湖泊水位呈缓慢上升趋势，西北地区湖泊水位呈较明显的下降趋势，东部地区大型湖泊无明显水位变化趋势，而小型湖泊变化较为剧烈；总体上，全国湖泊水位呈缓慢上升趋势。研究实现了全国湖泊水位的高精度测量和湖泊水位变化监测，可为水资源保护、生态管理、探究湖泊水位与人类活动及气候变化的响应关系等提供科学依据。

湖泊面积和水量的变化对干旱区生态环境有着重要的影响。该文以青海省格尔木河流域的东达布逊湖为例，基于谷歌地球引擎（Google Earth Engine，GEE）云计算平台和Landsat数据，构建多指标随机森林算法提取1987—2021年的湖泊面积；结合ICESat和CryoSat等激光雷达数据刻画湖泊面积-水位关系，估算湖泊水量变化；并利用ERA5-Land数据和钾盐开采量基于相关性分析和随机森林贡献率计算方法探讨自然因素和人类活动对湖泊的影响程度。结果表明：①湖泊面积在时间上的变化划分为扩张期、萎缩期、恢复期、萎缩期和快速恢复期5个阶段，而在空间上表现出南部萎缩、向西北部扩张的特征；②2003—2021年东达布逊湖水量呈现上升趋势；③气温、冰川冻土融化和太阳辐射是影响湖泊面积的主要因素，其贡献率分别为31.0%，29.4%和15.5%，而在人类活动影响方面，2010年后钾肥的开采是湖泊面积变化的重要诱因；④基于ARIMA模型预测发现，湖泊面积将于2030年减小至302.78 km²。

藕池河东支注滋口三角洲是近百年来洞庭湖区发育最快、面积最大的洲滩之一。该文基于1933年以来20个时段的历史地图和航天航空遥感数据，采用遥感解译与历史对比分析方法，剖析1933年以来该三角洲时空演变特征。结果表明：1933—2024年间，空间上注滋口三角洲表现为不断向湖域推进，淤积的高位洲滩被围垦形成堤垸，老的河道废弃为垸内“哑河型内湖”，新的河道不断向湖域延伸并多次改道；注滋口下游河道向湖域延伸38.99 km，年均推进速度为428.46 m/a；注滋口三角洲淤积面积340.19 km²，年均淤积3.74 km²；该三角洲边淤积边围垦，累计围垦面积230.42 km²，占总淤积面积近50%；不同时段扩张速率不同，分为1933—1954年的缓慢扩张期、1954—1998年的快速扩张期、1998—2010年的基本稳定期和2010—2024年的微略萎缩期等，2010年之后该三角洲开始萎缩，结束了1933年以来的扩张历史。研究成果为科学保护修复洞庭湖洲滩湿地资源提供了原创性资料。

自然湖泊作为安徽省弥足珍贵的自然资源，区别于水库、塘堰等人工水体，其形成与演化受地质、气候及水文条件控制，具有相对稳定的形态和生态系统，在区域生态平衡、经济发展以及社会文化生活中占据着至关重要的地位。因此，研究安徽省自然湖泊的时空变化及其驱动力，对安徽省自然湖泊的保护工作意义重大。该文选用Landsat5 TM，Landsat8 OLI数据，采用人机交互的方式提取安徽省自然湖泊，运用动态度和土地利用转移矩阵研究其时空变化特征，从自然因素和社会因素2方面研究其变化的驱动因素。2002—2022年安徽省自然湖泊面积与数量呈现“先减后增”的阶段性变化特征，湖泊总面积减少366.5 km²。2002—2012年湖泊面积快速缩减，2012年为最低值，湖泊面积为2 850.02 km²；2012—2022年湖泊面积缓慢恢复，2022年回升至2 960.97 km²；湖泊数量方面，累计减少4个湖泊，2002—2007年经历快速减少，年均减少1.4个，2007年减至102个，2007—2022年逐步恢复增加，年均增0.2个，2022年达105个；典型湖泊土地利用变化以湖泊转出为主要趋势，转出类型主要转化为耕地、其他水体。安徽省自然湖泊面积变化受自然因素和社会因素的双重影响，淮河径流量减少导致入湖水量下降，是湖泊面积缩减的关键自然因素，人类活动的影响以及湖泊周边土地利用类型的转变是湖泊面积减少的重要社会因素。

