• 大兴安岭北部近40年气候变化特征及其对厄尔尼诺事件的响应机制研究

  在全球变暖背景下，高纬度寒冷地区正经历着远超全球平均的升温速率，这种现象被称为"极地放大效应"。作为中国东北重要的生态屏障，大兴安岭北部地处欧亚大陆最南缘的永久冻土带，既是西伯利亚冬季风南下的通道，又是夏季风的北界，其独特的地理位置使其成为气候变化的"放大器"。然而，这片面积达32.7万平方公里的生态敏感区，长期以来缺乏对气候长期演变规律及其与厄尔尼诺-南方振荡(ENSO)关联的系统研究。更关键的是，现有研究多聚焦于单一气象要素分析，未能揭示太平洋海气耦合过程对寒区气候的多尺度影响机制。针对这一科学空白，中国科学院寒区旱区环境与工程研究所的研究团队开展了为期40年(1980-2019)的追踪研

  来源：Research in Cold and Arid Regions

  时间：2025-06-19

• 低轨红外智能系统TIFAD.v1：全球民用飞行器安全监测的创新突破与热辐射特征解析

  在航空运输迅猛发展的今天，全球民航航班数量激增，但广域飞行器实时监测始终面临技术瓶颈。现有雷达和光学手段受限于天气条件、分辨率或覆盖范围，难以实现全天候全球追踪。尤其令人担忧的是，飞行器尾迹对气候的影响（如温室效应）缺乏系统观测数据，而传统热红外遥感又因目标尺寸小（仅1-2像素）、背景干扰强导致检测率低下。这一领域长期面临"无标准数据集、无完整方法"的双重困境，严重制约了航空安全预警和环境影响评估。针对这一挑战，中国科学院的研究团队通过SDGSAT-1卫星的热红外成像仪（TIS），历时17个月采集六大陆数据，创新性地构建了全球首个空间基三通道热红外飞行器数据集TIFAD.v1。该研究突破性地发

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于Sentinel-1 SAR与地面观测的加拿大不列颠哥伦比亚省积雪消融时间估算对比研究

  积雪作为全球淡水资源的重要组成部分，其消融时间直接影响生态系统健康、洪水频率和水电调度。然而在复杂地形区域，传统地面观测站点稀疏且多分布于低海拔区，难以反映大尺度空间异质性。合成孔径雷达(SAR)虽能穿透雪层探测液态水含量(LWC)变化，但不同处理方法（如极化方式、轨道分离策略）的准确性尚未系统评估。加拿大不列颠哥伦比亚省(BC)作为典型多山地区，其积雪贡献了全省71%的径流量，精确监测积雪消融动态对水资源管理至关重要。为此，研究人员利用2018-2021年Sentinel-1 SAR数据和52个自动SWE站点数据开展对比研究。通过开发基于SWE和气温记录的规则化算法确定地面真实消融起始时间，

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于临界反射率法的地球静止卫星北美地区烟雾吸收反演算法研究

  随着全球气候变化加剧，北美西部地区野火活动日益频繁，产生的烟雾气溶胶通过吸收和散射太阳辐射显著影响大气能量平衡。其中单次散射反照率(Single Scattering Albedo, SSA)作为表征气溶胶吸收特性的关键参数，其准确反演对气候模型构建至关重要。然而现有卫星遥感技术面临传感器分辨率限制、传统方法灵敏度不足以及辐射传输模型不确定性等挑战，特别是烟雾光学特性在排放后数小时内就会因燃料类型、燃烧条件和化学老化等因素快速演变，亟需高时间分辨率的观测手段。针对这一科学难题，来自美国的研究团队在《Remote Sensing of Environment》发表创新性研究，首次将临界反射率(C

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于遥感与生态生理学评估的地中海常绿林GDMP产品优化：提升干旱胁迫下GPP估算精度

  在地中海沿岸的常绿森林中，阿勒颇松(Pinus halepensis)作为抗旱先锋树种，其碳汇能力对区域生态平衡至关重要。然而，现有遥感产品如CLMS的10日尺度GDMP（Gross Dry Matter Productivity）因未考虑水分胁迫，导致总初级生产力(GPP)估算存在显著偏差。尤其在气候变暖加剧干旱的背景下，这种偏差可能误导碳循环评估。更棘手的是，传统模型依赖的温度限制因子在寒冷季节会低估常绿树种的实际光合活性——这些树木冬季仍保持代谢，但卫星数据却将其误判为"休眠"状态。为解决这一难题，来自西班牙、法国、以色列等多国研究团队在《Remote Sensing of Enviro

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于静止卫星地表温度数据同化的湍流热通量与总初级生产力协同反演研究

  研究背景与意义陆地湍流热通量（H和LE）与总初级生产力（GPP）的精确量化是理解地球水-能-碳循环的关键，但传统站点观测（如涡动相关系统）成本高昂且空间覆盖有限。虽然极轨卫星（如MODIS）可提供区域尺度的地表温度（LST）数据，但其低频观测（每日1-2次）难以捕捉地表能量的昼夜动态，导致陆表过程模型估算存在显著误差。随着新一代静止卫星（如Himawari-8）的发展，高频LST观测（每10分钟一次）为突破这一瓶颈提供了可能。北京师范大学的研究团队在《Remote Sensing of Environment》发表的研究中，首次将Himawari-8的LST数据与GLASS LAI数据通过变分

