雪崩是高寒山区主要的自然灾害之一，但与滑坡、泥石流、山洪和干旱等灾害相比，较少被关注。本研究在概述西藏过去主要雪崩灾害事件的基础上，对西藏雪崩灾害的空间分布和主要驱动因素进行分析，同时通过积雪覆盖的空间分布和数字高程模型数据对西藏雪崩易发区进行制图，并利用藏东南雪崩观测数据对制图结果进行验证。结果显示，念青唐古拉山东南部和喜马拉雅山南坡是西藏雪崩灾害发生频次最高的两个区域，高原内陆因降水少，地势相对平坦，雪崩发育受到抑制，仅在高寒常年积雪山区和冰川作用区才有常年雪崩存在。在全球气候变暖背景下，由于人类到高海拔山区的活动日益增多，雪崩灾害造成的人员伤亡呈增加趋势。除了在藏东南川藏铁路和公路等关键区域实施工程防控措施之外，加强监测和早期预测预警服务是西藏高寒山区雪崩灾害防控的重要途径。本研究对全球其他高寒山区的雪崩易发区制图和灾害防控措施同样具有重要借鉴意义。

冰湖遥感监测是当下冰冻圈科学研究热点之一。作为我国自主研发的SDGSAT⁃1卫星，多光谱波段具有高分辨率成像能力，是否能为该研究方向提供新型数据源非常有必要进行研究。本文以珠穆朗玛峰地区近2 000个冰湖为研究对象，设计针对SDGSAT⁃1多光谱数据的冰湖自动提取方法，并与Sentinel⁃2 MSI和Landsat-8 OLI的冰湖数据进行对比，获得SDGSAT⁃1多光谱提取冰湖的精度，进一步结合波段配准和卫星间影像配准，量化冰湖误差的影响因素。研究结果表明：以NDWI为基础的决策树方法获取SDGSAT⁃1多光谱影像的冰湖矢量数据平均误差为16.6%，精度高于Landsat-8 OLI，低于Sentinel⁃2 MSI；大气校正后的SDGSAT⁃1多光谱影像提高了阴影区域冰湖的识别能力，但识别精度较其他冰湖低10%~14%；冰湖面积误差主要由SDGSAT⁃1多光谱波段配准误差引起，代表重叠度的Jaccard系数受波段配准和定位误差共同影响。总体而言，SDGSAT⁃1多光谱波段是冰湖研究的可靠数据源，也是冰面湖变化研究的潜在数据源，可为冰湖溃决预警、季节性水量变化监测提供高时效数据支撑。

积雪在青藏高原生态系统中发挥着关键调节作用，对碳储存和碳循环有着深远影响。作为碳循环的关键变量，地表植被总初级生产力（GPP）的时空变化特征及对积雪参数的响应机制，直接关系到高寒草地生态系统的碳收支。然而，当前对于青藏高原积雪变化对GPP影响的研究仍存在不足，尤其是积雪物候（如积雪开始和结束日期等）对GPP的调控作用尚未厘清。本研究基于2000~2018年GPP数据集和积雪物候数据等多源遥感数据，分析了青藏高原高寒草地GPP和积雪参数的时空分布特征，并结合近地面气温、地表向下短波辐射、降水量等气象数据，探讨了积雪参数与气象因子对高寒草地GPP的影响机制。结果表明：青藏高原年均GPP值在空间上呈现为西北低、东南高的分布特征，且整体呈现增长趋势；积雪开始日期和积雪结束日期均呈现提前趋势，积雪持续天数呈现减少的趋势；年均GPP随着积雪开始日期的推迟，积雪结束日期的提前与积雪持续天数的减少而增加；影响GPP变化的主导因素依次为近地表气温、积雪持续天数、降水量、地表向下短波辐射、积雪开始日期、积雪结束日期；尽管气象因子对GPP的影响更大，但积雪参数对GPP的影响不可忽视，尤其是对春季GPP的影响；GPP的变化受积雪参数和气象因子空间分布以及它们相互作用的综合影响。本研究揭示了积雪动态对高寒草地GPP的调控作用，并明确了积雪参数与气象因子对GPP的相对贡献。研究结果有助于深化对青藏高原高寒生态系统碳循环过程的理解，并为预测气候变化背景下的GPP动态变化提供科学依据。