为了保护新丰江水库水质，监测分析库区富营养化风险，该文基于水下辐射传输过程，综合考虑影响水下光场的叶绿素a、总悬浮物和高锰酸钾指数（chemical oxygen demand，COD_Mn）3种水质要素，建立了一种遥感反演COD_Mn的分析模型，并对水库及周边河流的富营养化现象进行多时像监测。精度验证结果显示，该模型的均方根误差（root mean square error，RMSE）为0.682 5 mg/L，平均绝对百分比误差（mean absolute percentage error，MAPE）为25.219 7%，证明该模型在复杂水域的准确性。对新丰江水库水质的时空分析则表明，水库主体水质状况长期保持良好，但由于存在大量的渔场养殖和人为排放，忠信河的水质状况存在较为频繁的富营养化现象，这可能对整个水库的水质构成潜在威胁。对忠信河重点监测，及时处理违规排放行为，并在流域建设植被排水沟等一系列生态工程，可有效减少农业面源污染输入，从而促进新丰江水库生态环境的恢复和改善。

海岸线是最重要的基础地理要素之一。受到瞬时性遥感成像和动态性潮汐现象的影响，传统方法往往难以准确探测海岸线的空间位置。该研究基于长时序卫星遥感影像，发展了一种考虑地物含水量的海岸线精准定位模型。首先，获取研究时相内覆盖研究区的遥感影像，构建高质量遥感影像堆栈；其次，基于缨帽变换（tasselled cap transformation，TCT）获取表征地物含水量的湿度分量，构建湿度指数堆栈；然后，利用最大光谱指数合成（maximum spectral index composite，MSIC）算法对湿度分量进行最大值合成，获取最大水面合成影像；最后，在OTSU算法的支持下对最大水面合成影像进行分割，获取位置准确的海岸线遥感信息。研究基于谷歌地球引擎（Google Earth Engine，GEE）云平台和Landsat8 OLI遥感影像，选择舟山本岛开展验证实验，结果表明，该模型能准确定位不同类型海岸线，位置精度较高，与目视解译结果相比，距离平均值和均方根误差分别为3.42 m和6.79 m，99.42%的验证点小于1像元宽度。本研究能够为海岸线遥感信息高精度提取提供技术支撑，对于海岸带资源科学管理和可持续发展具有重要意义。

由于在环境错综复杂、地物信息丰富的光学遥感图像中进行海陆分割时会出现定位精度低和边缘模糊的问题，因此文章提出一种融合上下文语义信息与边缘特征的深度卷积网络模型与海陆分割方法。首先利用FusionNet语义分割网络模块提取遥感图像中丰富的目标语义信息；然后利用改进的空洞空间金字塔池化模块（atrous spatial pyramid pooling，ASPP）和上下文注意力模块从分割网络中提取不同尺度和层次的上下文语义特征，并构建边缘提取子网络获取多尺度边缘特征；最后通过融合模块对语义特征和边缘特征进行组合，实现海陆精准分割。在2个典型数据集上的测试结果表明，该文方法的整体预测正确率、F1分数以及边界F1分数分别达到了98.21%，97.64%，89.36%和96.09%，95.67%，86.13%，均显著优于其他对比模型。特别是在复杂背景下，该方法可有效提高分割和边缘检测的准确性，对人工岸线和港口的分割具有明显优势。

