火灾威胁人类的生命和财产安全，对生态系统造成巨大破坏。火烧迹地的遥感响应特征研究，对于火烧迹地的准确提取、火灾损失的定量评估及植被恢复有重要意义。本研究基于Sentinel-1 SAR遥感影像，针对6个火灾案例分析了森林、火烧迹地、建筑物、水体等地物在雷达图像的响应特征，并分析了火烧迹地在灾前1年至灾后2年的时间序列变化规律。结果表明：火烧迹地的交叉极化比值和VH极化后向散射强度相比于未过火区更低，建筑物VH和VV极化的后向散射强度远高于其他地物，水体在两种极化的后向散射均非常低，而交叉极化比值较高。在时间序列方面，VV极化后向散射强度呈现明显的季节变化；多数案例中灾后一个月内VV极化的后向散射强度明显升高，交叉极化比值迅速下降。Sentinel-2 MSI遥感影像计算的归一化燃烧指数NBR时间序列变化与SAR影像有一致的规律，呈现明显的季节变化，灾后半个月内迅速下降，随后逐步恢复。

松材线虫病是毁灭性的松树病害，严重威胁我国森林生态安全。及时可靠的获取松材线虫病发生范围和病害程度对于森林管理和病害防控极其重要。然而松材线虫病传播速度快、防治难度大，传统人工调查方法难以满足需求。无人机遥感能够快速、准确的获取森林病虫害空间分布和病害程度，为森林病虫害防治和管理提供可靠的信息支撑。本研究利用无人机获取高分辨率红绿蓝（red-green-blue，RGB）可见光影像，首先使用面向对象的多尺度分割算法进行单木树冠提取，并计算植被指数（VIs）、纹理特征（GLCM），再利用特征选择算法优化特征集，使用随机森林分类（Random Forest，RF）和支持向量机分类（Support Vector Machine，SVM）算法构建松材线虫病分类模型，通过消融实验选取最优分类模型，最终实现松材线虫病病害程度和空间分布状况制图。结果表明：在面向对象单木树冠尺度上不同病害程度的松树冠层植被指数和纹理特征有所差异，使用植被指数（VIs RF：OA=76.52%，Marco-F1=0.77；SVM：OA=79.68%，Marco-F1=0.79）分类结果精度优于纹理特征（GLCM RF：OA=46.74%，Marco-F1=0.47；SVM：OA=62.09%，Marco-F1=0.54）；相比使用单一特征集，植被指数和纹理特征的组合可显著提高分类精度，说明多特征组合可以有效提高病害分类效果（VIs&GLCM RF：OA=79.47%，Marco-F1=0.80；SVM：OA=85.45%，Marco-F1=0.85）；无论是单一特征集建模，还是组合特征集建模，SVM模型分类效果都优于RF模型。本研究为全面掌握松材线虫病病害程度及空间分布情况提供及时、可靠的信息支持，有助于推动重大林业有害生物防治体系建设，维护生态安全。

研究提出了一种针对热带常绿阔叶林的不同叶龄组分叶面积指数（Leaf Area Index，LAI）拆分方法。该方法将冠层简化为不同叶龄阶段的三大叶片（即幼叶，成熟叶和老龄叶），基于叶片光合生化模型和大尺度卫星遥感气候数据，反演出不同叶龄阶段的叶片碳同化过程，再在邻近相似理论基础上利用带有约束条件的最小二乘法实现了对LAI的有效拆分。经地基物候相机数据验证，各叶龄段LAI的季节动态均与验证数据相似，幼叶R²均值可达0.32，成熟叶R²均值达到0.61，老龄叶R²也可达0.49，表明该方法在捕捉3组LAI的季节性方面呈现出良好的性能。同样，经该方法分解后生产的叶龄组分LAI数据具有较均匀的空间异质性，其聚类格局与由太阳诱导的叶绿素荧光、降水、入射短波辐射等多源遥感数据绘制出的物候格局一致。