积雪覆盖度（Fractional Snow Cover， FSC）是衡量地表积雪分布的关键参数，深度学习已成为FSC估算的重要方法，而训练样本的质量和代表性直接影响深度学习模型的准确性和泛化能力。本研究以新疆为研究区，在利用深度学习方法估算MODIS FSC的过程中，比较了分层随机抽样、余弦相似度、K-means聚类和信息熵4种代表性样本选择方法的性能。结果表明：4种选择方法均能有效筛选出代表性样本，降低样本冗余，提高深度学习模型对FSC的估算精度和效率。与使用总体样本训练的深度学习模型相比，基于K-means聚类筛选出的代表性样本（约占总样本40%）所构建的模型在FSC估算精度上表现最优，RMSE和MAE分别为9.51%和5.272%，R²达到0.916，计算时间减少约63%。代表性样本选择策略可显著提升深度学习FSC估算模型在复杂环境下的适用性，为其从实验研究向业务化应用的转化提供了可行路径。

准确反演林区积雪面积比例（Fractional Snow Cover， FSC）对于水文过程模拟、气候变化预测以及生态系统管理具有重要意义。基于随机森林（RF）算法与辐射渐进传输（ART）模型，提出RF_ART混合机器学习模型，旨在提高林区积雪面积比例（FSC）的反演精度。模型集成了光谱、植被、地形、角度、地温和积雪粒径等多环境变量，并在北疆阿勒泰和天山中东部林区进行了实验。结果表明，RF_ART在训练影像中的均方根误差（RMSE）平均值约为0.048 0，在测试影像中的RMSE平均值约为0.096 6，与NDSI_FSC和NDFSI_FSC方法相比显著降低。此外，RF_ART与RF_FSC的误差相近，但RF_ART引入了物理约束，提升了模型的稳健性，因此被认为是反演林区FSC的最佳算法。特别是在占主要部分的落叶林区，随着各类型变量的加入，RF_ART模型的RMSE逐渐降低，同时在数据稀缺的情况下，RF_ART模型也表现出极强的鲁棒性和应用潜力。通过混合机器学习模型与多源遥感数据，为林区的积雪面积比例反演提供了重要参考。

受复杂气候与地形条件制约，梅里雪山地区的光学及微波遥感应用存在显著局限性。本研究基于大疆Mavic 3E无人机和海星达iRTK20 GNSS系统，分别于2023年10月1日与2024年10月1日对共森龙巴冰川末端开展了两期高精度摄影测量。利用U-Net深度学习模型，实现了冰川微地貌的自动化提取。研究结果表明：U-Net模型在冰川微地貌提取中表现出较高的精度和较强的泛化能力；观测期内（2023年10月~2024年10月）冰川末端表面高程平均降低2.37 m，变化显著；冰面湖塘呈现持续扩张趋势，且空间分布相对均匀；冰崖广泛发育，并持续向冰川退缩方向扩张，其中以末端中、上部区域最为显著；冰裂隙主要集中分布于3 910~4 000 m和4 110~4 200 m两个高程带，其余区域分布稀疏。本研究结合无人机影像与深度学习，建立的冰川微地貌智能提取技术体系，可为高精度监测冰川动态变化及其与气候变化的响应关系提供有效的技术支撑。