针对当前高分辨率遥感影像场景复杂难以简单解析，且变化多样难以从样本库获取准确参考的问题，文章参照视觉的双驱动认知机理，提出了一种自学习的高分辨率遥感影像分割方法。该方法在借鉴视觉感知原理的基础上，通过非监督的自适应分析解读场景中的典型地物，并结合神经网络实现典型地物的自学习辨识，最后结合非监督分析与神经网络学习实施分割结果的自检校修正。采用包含复杂地面场景的真实高分辨率遥感影像数据，对比2种目前流行的深度神经网络分割方法Mask R-CNN （mask region-based convolutional neural network，MR）和ScalableViT （scalable vision Transformers，SViT）进行实验，实验结果表明所提方法能保持稳健、可靠的分割精度，在地物认知、泛化性能和抗干扰能力方面具有显著优势，是一种性价比高、实用性强的方法。

我国西南地区滑坡灾害十分发育，利用遥感影像准确获取滑坡信息对于防灾减灾工作具有重要意义。复杂环境下由于遥感影像背景噪声的影响，传统的滑坡遥感检测方法易出现误识别现象。该文提出一种基于双重特征融合的复杂环境下滑坡识别网络（dual-fusion landslide detection network，DLDNet），可有效提高复杂环境下的滑坡检测精度。首先，在现有滑坡样本的基础上，使用数据增强方法模拟复杂环境下的滑坡样本；其次，采用ConvNeXt作为DLDNet的特征提取网络以提取更多复杂的滑坡特征；然后，引入使用可变形卷积改进的注意力模块聚焦滑坡信息；最后，设计了一种双重融合特征金字塔网络（dual-fusion feature pyramid network，DFPN）来充分融合不同尺度和不同感受野之间的特征信息。实验表明，DLDNet模型的边界框和分割平均精度（average precision，AP）可分别达56.9%和52.5%，与基线模型（Mask R-CNN）相比分别提高了10.4和10.7百分点，与其他滑坡检测模型相比，该模型有着更高的检测精度和更低的误判率。该方法能对复杂环境下的滑坡进行精确检测，可为滑坡灾害快速识别和应急响应提供参考。

在引起广泛关注的高光谱遥感图像分类中，同物异谱、同谱异物和少样本都大大限制了分类方法的性能。为了充分挖掘高光谱图像的空间-光谱特征，该文提出了一种改进的残差卷积和近邻注意力网络用于高光谱遥感图像分类。该方法包含3个部分：结合了残差连接和3D卷积神经网络（3D convolutional neural network，3D-CNN）的残差式光谱特征提取模块、使用混合卷积的空间-光谱特征融合模块、用于增强模型对同质区域的关注能力的近邻注意力模块。在3个公开的高光谱数据集Indian pines，Pavia University，Houston2013上的实验结果显示，相比近期先进高光谱分类方法，所提方法有更高的分类精度，且在使用10%以下训练样本的前提下总体精度可分别达到99.39%，99.67%和98.64%，实现了少样本下的高精度分类。

近年来，基于深度学习的遥感变化检测取得了飞速发展，但对于复杂场景的变化检测仍然存在识别不完整、误检率高的问题。该文在SNUnet的基础上，通过融合快速傅里叶变换（fast Fourier transform，FFT）和高效多头自注意力机制（efficient multi-head self attention，EMHSA），提出了FTUNet网络。网络中的FFT模块实现对两时相图像的风格统一，降低由于光照变化等外界因素产生的“伪变化”所引起的错误检测；而在网络的特征提取阶段，引入EMHSA，充分提取特征图的上下文信息，以提高变化目标分割结果的完整性。在LEVIR-CD和SYSU-CD这2个公开数据集上的实验结果表明，FTUNet的F1得分比SNUNet分别提升1.42和1.53百分点，交并比分别提升2.31和2.07百分点。