为实现更加准确的红树林提取与监测，以温州市鳌江沿岸等4个红树林种植区为研究区域，采用Sentinel-2遥感影像数据，基于DeepLabV3+语义分割模型对红树林的分布进行识别提取与精度验证，并应用于2019~2023年红树林的时序变化分析。结果表明：①由DeepLabV3+网络构建的红树林信息提取模型，能较好的区分红树林与非红树林区域，误提、漏提现象较少；②与传统机器学习方法相比，语义分割算法明显更优，其中DeepLabV3+方法的精度最高，其精确率为84.89%，Kappa系数为0.82；③红树林的生长受地理位置和生长环境的影响较大，海岸潮间带或入海口处的红树林更易受到台风、潮汐等的影响，互花米草等外来物种对红树林生长空间的侵占等因素都是造成红树林幼苗成活率低、生长速度慢的关键因素之一。因此，基于DeepLabV3+的语义分割模型能较好地识别与提取红树林，为温州市红树林的监测与评估提供数据基础支撑。

森林年龄显著影响其碳汇的变化趋势，降低区域和全球森林碳汇估算的不确定性需要森林年龄分布数据。森林年龄与冠层高度紧密联系，近年来高分辨率森林冠层高度遥感数据不断产生，为森林年龄高分辨率制图创造了条件。但是，基于森林高度遥感数据的温带森林年龄高分辨率制图的可行性尚不清楚。因此，研究基于森林高度遥感数据进行温带森林年龄的估算及制图，对提升区域碳汇动态监测精度、优化森林管理策略及深化温带森林生态系统固碳机制认知具有重要意义。实验以黑龙江省为研究区，利用落叶阔叶林、常绿针叶林、落叶针叶林和混交林共1 821个样地的数据，确定了描述不同森林类型冠层高度随年龄变化的最优生长方程，对样地数据进行了时间订正；随机选择70%的样地观测数据用于模型训练、其余的30%样本用于模型验证，以基于激光雷达数据生成的森林高度和环境因子（包括生长季长度、最高月平均气温和坡度）为自变量，分别采用随机森林（RF）、支持向量机（SVM）和LightGBM方法构建森林年龄估算模型；遴选最优模型，进行研究区2020年森林年龄30 m分辨率制图，分析森林年龄变化特征。结果表明：对于建模样本和验证样本，RF模型的R²最高（0.77）而均方根误差（RMSE）最低（10.20），LightGBM模型次之，SVM模型R²最低（0.63）而RMSE最高（11.85）。采用RF模型估算的森林年龄存在明显的空间差异，大兴安岭地区和伊春市的森林年龄显著高于其它地区，黑河市的森林年龄较低；落叶针叶林的平均年龄最高，其次为常绿针叶林和混交林，落叶阔叶林的平均年龄最低；研究区森林平均年龄为73年，其中75%的森林年龄为40~100年，17%的森林年龄大于100年，8%的森林年龄低于40年。研究表明：将森林高度遥感数据与环境因子结合，采用机器学习方法可以有效估算中国温带森林的年龄，将为区域和全球森林年龄的高分辨率遥感制图提供参考。

针对森林资源精准监测的需求，探索背包激光雷达（Light Detection and Ranging， LiDAR）在生产实践中的森林结构参数提取能力，以浙江建德林场为研究区，基于野外调查采集的8块样地背包LiDAR数据，提出一种改进的K-means分层聚类算法进行单木分割，从分割后的单木点云中分别提取胸径、树高、冠幅、树冠投影面积、树冠体积、间隙率等6个单木结构参数，并计算56个点云分层高度特征，利用随机森林方法，构建单木材积估测模型并估测样地蓄积量。结果表明：改进的K-means分层聚类算法综合分割精度F的平均值为0.87，胸径的提取精度为91.26%，树高的提取精度为85.77%；仅用6个单木结构参数作为输入特征变量的单木材积估测模型，模型拟合结果的决定系数（R²）为0.89，均方根误差（RMSE）为0.053 m³；采用Person相关系数和随机森林特征重要性筛选单木结构参数和分层高度特征后，得到最终的单木材积估测模型，模型拟合结果的R²为0.93，RMSE为0.041 m³；利用最优估测模型估算每个样地的蓄积量，平均精度为94.20%。研究结果表明，提出的改进的K-means分层聚类算法能够有效分割单木点云，随机森林方法可以较好地估测单木材积和样地蓄积量，为背包激光雷达在森林资源参数提取方面提供重要的参考价值。