积雪监测是气候变化研究的关键环节，无人机遥感技术是快速获取积雪信息的有效手段。但在复杂积雪分布区，传统RGB无人机影像较难区分积雪与其他具有相似反射特性的地物。针对此问题，本研究采用可见光与热红外无人机影像和集成学习等方法，通过评估10种分类器在全部分类特征数据集和优选分类特征数据集中对积雪覆盖信息监测的性能差异，探讨积雪覆盖判识精度和效率的提升方法。结果表明：7种集成学习分类器在积雪覆盖监测中表现出明显优势，如Ada-Boost-DT分类器的总体分类精度（OA）可达90.54%~92.91%，相较于单一强分类器（如CART、SVM和MLPC）选用集成分类器总体分类精度（OA）提升约1%~6%；全部分类特征数据集能保留更多特征信息，在复杂积雪分布场景中可使总体分类精度（OA）提升1%~3%，分类特征优选通过减少冗余特征可降低分类用时，但对部分分类器（如LGBM和GBDT）可能造成明显的精度下降；均值（Mean）、蓝波段（B）、热红外波段（T）和红蓝差值指数（RBDI）等分类特征对积雪覆盖监测精度贡献较大，是积雪覆盖判识关键影像特征。

实现多年冻土活动层厚度的准确提取，是提升对多年冻土退化及其环境效应认知的基础，其中探地雷达因其快速、无损、准确等特点成为这一研究的重要方法。然而，传统的人工解译方法工作量大、效率低，容易出现信息丢失。针对上述问题，本研究首次将基于相关性的层位追踪方法应用到青藏高原典型多年冻土区探地雷达图像的解译和活动层厚度的自动提取，并通过改进种子点的判断与追踪方式，进一步提升了活动层厚度的提取精度。基于祁连山多年冻土区26条测线的探地雷达观测数据，分别应用传统人工解译和层位追踪方法获取活动层厚度，发现改进后的层位追踪方法相比原始方法误差更小，Bias、RE和RMSE分别减少0.025 m、0.018、0.039，与人工解译结果相关性更高，R^{\mathrm{2}}提高0.014，图像的主体部分也更接近人工解译结果，证明了此方法在多年冻土活动层研究中具有较好的可靠性。

青藏高原作为地球第三极，其区域内的土壤冻融循环在气候变化研究中至关重要。为探究L波段地基微波辐射计观测数据识别土壤冻融过程的技术方法，并揭示黄河源区草地土壤冻融过程的年内循环特征，基于青藏高原东北部黄河源区玛曲土壤湿度土壤温度监测网（Soil Moisture and Soil Temperature observation networks， SMST）的观测资料与地基微波辐射计（ELBARA-Ⅲ型，L波段）观测得到的双极化微波亮度温度，通过土壤冻融的传统判别方法与冻结因子（Frost Factor， FF）识别法，分别分析两种数据表征的土壤冻融过程的年内变化特征，并对两种分析结果进行验证与讨论。结果表明：地基微波辐射计观测数据监测表层土壤冻融状态的结果与浅层土壤温度和湿度表征的土壤冻融过程基本一致。在4种冻结因子法中，以极化比值冻结因子（Polarization Ratio Frost Factor，FF_PR）和双角度双极化冻结因子（Combined Dual Polarization Difference Frost Factor，FF_CDPD）对识别土壤冻融状态的适用性最强。当地基微波辐射计的入射角为50°时，可选取FF_CDPD作为该角度下的最优冻结因子，其判别该区域冻融期的准确率为84.2%；当入射角为40°或60°时，可选取FF_PR 作为最优冻结因子，判别冻融期的准确率为91.4%、91.2%。在土壤发生融化向冻结或冻结向融化转换时，相比于完全冻结/融化状态下土壤层中的液态水含量迅速降低/上升，垂直极化和水平极化下的亮温同时下降/上升，极化亮温差值在40.0~75.0 K 之间。因此，利用不同冻结因子和地基微波辐射计观测数据可以有效识别下垫面土壤的冻融状态。本研究结果可为卫星微波遥感识别高寒草原土壤冻融和水分循环提供科学参考。