针对网络模型参数量大、下采样过程丢失影像建筑物细节信息的问题，受轻量级网络的启发，设计了一种融入深度可分离残差块和空洞卷积的建筑物提取网络（SD-BASNet）。首先，在深度监督编码器预测模块中设计了一个深度可分离残差块，将深度可分离卷积引入主干网络ResNet中，避免卷积核过大，减少网络的参数量；其次，为防止网络轻量化带来的精度下降，将空洞卷积融入后处理优化模块的编码层，增大特征图的感受野，从而捕捉更广泛的上下文信息，提高建筑物特征提取的准确性。在WHU建筑物数据集上进行实验，在不同尺度建筑物提取中均表现较好，其平均交并比和平均像素精度分别为92.25%和96.59%，其召回率、精确率和F1指标分别达到96.50%，93.79%和92.61%。与PSPNet，SegNet，DeepLabV3，SE-UNet，UNet++等语义分割网络相比，SD-BASNet网络提取精度得到了显著提升，且提取的建筑物完整度更好；与基础网络BASNet相比，SD-BASNet网络的参数量与运行时间也有所减少，证实了该文提出的SD-BASNet网络的有效性。

在遥感图像多变化检测领域中，后验概率空间变化向量分析（change vector analysis in posterior probability space，CVAPS）是一种得到广泛使用的变化检测方法。然而，CVAPS利用支持向量机来估计遥感图像像素的后验概率向量，易受到遥感图像中同物异谱、异物同谱、混合像元等因素的影响，从而难以准确估计复杂像元的后验概率向量的强度和方向，并影响了其后多元变化检测的精度。因此，文章在CVAPS的框架下，提出了一种采用模糊C均值聚类分解混合像元，并耦合上下文敏感的贝叶斯网络，使用角度阈值进行多变化类型检测的方法。当夹角小于一定阈值时，则判定该像素为该标准变化向量所代表的变化类型。实验结果证明该算法具有较高变化检测性能，取得了高于对比算法的精度。

时序合成孔径雷达干涉测量（interferometric synthetic aperture Radar，InSAR）技术已广泛应用于地表形变监测与预测，但目前在地下水与地表形变趋势的相关性及其时间滞后性分析研究方面尚显不足，此外，InSAR地表形变趋势预测模型多依赖于单一InSAR信息，限制了模型的预测精度和泛化能力。针对上述问题，该文提出了一种结合地下水位、降雨量和InSAR形变信息的基于排列组合长短期记忆网络（combination-long short-term memory，C-LSTM）模型，分别对单因子模型和多因子模型的预测精度进行评价。分析发现，地表形变与地下水位变化间存在滞后关系，利用地下水和降雨量通过模型训练得到的最优特征组合，其预测结果与实际地表形变相比决定系数（R²）分别较单一特征因子预测结果提高了2.45%，1.52%，4.16%，8.08%，5.08%和1.45%。通过增加与地表形变相关性高的模型特征组合，提升了对地表形变区域预测的准确性。

多光谱（multispectral，MS）影像和全色（panchromatic，PAN）影像是可见-近红外光学遥感影像的主要数据源。在典型的地物分类处理流程中，通常采用像素级融合方法来提高MS影像的空间分辨率，然后再进行影像分类。然而，像素级融合过程通常耗时较长且和地物分类的优化目标不匹配，已无法满足端到端遥感影像分类的需求。为了应对这些挑战，文章提出一种无需进行像素级融合的双流全卷积神经网络DSEUNet。该方法基于EfficientNet-B3网络构建2个分支，分别提取PAN影像和MS影像的特征并进行特征级融合，最后解码输出分类结果。考虑到PAN影像和MS影像表达地物要素的特征侧重点不同，文章在全色分支加入空间注意力机制以提高对细节、边缘等空间信息的感知能力，在多光谱分支加入通道注意力机制以提高对多波段反射率差异的感知能力。10 m地表覆盖数据集生产实验和网络结构消融实验表明，该文提出的网络具有更高的分类精度和更快的推理速度，在保持骨干网络相同的前提下，DSEUNet与传统对像素级融合影像分类的方法相比，分类精度的mIoU提升1.62百分点，mFscore提升1.36百分点，Kappa系数提升1.49百分点，推理速度提升17.69%。