激光雷达点云数据是森林资源清查的重要数据来源，但森林场景中多视角地面激光雷达点云数据配准存在效率低的问题，针对当前研究的不足，提出了一种基于点云法向特征为特征描述符的无标靶、快速的点云配准方法。首先对原始点云进行去噪和体素化处理，然后计算点云法向量并进行特征匹配，最后利用最近邻迭代算法完成精配准。在3类不同林况的样地对上述方法进行验证，实验结果显示：最佳体素化采样间隔为30~50 cm，平均水平平移误差和平均垂直平移误差分别为3.13 cm和0.86 cm，平均旋转误差为1.39′，平均运行时间为5.2 s，平均逐点误差为6.5 cm。算法成功地提高了点云自动化配准的效率和精度。

为了进一步优化三维激光点云数据单木胸径提取精度，引入分层策略，针对胸径测量关键范围（1.2~1.4 m）的点云数据进行不同厚度切片，筛选出最优切片厚度；然后在分层处理的基础上，采用最小二乘法、Hough变换法和RANSAC法3种圆拟合模型进行单木胸径提取对比分析。研究结果表明：全场景条件，与常规处理提取的胸径相比，采用分层处理后3种圆拟合方法的胸径提取精度都有比较显著的提高，其中MAE和RMSE都降低，R²值也都有不同程度的提高。在复杂场景下，与常规处理相比，采用分层处理后3种圆拟合方法提取胸径精度均有更显著的提高，决定系数R²分别提升至0.969 1（最小二乘法）、0.779 1（Hough变换法）及高达0.980 5（RANSAC法）。分层策略结合优化的圆拟合模型能有效降低因胸径范围点云缺失或不规则分布而导致的胸径错估问题，显著提高单木胸径提取精度，为三维激光点云数据在林业资源调查等领域的应用提供了理论基础。

森林郁闭度是森林资源调查中的重要参数，在评价和监测森林生态系统的稳定性上有重要作用。随着遥感技术的不断发展，利用多源遥感数据进行大范围森林郁闭度估测已成为热点。本研究基于激光点云和多源光学遥感数据，使用机器学习算法构建回归模型，用以估测大范围森林区域的郁闭度。首先，由机载激光雷达（Airborne Laser Scanner，ALS）点云数据计算森林郁闭度真值作为回归模型因变量；其次，通过Sentinel-2 MSI、Landsat-8 OLI和Sentinel-1 SAR影像数据提取植被指数、纹理等18种特征作为回归模型自变量；然后，以广西区域的14块森林样地为例，使用随机森林回归（Random Forest Regression，RFR）和支持向量机回归（Support Vector Regression，SVR）两种机器学习模型，实验不同的自变量组合方案对森林郁闭度反演的影响；最后，选择最优的变量组合和机器学习方法对广西区域进行森林郁闭度制图。实验结果表明：RFR比SVR的反演效果好，S2+S1组合的精度最高，相关系数R² = 0.703，均方根误差RMSE = 0.19，平均绝对误差MAE = 0.13，同时，极化特征可明显提高森林郁闭度的反演精度。

具有较高光谱和辐射定标精度且工作在地球静止轨道上的干涉式垂直大气探测仪（FY-4A/GIIRS），可对其他（包括极地（LEO）和静止（GEO））轨道的红外遥感器提供更高时间频次的辐射对比，监视其辐射性能的日内变化。在全球空基交叉定标系统（GSICS）发布的交叉定标基线算法基础上，建立了以GIIRS为参考仪器进行辐射基准传递的方法。该方法根据静止轨道遥感器观测频次高但空间分辨率较低的特点，定义了适用于不同平台（LEO-GEO/GEO-GEO）的仪器之间的交叉匹配条件及阈值，可支持更高时间频次和更大区域范围的交叉匹配。通过对多通道扫描成像辐射计（FY-4A/AGRI）的辐射基准传递，表明用GIIRS进行辐射基准传递具有可行性，长波红外波段（10.3~11.3 μm）的匹配结果存在较好的拟合关系。AGRI相对GIIRS的亮温偏差存在因采样点数量过少而增加的情况，在去除点数过少（少于1 000）的结果后，亮温偏差平均绝对值为1.2 K@290 K，降低了0.7 K。二者的亮温偏差在奇数时次波动较小而偶数时次波动较大，其主要原因是奇数时次GIIRS观测区域在低纬地区（10°~30°N），偶数时次在中高纬地区（30°~60°N），纬度升高后遥感器观测像元足迹形变加剧导致空间匹配误差增大，相对均匀的像元减少。为了降低该误差，应根据目标区域像元的相对位置对辐亮度进行不同权重的加权（而不是均匀加权）平均，提高GIIRS作为参考遥感器的匹配精度。