  来源：Remote Sensing of Environment

  时间：2025-06-19

• NDVI与GOSIF在荒漠生态系统植被降雨响应监测中的性能比较及其生态意义

  在气候变化加剧的背景下，荒漠生态系统的植被水分响应机制成为生态学研究的热点。传统基于归一化植被指数（Normalized Difference Vegetation Index, NDVI）的监测方法存在明显滞后性，难以捕捉植被对干旱的早期生理响应。而新兴的太阳诱导叶绿素荧光（Sun-Induced Fluorescence, SIF）技术虽展现出更高灵敏度，但其在荒漠区的适用性尚未系统验证。位于南亚的塔尔沙漠作为典型干旱区，其植被对降雨的响应模式直接影响着当地农牧业发展和生态安全，亟需建立更精准的干旱监测体系。为解决这一科学问题，研究人员利用2001-2022年间MODIS NDVI、全球O

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 四十年Landsat影像揭示圣劳伦斯河口潮间带鳗草群落的显著扩张及其生态意义

  在气候变化和人类活动双重压力下，全球海草床正经历前所未有的衰退，但加拿大圣劳伦斯河口(EGSL)却呈现截然不同的景象。这项发表在《Remote Sensing Applications: Society and Environment》的研究，通过创新性地分析40年Landsat卫星影像，首次揭示了EGSL潮间带鳗草群落的惊人扩张，为理解温带河口生态系统的韧性提供了新视角。研究团队来自加拿大魁北克大学里穆斯基分校等机构，他们面对全球海草床年均减少7%的严峻形势（Waycott et al., 2009），聚焦EGSL这个曾被" wasting disease"（海草枯萎病）摧毁的生态系统。利用

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 基于Sentinel-2卫星影像的热带水库浊度时空动态分析及其流域驱动机制研究

  热带水库作为重要的淡水资源，其水质受流域土地利用和气候变化的双重影响尤为显著。浊度（Turbidity）作为衡量水体悬浮颗粒浓度的关键指标，直接影响水生生态系统健康。然而，传统水质监测方法耗时费力，而现有遥感模型在热带地区的适用性有限，尤其缺乏对印度次大陆水库的系统研究。针对这一空白，印度海得拉巴国际信息技术研究所（IIIT）水文气候研究组（HRG）的Avantika Latwal团队，利用Sentinel-2卫星的高分辨率数据（10-20m），结合Google Earth Engine平台，对印度卡纳塔克邦的Bhadra和Tungabhadra水库开展了为期5年（2016-2021年）的浊度

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 印度夏季风降水遥感产品长期评估：CHIRPS与GSMaP_ISRO的精度比较与干旱监测应用

  印度夏季风（ISM）是南亚气候系统的核心，其降水变化直接影响农业、水资源和灾害管理。然而，传统雨量站网络在复杂地形区域（如山地）覆盖不足，且维护成本高昂，导致降水数据存在显著空白。卫星遥感技术（如多卫星融合降水产品）为解决这一问题提供了新思路，但其精度仍需系统验证。在此背景下，印度空间应用中心（ISRO）与日本宇宙航空研究开发机构（JAXA）合作，对两种主流降水产品——CHIRPS和GSMaP_ISRO——进行了长达23年（2000-2022年）的全面评估。研究团队采用统计方法（包括相关系数、均方根误差和标准化降水指数SPI-1）对比了两种产品与IMD地面观测数据的一致性。关键发现包括：GSM

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 基于Himawari-8/9静止卫星数据的东亚昼夜总初级生产力建模：直接/漫射辐射与非线性能量响应机制的优化

  背景与挑战植被总初级生产力（GPP）作为陆地生态系统碳循环的核心指标，其精确监测对理解气候变化反馈机制至关重要。然而，传统基于极轨卫星的GPP模型（如MODIS-GPP）受限于8天以上的时间分辨率，难以捕捉昼夜动态变化。尤其在东亚湿润季风区，频繁的极端天气（如热浪、暴雨）导致GPP剧烈波动，现有半经验模型对直接/漫射光合有效辐射（PAR）分量差异及光响应非线性特征的忽视，进一步加剧了估算误差。研究设计与创新日本千叶大学等机构的研究团队联合18个东亚通量塔站点数据，创新性地将Himawari-8/9静止卫星的10分钟分辨率短波辐射（SR）与Sentinel-2叶面积指数（LAI）结合，开发了三种

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 卫星、模型与再分析数据中全球气溶胶趋势差异评估及其气候意义