尾矿库坝体稳定性时序监测及预测一直都是我国矿山产业安全方面研究重点。该文利用InSAR与GNSS技术获取安徽省某尾矿库坝体表面6个特征监测点的26期纵向形变数据，通过建立附有限制参数的平差模型，以监测点的初始三维坐标作为多项式改正参数，对合成孔径雷达干涉测量技术（interferometric synthetic aperture Radar，InSAR）数据与全球导航卫星定位系统（global navigation satellite system，GNSS）数据进行融合以提高数据精度，并利用BP神经网络对监测点的形变数据进行时序预测，从而得到监测点的未来形变数据。实验结果表明，GNSS与InSAR数据融合后以均方根误差（root mean square error，RMSE）作为精度评定标准，计算并比较融合前、后每一期形变数据与形变真值的RMSE，得到融合后RMSE较融合前下降最多70.61%，平均下降25.91%。采用神经网络模型对融合后的1~22期InSAR数据反复训练，以23~26期InSAR形变数据作为测试集，最后输出各点23~26期数据。通过与GNSS数据计算各点网络输出值RMSE<1.5 mm。研究成果能够为尾矿库坝体时序稳定性监测及预测提供可靠技术支撑。

土地利用变化是导致陆地生态系统碳储量变化的主要原因，研究土地利用变化对碳储量的影响，对优化国土空间规划和减少区域碳排放具有重要意义。以咸阳市为研究对象，基于2000年、2010年和2020年土地利用数据，结合PLUS模型和InVEST模型，分析咸阳市近20 a来土地利用和碳储量的变化特征，并预测2030年自然增长、城镇发展、耕地保护和生态保护情景下碳储量的分布情况，结果表明：①2000年、2010年和2020年咸阳市碳储量分别为10 047.534×10⁴ t，10 120.754×10⁴ t和10 030.210×10⁴ t，呈现先增后减的变化趋势，其中草地转为林地和耕地转为建设用地分别是引起碳储量增加和减少的主要原因；②碳储量高值区多集中在咸阳市北部，碳储量低值区则分布在咸阳市南部的经济中心；③2030年4种发展情景中，耕地保护和生态保护情景的碳储量有所上升，城镇发展情景由于建设用地快速扩张，碳储量下降最为明显。咸阳市的未来规划应充分考虑土地利用对碳储量的影响，保护生态用地，限制建设用地的大量扩张，以实现土地利用和碳排放的双重优化。研究结果可为咸阳市生态系统碳汇能力的提升和国土空间的优化提供科学依据和数据参考。

叶面积指数（leaf area index，LAI）是研究全球碳循环、水循环、能量交换以及气候变化的重要参数之一。目前存在多个不同时间序列和分辨率的LAI产品，对不同产品进行对比分析，不仅可以揭示LAI产品在各区域的适用性，还可以为产品算法的改进提供建议。该文选取安徽省典型样区，从对植被时空特征表征能力方面对MuSyQ LAI、MODIS LAI和GLASS LAI产品的时空一致性进行对比和评价。研究结果表明：①空间上，3种产品空间分布与植被空间分布格局相吻合，空间一致性相对较好，但在LAI大小和空间异质性的表现上存在差异。MODIS LAI值整体高于其他2种产品，MuSyQ LAI值相对GLASS LAI值在耕地和落叶阔叶林地区偏低，在常绿林地区偏高。3种产品随着空间分辨率的提高，空间细节表现力增强，MuSyQ LAI所表征地物分布的空间异质性最显著；②MODIS LAI和GLASS LAI值随高程变化规律较一致，而MuSyQ LAI变化与两者存在差异，3种产品LAI值在低海拔地区随高程增加而增加，在高海拔处变化趋势因样区不同存在差异；③时间上，各产品多年平均的时间序列曲线完整性较好，呈现出相似的季节变化趋势，能很好地表征农作物的物候特征及不同植被的季节变化规律。3种产品时空一致性相对较好，均能反映植被的空间分布特征和时间变化规律，但在LAI大小和空间异质性的表现上存在差异，MuSyQ LAI产品数据更适用于地形复杂、地物分布异质性高的区域年内变化研究，GLASS LAI更适于长时间序列大区域的研究。