准确估算叶片或冠层叶绿素含量对监测作物生长状况至关重要。作物叶绿素遥感监测是一种非破坏性、大面积、实时的监测方法，需要可靠的反演模型和卫星数据。以夏玉米为研究对象，采用 PROSAIL模型，通过局部及全局敏感性分析结合实地调查和相关文献确定模型的参数设置，模拟夏玉米冠层反射率。然后根据地面实测数据和 Sentinel-2A波谱响应函数，得到基于PROSAIL模型的等效遥感反射率模拟数据，结合 Sentinel-2A影像数据计算并分析了典型的高光谱植被指数及改进的波段组合方式的植被指数，以确定叶片叶绿素含量（LCC）和冠层叶绿素含量（CCC）估计的最佳估算模型。最后基于PROSAIL模拟数据、Sentinel-2A影像数据和地面实测数据，开展夏玉米LCC和CCC的建模和验证分析。结果表明：基于PROSAIL模型和基于Sentinel-2A影像构建的植被指数反演的LCC的R²分别为0.61和0.65，RMSE分别为7.54和8.46 μg/cm²，二者的反演精度较为一致，且该反演精度符合夏玉米生长状况监测的要求。利用以上两种方法反演的CCC的R²分别为0.75和0.77，RMSE分别为1.03 g/m²和0.02 g/m²，两类模型反演精度较为一致。本研究为地面实测数据较少的区域农作物叶绿素含量反演提供了一种有效的方法，有助于夏玉米的长势监测和病虫害防治。

滑坡敏感性评估是主动防控滑坡灾害、避免人员伤亡和财产损失的重要手段之一。本研究提出一种动态的滑坡敏感性计算方法，旨在利用时频分析方法，定量研究主要诱导因素——降雨量对滑坡形变的影响，得以在时间尺度上计算滑坡敏感性。首先，对降雨和地表形变数据进行小波分析，定量化地表形变对降雨的响应。其次，将计算定量关系后的降雨量和其它敏感性要素输入随机森林模型中。最后，对模型精度进行评估，并通过分析不同时间段的滑坡敏感性来评估模型的时间敏感性。结果表明：该模型具有对滑坡风险变化的有效监测能力和较高预测准确性：模型的AUC（Area Under Curve）为0.962，准确率为0.916，精准率为0.941。该模型在时间序列分析上展现出显著的区分能力，而且高风险区主要集中在已知滑坡隐患点周围，说明随机森林敏感性模型的预测结果与实际滑坡隐患点的分布相吻合。

辽河口滨海湿地是我国最北的河口湿地，是多种水禽的理想繁殖地和迁徙驿站。近年来在该区域开展了多种生态修复工程以改善人类活动导致的生境退化问题。为高效评估湿地生境质量和修复效果，亟需利用遥感技术精准地绘制湿地地表覆盖分类图。然而，目前辽河口滨海湿地的遥感分类研究方法上大多基于面向对象，制图结果不够精细且有待更新，还需深入研究像素级方法和密集时序信息的利用在该区域的效果。依托Google Earth Engine（GEE）平台，综合利用哨兵二号、哨兵一号和地形等长时序多源数据，重构多年密集时序植被指数以获取物候特征，并提取光谱指数、纹理、地形、雷达等特征；再利用实地采样与样本迁移生成多年样本数据集，基于随机森林模型开展2018~2022年辽河口湿地像素级精细分类制图研究，并评价不同特征对分类精度的影响。结果表明：结合GEE和密集时序信息的分类方法总体精度达到95.77%，物候特征的加入对精度提升最明显，能显著改善碱蓬与芦苇、水稻及水产养殖池间的混分现象，添加纹理与雷达特征能显著提升水产养殖池及建设用地的分类效果。近5年来，水产养殖池减少，滩涂、碱蓬面积明显增长，表明该区域开展的生态修复工程取得了一定成效。研究成果可为分析辽河口滨海湿地地物时空变化及驱动机制提供技术和数据支撑，对加强湿地生态保护和修复工作具有重要意义。