蒸散发是耦合碳—水—能循环的关键环节，其精准估算对水文建模和水资源管理具有重要意义。鉴于此，基于蒸散发站点观测数据和大气再分析数据，采用粒子群优化算法（PSO），对支持向量机（SVM）、长短期记忆网络（LSTM）、神经网络（BP）和随机森林（RF）4种机器学习算法进行优化，通过随机交叉验证和空间交叉验证系统的比较模型精度，运用模型可解释性（SHAP）分析各因子在构建模型过程中的重要程度，采用最优模型来估算桂西南峰丛洼地流域蒸散发。研究结果表明：①在随机交叉验证中，PSO-SVM模型的精度最高，在空间交叉验证中，PSO-LSTM模型的精度最高，R、R²和MAPE的均值分别为0.941 0 mm·m^-1和0.869 1 mm·m^-1、0.092 8 mm·m^-1和0.919 7 mm·m^-1、0.796 5 mm·m^-1和0.120 6 mm·m^-1；②通过SHAP可知，PSO-SVM、PSO-BP和PSO-RF模型均表明地表净太阳辐射是影响蒸散发最重要的因素，PSO-LSTM模型则表明降水是影响蒸散发最重要的因素，4种模型均能捕捉到气温对蒸散发的影响较大；③研究区年均蒸散发呈现出上升的趋势，蒸散发低值区与喀斯特分布范围相吻合。基于地面气象站点观测数据和遥感数据，结合优化算法和机器学习模型可以高精度对大区域的蒸散发进行估算。

森林地上生物量（AGB）是衡量森林碳汇和评估森林固碳能力的重要指标。GEDI作为专为林业设计的星载LiDAR系统，为获取高精度的AGB数据提供重要支持。然而，目前对于GEDI L4A产品缺乏系统性的精度评估，同时尚未明确哪些因素对其精度影响最大。本研究利用机载AGB数据集验证GEDI L4A的AGB精度，并分析地形、GEDI质量指标和其他环境因素对AGB估算精度的影响。主要结论如下：①通过对研究区的精度分析，Hood_canal、King_county和Solduc的RMSE为124.76、146.96和154.11 Mg/hm²，表明Solduc的精度相对较差；②影响AGB估算精度的主要因素是地形，其次是信噪比；③AGB数据产品的估算精度随着坡度的增加而降低，阳坡的估算精度优于阴坡，随着信噪比的增加，AGB估算精度也随之提高。本研究验证了L4A数据产品精度，并深入分析了L4A在不同影响因素对AGB估算精度的影响，为筛选高质量GEDI生物量样本提供了重要参考。

叶面积指数（Leaf Area Index， LAI）是反映作物生长的重要参数，准确获取对农业监测和产量评估至关重要。Sentinel-2卫星具备多红边与短波红外波段，在LAI反演中具有潜在优势，因此比较不同模型与波段组合的反演能力，对提升玉米LAI估算精度具有重要意义。本文以位于甘肃省张掖市的黑河遥感试验研究站大满观测场为研究区，基于PROSAIL模型敏感性分析，筛选对LAI敏感的波段组合和关键参数，构建模拟数据库，并采用查找表法（Look Up Table， LUT）、遗传算法（Genetic Algorithm， GA）和随机森林（Random Forest， RF）回归模型3种方法反演LAI，结合Sentinel-2影像及实测数据进行精度验证。结果表明：①异常数据对反演精度影响显著，LUT对异常值最敏感（ΔR²=0.20~0.26），RF相对稳定（ΔR²=0.14~0.20），LUT加入红边波段RE₂（B，R，RE₂，RE₃，NIR，RE，SW₂）可在提高精度的同时保持抗干扰性（均值ΔR²=0.18）；②移除异常数据后，LUT反演精度最高（R²=0.88，RMSE=0.31），GA次之，RF加入RE₂波段表现显著提升（R²=0.65~0.79，RMSE=0.64~0.53）；③3种模型在高LAI区间（2.5~5.0；LUT：R²>0.84；GA：R²>0.71；RF：R²>0.57）反演精度均显著优于低LAI区间（0.5~2.5），其中RF结合RE₂波段R²从0.57提高至0.82。综上所述，物理模型反演方法以及RE₂波段在提升玉米LAI反演精度方面作用突出，能够为玉米的LAI反演工作和生长监测提供有益参考。