高光谱遥感技术以其高光谱分辨率和广谱段覆盖，在地质找矿领域展现出重要的应用潜力。该文以甘肃北山前红泉金矿为研究区，利用资源一号02D AHSI高光谱遥感数据，结合自主研发的GeoAHSI高光谱矿物填图技术，对金矿区的蚀变矿物进行填图和成分分析，揭示其空间分布特征。通过地面光谱测量技术对典型剖面的光谱数据进行验证，以评估高光谱矿物填图的可靠性。研究发现，前红泉金矿及其围岩中发育的主要蚀变矿物包括绢云母（低铝白云母、中铝白云母、高铝白云母和富铁白云母）、方解石、白云石、绿帘石和绿泥石等，这些蚀变矿物的分布与韧性剪切带密切相关，尤其是绢云母、绿泥石和绿帘石在韧性剪切带中的分布特征尤为显著，这一分布规律为区域找矿提供了重要的指示标志。此外，研究发现绢云母的2 200 nm吸收特征和绿泥石的2 250 nm吸收特征在矿体周围表现出明显的富硅（Si）和富铁（Fe）特征，这些特征与矿物的化学成分密切相关。该研究通过增强弱光谱特征的识别能力，实现了高光谱遥感技术在矿物识别与空间分布分析中的有效应用。这不仅为前红泉金矿的进一步勘查提供了科学依据，也为类似矿床的高光谱遥感应用提供了参考和指导。

植被指数的变化在一定程度上可以反映所在区域植被覆盖变化及生长情况，通过监测植被指数时间序列的变化对于当地农业管理具有重要意义。现有的植被指数时间序列重建方法存在数据源输入单一、重建结果空间分辨率低等问题。为此，该文提出一种融合卫星数据标准化方法及作物参考曲线法的植被指数时间序列重建方法，重建研究区域冬小麦2021年的高时空分辨率的归一化植被指数（normalized differential vegetation index，NDVI）及增强型植被指数（enhanced vegetation index，EVI）时间序列。结果表明：①反射率标准化后在红光、绿光、红外及近红外波段，GF-1卫星与VIIRS地表反射率数据决定系数（coefficient of determination，R²）大部分提高0.05，少部分提高超过了0.1。均方根误差（root mean square error，RMSE）降低，大部分RMSE降低了0.01，相对均方根误差（relative root mean square error，rRMSE）降低幅度在2%左右。GF-6卫星大部分R²提高了约0.12，RMSE大部分减小了0.03，rRMSE减小幅度普遍在3%~4%之间。Sentinel-2卫星R²整体提升约0.05，RMSE及rRMSE的降低大部分在0.001及2%左右。②重建的研究区内高分辨植被指数时间序列精度评价结果显示，NDVI时间序列重建结果在验证时期均有较高的R²，大多数验证影像R²达到0.5及以上；RMSE在所有的验证时期均小于0.1。相对误差（relative error，RE）在绝大部分情况下小于15%，仅有1景验证影像RE达到18%。EVI时间序列重建结果同样具有较高的R²，在验证影像中有5景影像的R²不低于0.44，大部分影像RMSE及rRMSE的值分别小于0.15及20%。