倾斜摄影测量三维重建技术被广泛应用在大规模城市场景三维建模任务，然而道路交通标志难以重建完好。为此，提出基于深度学习的道路交通标志嵌入式建模方法，可以解决倾斜摄影测量交通标志的重建难题。首先，基于深度卷积神经网络模型，从倾斜影像中检测道路交通标志目标。其次，基于道路交通标志的类别信息，采用模板匹配建模方法，获得结构完好且纹理清晰的道路交通标志三维模型。接着，基于道路交通标志的位置信息，采用带几何约束的特征点提取与匹配获得同名点，并基于双目视觉原理和三角化算法计算交通标志的空间点。再次，在方向约束下利用空间点拟合法推算道路交通标志的三维位置和方向。最后，将完好的道路交通标志三维模型嵌入到城市实景三维模型中，实现倾斜摄影测量道路交通标志嵌入式建模。实验表明：该方法可以较准确地提取倾斜影像中的交通标志，并估算出交通标志的三维空间位置，通过嵌入式建模提高城市场景重建效率和模型质量，并为城市场景中的其他地物目标建模方法提供借鉴。

GRACE卫星开创了遥感定量反演地下水变化量的新纪元，但存在空间分辨率低的问题。高分辨率地下水数据的获取将显著提升对局部水文过程的认识精度，为制定科学合理的地下水资源管理策略提供关键数据支撑。研究整理了黄河流域降水、气温、蒸散发、地表温度、归一化植被指数、土壤水等特征因子，首先采用偏最小二乘回归法针对1~12月份分别进行特征因子筛选，构建逐月最优特征因子集；之后，运用随机森林算法对黄河流域地下水数据进行由0.25°× 0.25°降尺度至1 km×1 km的研究，并结合实测地下水位数据进行对比验证。结果表明：①除了蒸散发和地表温度以外，其余因子的重要性随月份的改变而改变；②时间序列上，降尺度前后地下水数据的相关系数和纳什系数均高达0.95，均方根误差为3.17 mm；③空间上，与降尺度前对比，降尺度后的地下水储量变化数据与实测地下水位的相关系数提高了47.67%。研究结果能够满足实际应用对高分辨率地下水数据的需求，并为地下水降尺度研究的特征因子筛选提供参考。

稀树草原拥有低密度而总量巨大的地上生物量，是影响全球碳循环的重要地区。但其内部空间差异显著，遥感提取生物量不确定性大。全球生态系统动态调查任务（GEDI）通过激光雷达获取地表植被的三维立体信息，能够在观测足迹上得到地上生物量的高质量估算，但缺乏空间连续的地上生物量数据。选取非洲苏丹草原的稀树草原为研究区，利用Sentinel-2光学和PALSAR-2微波观测，并结合遥感树木覆盖度数据提取了28个特征，与GEDI足迹水平地上生物量数据建立随机森林模型，构建非洲稀树草原高分辨率地上生物量估算方法。结果显示：算法能够生成研究区内空间连续的地上生物量数据，有效提取了以往研究中常被忽略的非森林区域的树木信息。模型平均绝对误差和均方根误差分别为15.798 Mg/hm²和24.626 Mg/hm²，使用不同季节光学影像建模的精度接近。当使用雨季光学数据建模时，红、红边和短波红外光谱波段及相关光谱指数重要性高；当使用旱季光学数据时，树木覆盖度和微波数据的重要性显著提升。在进行非洲稀树草原的大尺度生物量估算时，采用多种数据源有助于获得较好的估算精度。本研究为未来低成本监测稀树草原地上生物量提供了方法参考，有助于该区域的植被碳循环研究。

青藏高原农牧地是保护天然草地、维持该区域生态安全屏障的基础，其空间分布格局亟需进行精确刻画。卫星遥感技术广泛应用于快速准确获取地表覆盖的空间分布制图，为农牧地识别提供了技术途径。本研究利用Google Earth Engine （GEE）云平台，结合物候知识和机器学习算法，以实地调研获取的样点数据、Sentinel-1 Synthetic Aperture Radar （SAR）雷达影像和Sentinel-2光学遥感影像为数据源，通过雷达极化特征、光学植被指数特征、物候特征和地形特征，对青藏高原典型的混合农牧地青稞和油菜种植分布、种植频率等进行识别。研究结果表明：2019~2023年间，日喀则市青稞和油菜的总种植面积呈现稳步增长的趋势，种植结构相对稳定，且分布格局表现出明显的东多西少特征，整体分布较为分散。在分类过程中，将Sentinel-2光学遥感数据与Sentinel-1 SAR雷达数据相结合，相比仅使用单一数据源特征，显著提升了分类的总体精度、Kappa系数和F1得分。进一步融入地形特征后，精度再次提升，且遥感估算的种植面积与统计公报中的实际面积更加接近。鉴于此，整合植被指数、地形以及后向散射特征，研究实现了对青稞和油菜种植地的精准识别，期间的总体分类精度均超过92%，Kappa系数最低值为0.841，F1得分均高于0.917。本研究为进一步开展青藏高原人工草地种植分布制图，科学制定草地畜牧业发展及生态保护政策，提供了重要的方法基础。