城市全表面温度（T_c）对城市微气候、城市能量平衡以及城市表面热岛强度等研究有重要意义。目前有两种利用遥感方向辐射温度估算T_c的方法，分别是回归模型（RMT）和积分温度（SIT）的方法，但其适用性以及估算精度尚未得到验证。基于模拟数据，根据城市局部气候分区，研究构建了10类具有代表性的城市结构模型（Urban Structure Model，USM），从建筑结构与组分温差等角度，对比了两类方法的精度；通过探讨不同估算方法对T_c时空异质性的模拟能力，开展了模型适用性分析。结果表明：SIT与RMT的平均均方根误差（RMSE）分别为1.4 K和1.1 K。在估算精度方面，水平表面面积越大越利于RMT的模拟，所以建筑场景F（墙面与建筑平均占地面积比值）越小，RMT精度越高，而SIT精度越低。RMT适用于近似USM01或USM05~10的城市结构场景，SIT适用于近似USM02~04的城市结构场景；在稳定性方面，RMT基于全局数据而SIT基于局地数据，所以太阳辐射、建筑材质和气象条件对RMT的影响高于SIT。在4个温度类型中（T_c、SIT、RMT和T_nadir），T_c的空间异质性最强，T_nadir的日内和年内变化幅度最大。SIT在描述地表温度空间异质性方面优于RMT，RMT在模拟夜间T_c时序变化方面优于SIT，白天则相反。

工业化的快速发展导致矿区开发活动的增加和环境污染问题的恶化，裸土识别在监测矿区地理分布和空间变化中具有重要意义。传统裸土识别方法依赖于中分辨率影像，存在算法效率低下、识别精度不足的问题。为此，本文提出了一种结合超像素技术与Transformer架构的BareFormer模型，通过整合超像素空间自注意力模块，增强模型对局部纹理特征和长距离特征的学习能力，创建了一个包含3 759对高分辨率矿区影像和标签的裸土数据集，以检验不同方法对细粒度矿区采石场裸土的分类性能。研究结果显示：BareFormer在裸土分类上的表现最为优异，准确率、召回率、F1分数和IoU分别达87.30%、88.30%、87.79%和79.77%；消融研究和模型复杂度实验证明了超像素注意力机制和多尺度特征融合在提高模型性能方面的有效性；激活图分析和鲁棒性检验表明BareFormer在裸土纹理和空间细节捕捉方面的强大性能。研究结果为面向高分辨率遥感影像的采石场裸土精细识别提供了一种高效、准确的新方法，具有重要的实际应用价值。

海岸线时空变化研究对沿海生态环境保护和资源规划有重要的指示作用。本文基于谷歌地球引擎（Google Earth Engine，GEE）平台筛选2000~2023年Landsat遥感影像，结合修正归一化水体指数（Modified Normalized Difference Water Index，MNDWI）、增强植被指数（Enhanced Vegeta-tion Index，EVI）和归一化指数（Nominalized Difference Vegetation Index，NDVI）识别水像元，在计算水边缘频率后以目视解译的方式对照高精度遥感影像选取分割阈值，提取胶东半岛海岸线，并利用数字海岸线分析系统（Digital Shoreline Analysis System，DSAS）分析海岸线时空变化规律。研究结果表明：2000~2023年胶东半岛海岸线长度整体增加285.77 km，平均增长12.42 km/a，向海推进126.58 m，速率8.53 m/a；以2005年为节点，2000~2005年海岸线长度及移动速率均低于平均水平，2005年以后海岸线迅速增长且向海移动加快，其中2010~2015年海岸线长度增长速率最大，达47.55 km/a；海岸线向海移动速率同样在2005年以后迅速加快，2005~2010年为移动速率最快的时期，净移动距离（Net Shoreline Movement，NSM）69.56 m，线性回归变化速率（Linear Regression Rate，LRR）14.81 m/a。空间尺度上，烟台市海岸线扩张程度最大，NSM 212.81 m，LRR 10.92 m/a；威海市海岸线NSM、LRR最低，变化程度最小；青岛市海岸线变化与全区平均水平基本持平。由于沿海城市海岸主要受人类活动影响，对胶东半岛沿海区域人类活动强度进行分析，发现自2005年高强度人类活动区域面积明显增大，初步认为2000~2023 年胶东半岛海岸线整体向海推进，2005 年为变化关键节点，此后速率显著加快，人类活动是其主要驱动因素。