2023年12月18日，中国甘肃省积石山保安族东乡族撒拉族自治县发生了M6.2级地震，地震最大地震烈度达Ⅷ度，对自然环境造成了严重破坏。为了确定发震断层基本参数，分析发震断层的运动性质，该研究利用地震前后的Sentinel-1A卫星升降轨数据和数字高程模型（digital elevation model，DEM）数据，基于二轨法合成孔径雷达干涉测量技术（differential interferometric synthetic aperture Radar，DInSAR）技术，获得此次地震的同震形变场；并基于均匀弹性半空间位错理论，建立了同震形变和断层运动之间的映射模型，由同震形变场拟合发震断层的运动，进而反演发震断层基本参数，模拟断层滑动分布。研究结果显示：升轨结果最大形变量约为6.65 cm，降轨结果最大形变量约为7.12 cm；发震断层走向308.14°，断层倾角61.57°，断层滑动角71.42°；断层最大滑动量约0.29 m，最大滑动大致位于地下8 m处，矩震级为M_w6.17级，发震断层以逆冲运动为主，兼少量左旋走滑运动。结合区域地质构造背景，推测发震断层为拉脊山南缘断裂，且地震造成了地表破裂。

森林地上生物量（above-ground biomass，AGB）是森林生产力的重要衡量标准，快速准确地估测森林AGB对森林可持续管理和碳循环研究至关重要。该研究基于全球生态系统动态调查（global ecosystem dynamics investigation，GEDI）星载激光雷达数据和Sentinel-2光学数据，提取GEDI L2B，Sentinel-2遥感特征及研究区地形因子（海拔、坡向、坡度），通过皮尔逊相关性筛选变量，构建偏最小二乘回归（partial least squares regression，PLSR）模型、梯度增强回归树（gradient boosting regression tree，GBRT）模型和随机森林（random forest，RF）模型反演森林AGB，探索其估测森林AGB的潜力，并分析森林AGB空间分布差异。结果表明：多数据源的估测效果始终优于单一数据源，基于GEDI和Sentinel-2数据的RF模型表现最佳（R²为0.76，均方根误差为23.02 t/hm²），GBRT次之，PLSR最差（R²仅为0.26）；研究区海拔1 200~1 800 m范围内，森林AGB密度随海拔的升高而增大；坡度的变化对森林AGB密度不敏感，但在险坡处有明显减小；坡向分析显示半阴坡和阳坡的森林AGB密度较高，阴坡和半阳坡相近；坡度-坡向交互分析表明，缓坡和斜坡条件下，分别是半阳坡和阳坡森林AGB总量最高；平地和陡坡以上所有坡向的森林AGB均显著下降，阴坡和半阴坡的降幅更明显。该研究能为省级范围内制定森林保护和培育政策提供科学依据。

对于面向东南亚辐射中心的云南省与“一带一路”共建沿线国家之一的缅甸，研究其区域经济发展对推动构建中缅命运共同体具有重要意义。基于NPP/VIIRS夜间灯光数据，运用重心模型、标准差椭圆、莫兰指数等空间分析方法，分析2013—2022年滇缅地区经济发展的时空特征。结果表明：①滇缅地区夜光与国内生产总值（gross domestic product，GDP）数据间存在显著相关性；②2013—2022年滇缅地区的夜光总量处于稳定增长状态；③从滇缅地区经济发展方向特征来看，经济重心总体先向西南移动，后向东北移动，标准差椭圆的面积在2013—2020年呈现增大的趋势，2022年有缩减的趋势，长轴在2020年前呈增大趋势，2020年后略微减小，短轴呈稳定增长趋势，方位角基本保持不变；④从滇缅地区经济发展空间相关性来看，高高聚集区主要集中在云南省滇中城市群，低低聚集区主要分布在缅甸东部和西部。研究可为我国与缅甸的经济贸易交流与“一带一路”倡议实施提供有益借鉴。