城市功能区识别可为城市建设决策提供技术支撑。本研究提出了面向城市功能区识别的多源场景特征Transformer融合方法。利用路网构建交通分析区（Traffic Analysis Zone，TAZ），采用Delaunay三角网创建POI（Point of Interest）数据的图结构，通过TAZ获得遥感数据的影像对象；利用图卷积网络提取POI图结构的社会场景特征，由ResNet-50编码遥感数据的自然场景特征；基于Transformer的多头注意力机制融合多维特征，依托SoftMax实现功能区识别。以沈阳市主城区为例，以2021年的OpenStreetMap、POI和遥感数据为数据源。该方法的总体精度和Kappa系数为82.2%和70%，Kappa系数较单一数据方法和其他融合方法至少提高18%和9%。本研究采用Transformer融合社会场景特征和自然场景特征，解决了多源数据难以集成表达的问题，为城市功能区识别提供了新的技术路径。

人类活动与土地覆被的相互作用对生态系统具有重要影响。基于山西省土地覆被估算2015和2020年陆地表层人类活动强度指数（HAILS），采用空间分析研究其在空间格局、坡度和水流路径的时空分布特征，利用相关性指数讨论HAILS的有效性，并探讨其变化的影响因素。结果表明：2015~2020年HAILS较高的区域主要分布在盆地及汾河沿岸，在各坡度带中，HAILS值大于20%的面积占比均增加。水流路径结果发现，汾河和其他河流的HAILS值在2 km后显著下降，且20 km以前以及28 km之后，汾河的HAILS值最高。HAILS与实际用水量和第一、二、三地均GDP显著相关，但与人口密度、地均GDP及夜间灯光数据呈弱相关。因此，经济发展、产业结构及生态保护政策是影响人类活动强度变化的主要因素。

为了选择出适应性更高的湿地信息提取方法，通过提取典型影像的特征结合机器学习方法筛选出优选特征组合，形成多特征组合的湿地信息提取方法。研究基于2020年4个季相盐城湿地珍禽国家级自然保护区内核心区的Sentinel-2影像，提取多种指数特征，设计单季相、多季相以及基于植被生长规律的优选特征组合等14组信息提取方案，对比K最邻近和随机森林两种机器学习方法的分类效果。结果表明：优选特征组合在植被生长期总体分类精度达到98.93%，Kappa系数0.986；植被休眠期的总体精度97.97%，Kappa系数0.978，验证了植被的生长规律和信息提取结果的有效关联。与其他组合方案相比，优选方案改善了利用遥感技术提取植被信息时因混合像元产生的误分情况，以及多特征组合后产生的信息冗余情况，能够为盐城滨海湿地的监测与保护工作提供一定的参考价值和技术帮助。

土地利用方式不断发生变化，对黄河流域的生态环境、社会经济发展均产生深远的影响。明晰黄河中游流域土地利用的动态变化特征，可为实现黄河流域的可持续发展提供科学依据。本研究基于黄河流域中游1995年、2005年、2015年、2023年4期Landsat遥感数据，通过支持向量机（SVM）和最大似然法分类获得示范区土地利用空间分布，利用土地利用变化、转移矩阵等定量指标，分析研究区1995~2023年土地利用变化特征，并通过建立FLUS-Markov模型，预测研究区2025年、2030年的土地利用变化。针对6类（森林、草原、湿地、耕地、建设用地和未利用地）土地利用变化，结果显示：①在过去近30年，耕地和林地分别减少8 600 km²、6 400 km²，建设用地面积增加7 500 km²；②土地利用类型的转移方向多样，主要为耕地向建设用地、植被方向转变，各地类景观在空间分布上趋于均衡，城市协调发展；③在1995年至2023年期间，森林、草原和建设用地的数量呈上升趋势，而湿地、耕地和未利用土地的数量呈下降趋势；④未来10年间，黄河中游土地利用变化明显，因为人类需要更多的土地进行建设。