研究吉林省耕地资源利用状况，可为耕地资源可持续发展提供理论支撑。本文采用人均耕地面积模型、EF-NPP模型评估吉林省2001~2021年耕地生态盈亏和供需盈亏状况，再通过可持续利用指数、灰色预测模型预测2022~2031年耕地可持续利用趋势，最后提出合理的管控分区。结果显示：①粮食安全视角下，耕地供需盈亏系数由0.532增加至0.710，呈现“盈余为主、逐渐优化”的趋势，空间上呈现“中、西部盈余、东南部亏损”的特征；②生态安全视角下，耕地生态盈亏系数由-0.201增加至-0.118，呈现改善趋势，空间上呈现“西部亏损，东部盈余”的特点。可持续利用指数从0.455增加至0.472，预计2022~2031年耕地为弱不可持续利用状态（IIIa），即耕地资源的可持续利用水平尚未达到理想状态；③以综合盈亏值和相关政策为导向，将耕地资源利用等级划分为稳固提升、潜力开发、整改优化3种类型进行分区管控，提升可持续利用水平，促进耕地可持续发展。研究结果划定的管控分区可助力实现可持续利用目标。

小型无人船能够测量连续水底地形，为遥感径流量监测提供关键数据，但其在不同形态河流中的监测效果尚不明确。本文对比分析了小型无人船在不同河流中的遥感径流量计算精度差异。结果表明：①在河宽大于40 m的4个点位中，无人船测量法对河道断面形状的精度提升效果更加明显；②与国家水文站数据进行对比，利用传统断面点位测量法测得河道断面形状，计算出径流量NSE系数和RMSE系数的平均值分别为0.60和3.57 m³/s，利用无人船测量法测得河道断面形状，计算出径流量的NSE系数和RMSE系数的平均值分别为0.81和3.22 m³/s；③利用传统断面点位测量法计算的径流量绝对误差平均值范围在1.82~12.76 m³/s，大于无人船测量法计算的径流量绝对误差平均值范围0.95~8.57 m³/s。小型无人船通过测量水底地形得到精准的河道断面形态，进而提升遥感径流量计算精度。该方法更适用于水面宽度大于40 m的河流。

在全球气候升温的背景下，研究冬季气候变异对植被生长的影响，有助于深入理解非生长季在全年陆—气交互变化中的作用。本文选取中国东北这一典型过渡带作为研究区域，利用GEE云平台获取1985~2015年GIMMIS NDVI数据，并结合Sen趋势分析和变异系数法，对多年植被动态进行分析。同时，结合冬季气候指标（最低温（T_min）、最高温（T_max）、降水（Prec）），采用Spearman相关分析等方法，探讨植被NDVI变化与冬季气候的交互作用。结果表明：①1985~2015年，东北区域植被NDVI年际变化呈现轻度波动式增长趋势，年均变化速率为0.001 2/a，其中针叶林的变化趋势最为显著，年均变化速率为0.006/a；②东北区域植被NDVI的变异系数平均值为0.05，整体变化较为稳定，但西部呼伦贝尔草原的变异系数最高，达到0.74；③冬季气温（T_min与T_max）呈增加趋势，而降水总体呈下降趋势；④植被NDVI与冬季降水（Prec）呈负相关，与冬季T_min与T_max呈正相关，并表现出明显的空间地域特征。其中，松嫩平原与辽河平原植被NDVI与降水负相关最为显著。研究结果揭示了非生长季气温对东北植被生长的促进作用，以及在低温下降水对植被生长的不利影响。此外，草原对冬季气候响应的变异性大于其他植被类型。这些研究发现为植被生态管理提供了重要参考。