滇西北高山峡谷区是我国重要的生态保护区，区内城市化进程加快，环境问题日益突出。了解其生态环境质量的时空变化情况，对滇西北高山峡谷区生态环境保护和建设具有重要意义。该文选取1990年、1995年、2001年、2008年、2015年和2022年的Landsat TM/OLI遥感影像计算绿度、湿度、干度和热度4个生态指标，构建遥感生态指数（remote sensing ecological index，RSEI），对滇西北高山峡谷区1990—2022年的生态环境质量进行了评价与监测。结果表明：①1990—2022年研究区RSEI均值呈先下降后上升趋势，1995年达到最低值0.450，随后持续上升，由1995年的0.450增加至2022年的0.604；②研究区生态环境质量等级优和良好的面积占比增加了22.03%，差和较差的占比减少了14.49%，主要以改善为主，改善区域占比高达62.42%，生态差的区域主要集中于农耕区、城镇建设区、金沙江沿岸、低海拔植被稀疏区以及鹤庆县坝子的边坡地区，生态优的区域主要分布在高海拔植被茂盛且人类活动干扰少的山地区域；③土地利用类型是影响研究区生态环境质量变化主要驱动因子，高程（X1）∩土地利用（X6）具有最强交互作用，对研究区的生态环境质量影响最大；④黏土区生态质量以差和较差为主，岩浆岩区生态恶化趋势明显，沉积岩区生态质量显著改善，变质岩与杂岩区则保持相对稳定。

全球气候变化背景下，中国植被生态系统发生了深刻变化。然而，中国不同生态子区、不同历史时期植被生态演变机制如何，有何差异，亟须深入探索。该研究基于归一化植被指数（normalized differential vegetation index，NDVI）数据，采用重心模型、时滞分析、地理探测器和偏相关分析等方法对中国6大生态子区进行时空演变格局及驱动机制的分析。结果表明：①2000—2020年间，中国大陆地区植被覆盖度呈现出自东向西逐渐递减的趋势；②6大生态子区植被覆盖度均呈现增加趋势，其中中南地区增幅（变化斜率）最高，为0.003 9，华东地区增幅（变化斜率）最低，为0.002；③2000—2010年间，植被覆盖等级升高的面积占比为92%，2010—2020年间植被覆盖等级升高的面积占比为71%；④在全国范围内，栽培植被、灌丛与降水滞后性普遍为前1—3月，栽培植被、针叶林与气温滞后性普遍为当前月，阔叶林与气温滞后性普遍为前1—2月，不同地区不同植被类型滞后时间存在异质性；⑤东北、华北、西北、西南地区植被演变主导影响因子均为降水，华东地区植被演变主导影响因子为土地利用和国内生产总值（gross domestic product，GDP），而中南地区植被演变主导影响因子为降水、土地利用。研究成果可为不同生态区植被的修复和保护提供重要的数据支撑。

云南省高原蜻蛉河灌区（海拔1 515~1 876 m）为典型亚热带高山气候区，为探究其土壤水分和植被净初级生产力（net primary productivity，NPP）的变化，该研究基于快速、长时序的遥感监测手段，首先结合地表温度（land surface temperature，LST）、归一化植被指数（normalized difference vegetation index，NDVI）为解释变量，并通过随机森林自适应窗口回归算法将SMAP L4土壤水分产品降尺度为30 m土壤水分空间分布；随后通过地表水分指数（land surface water index，LSWI）修正CASA模型的水分胁迫参数，修正后的模型融合地表反射等多源遥感数据并估算NPP，经空间重采样后获得30 m级NPP空间分布；最后构建有林地、水田、水浇地等多场景，引用皮尔逊相关系数定量评价研究区土壤水分与NPP的空间相关关系。结果表明：研究区土壤水分空间分布呈现夏季北多南少，冬季西北低、东南和南高的特点；对比实测样本反演后的NPP值R²>0.7，RMSE<0.3，夏季、冬季、年均栅格像元NPP值均呈现逐年升高的趋势；在空间维度上，水田灌区、有林地等场景下相关系数均超过0.5，其中有林地对水分胁迫最不敏感，水田和水浇地最受影响。该研究形成了对研究区季节-空间角度土壤水分与NPP平衡关系的监测反馈机制。