利用雷达遥感技术对滑坡隐患区进行大范围的识别及监测，是当前防灾减灾的重点。高压输电线作为国家电网的重要组成部分，其周围一旦发生滑坡，可能会造成巨大的经济损失。本研究采用SBAS-InSAR技术和光学遥感影像，对福建省龙岩市滑坡隐患以及影响因素进行了深入研究，特别关注了输电线附近的滑坡隐患区。研究结果表明：龙岩市滑坡灾害主要集中于斜坡和陡坡区域，高程多在200~600 m之间，与季节性降雨和人类活动等因素密切相关；重点识别的距输电塔不足2 km的7个显著沉降区，其年形变速率主要在-0.158~0.570 m之间，对输电设施构成了直接威胁。经过野外实地验证，该方法在保障输电线路安全运行方面具有重要作用。

徐州市作为资源转型城市，其生态系统碳汇能力的估算对推动“双碳”目标的实现具有重要意义。光能利用率模型在评估区域植被固碳能力方面发挥重要作用。本研究基于通量观测数据、遥感影像及相关空间数据，从模型参数的3个维度开展了针对不同生态系统的光能利用率模型优化，提高了模型模拟总初级生产力（Gross Primary Productivity，GPP）的精度；基于通量观测值重新构建了生态系统呼吸方程，由此得到了徐州市净生态系统生产力（Net Ecosystem Productivity，NEP）；最后开展了徐州市GPP和NEP时空格局分析。结果表明：优化后的模型模拟精度显著提升，多个站点的通量观测值与模拟值平均相关性R=0.85，RMSE=2.03 gC·m⁻²·d⁻¹；研究区14年间的NEP均值为1.56 Mt C·a⁻¹，表明该地区整体维持了碳汇功能；碳汇空间分布结果显示，北部与西北部植被密集区碳汇功能较强，中部和东南部城镇化区较弱。本研究不仅为徐州市碳汇能力评估提供了科学依据，也为“双碳”目标的实现及区域生态管理提供了重要参考。

激光雷达三维点云语义分割是许多复杂三维点云应用的基础，高精度的点云语义分割对于机器人、自动驾驶、智慧城市和增强现实等应用有重要意义。基于深度学习的方法能够有效挖掘点云空间关系，已经成为三维点云语义分割的主要方法。由于街道场景的复杂性，已有的深度学习语义分割方法仍然存在感受野受限、单一尺度难以适应场景下所有地物分割的缺陷。本研究提出了一种适用于街道场景三维点云语义分割的深监督多尺度自注意力网络，该网络基于自注意力机制，用于近邻特征提取，采用多个不同感受野的子编码器来分别提取不同尺度的特征，并引入多扩张率参数来显著减少计算量，最后使用深监督来加速网络收敛。在Toronto 3D和CSPC两个公开数据集上的测试结果表明，该网络相比已有方法取得了最高的分类精度，其中在Toronto 3D数据集上的总体精度和平均交并比分别达97.2%和82.2%，在CSPC数据集上的总体精度和平均交并比分别达95.1%和70.3%。

蓝藻水华会对水生态系统和人类健康造成严重威胁，开展蓝藻水华卫星遥感业务化监测，针对管理需求进行快速响应，具有重要的科学意义和实践价值。目前，蓝藻水华遥感监测相关研究主要集中于自动化提取算法和时空变化分析，高精度、规范化、业务化的时空快速响应方法研究较少，导致蓝藻水华遥感监测结果不能有效地服务于国家和地方水环境管理需求。针对这些问题，本研究基于蓝藻水华卫星遥感业务化监测需求分析，提出了一套符合科学性、可操作性和可比性的蓝藻水华卫星遥感业务化时空快速响应方法。该方法涵盖卫星遥感影像选择、常规和应急监测的监测频次与响应时间、蓝藻水华分布提取及提取结果质量控制等。在此基础上，本研究构建了蓝藻水华卫星遥感业务化时空快速响应方法产品体系。这套方法和产品体系可以有效提高蓝藻水华卫星遥感监测结果的准确性、一致性和时效性，为国家和地方水环境管理部门的水环境管理决策提供重要支撑。