  气溶胶作为大气中微小的悬浮颗粒，通过散射和吸收太阳辐射直接影响地球能量平衡（气溶胶-辐射相互作用，ARI），还能通过改变云特性间接影响气候（气溶胶-云相互作用，ACI）。尽管气溶胶抵消了约三分之一温室气体产生的正辐射强迫，但其时空变化仍是气候监测中最大的不确定性来源之一。当前，气溶胶光学厚度（Aerosol Optical Depth, AOD）的长期趋势监测主要依赖卫星观测、气候模型和再分析数据，但这些数据源各自存在局限性：卫星产品受限于时空采样和反演算法假设，模型受排放清单和物理过程理解的制约，再分析数据则可能因同化系统变更引入虚假跳跃。如何评估这些数据集的长期稳定性，成为提升气候监测精度

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于云调控地表增温模型（C-SWARM）的白天多云条件下地表温度重建研究

  地表温度（Land Surface Temperature, LST）是地表与大气能量交换的核心指标，对生态系统功能和气候变化研究至关重要。然而，传统热红外卫星遥感（Thermal Infrared Remote Sensing, TIRS）在云层覆盖时“失明”——云层阻挡地表热辐射，导致数据缺失。尽管现有方法（如空间插值、微波遥感）尝试填补空白，但或因忽略云天气候特性，或因分辨率过低（如被动微波雷达25 km），难以准确捕捉多云条件下的地表热动态。这一瓶颈严重制约了全球变暖、城市热岛等研究的时空连续性。针对这一挑战，中国研究人员在《Remote Sensing of Environment》

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 高分辨率卫星影像与语义分割技术协同支持国家尺度树篱制图及政策评估

  研究背景与科学问题在欧洲集约化农业背景下，树篱（hedgerow）作为连接生态功能与农业生产的关键景观要素，具有防风固碳、维护生物多样性等多重价值。然而现有数据存在三大瓶颈：一是欧盟LULUCF（土地利用变化与林业）法规和《自然恢复法案》要求精准监测树篱碳储量，但传统调查方法成本高昂；二是现有遥感产品如Copernicus SWF（小木本要素层）最小制图单元200 m2，漏检窄于5米的树篱；三是德国缺乏全国统一树篱数据库，导致政策实施效果评估困难。研究方案与创新德国哥廷根大学等机构团队创新性采用四个月份（4/6/8/10月）PlanetScope多光谱影像（含近红外波段NRG），构建ResNe

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于多模态序列扩散Transformer的可靠卫星图像时间序列重建方法RESTORE-DiT及其在植被动态监测中的应用

  卫星遥感技术为地表动态监测提供了全球尺度的观测能力，但光学图像时间序列（SITS）常因云层和阴影干扰出现数据缺失。传统统计方法（如线性插值）难以捕捉作物快速生长等动态变化，而现有深度学习方法在长时序缺失和云检测误差场景下表现不稳定。尤其对于植被这类高动态地表，错误重建可能导致成熟期作物被误判为生长期，严重影响农业管理和生态监测。为解决这些挑战，中国科学院的研究团队在《Remote Sensing of Environment》发表研究，提出基于多模态扩散Transformer的RESTORE-DiT框架。该研究创新性地将序列级光学-SAR融合引入扩散模型，利用SAR时间序列提供云下地表动态先验

  来源：Remote Sensing of Environment

  时间：2025-06-19

• 基于多模态卫星影像与深度学习的增强型野火蔓延预测模型APAU-Net研究

  野火是全球生态系统最严峻的威胁之一，气候变化加剧导致其频率和强度持续攀升。传统预测方法如加拿大森林火灾行为预测系统（CFFBPS）依赖经验公式，难以捕捉气象、地形与植被的非线性交互作用。尽管Next Day Wildfire Spread（NDWS）数据集为深度学习模型提供了基准，但其缺乏关键气象预报变量（如风速、降水）和地形参数（坡度、坡向），限制了实时预测能力。如何整合多源异构数据并提升模型对动态火场的适应性，成为当前研究的核心挑战。针对这一难题，Universiti Brunei Darussalam的研究团队提出两项创新：首先扩展NDWS数据集至2024年，新增6类预报与地形特征；其次

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 基于双向场景图与图卷积网络的街景图像拱廊检测方法研究

  在城市建筑研究中，拱廊(arcade)作为连接建筑与街道的独特结构，不仅为行人提供遮阳避雨的步行空间，更是城市景观与文化遗产的重要组成部分。然而，当前基于边界框(bounding box)的拱廊检测方法存在明显局限：一方面，传统方法如YOLOv5仅分析框内内容，忽略拱廊与周边物体（如招牌、立柱）的空间关系，导致遮挡场景误判；另一方面，模型在跨区域应用时泛化能力不足，难以适应东南亚密集拱廊与欧洲古典拱廊的风格差异。这些痛点使得大规模城市调研仍需依赖人工标注，成本高昂。针对这一挑战，由台湾中央研究院主导的研究团队在《Remote Sensing Applications: Society and

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 多传感器影像聚合技术提升季内作物分类精度的作用机制研究

  在农业监测领域，精准的作物分类地图对产量预估和粮食安全至关重要。传统依赖人工调查的方法在印度等发展中国家面临可扩展性差、时效性低等挑战。尽管Sentinel等卫星提供了高时空分辨率的多光谱(MS)和合成孔径雷达(SAR)数据，但如何有效融合多传感器特征、选择最佳观测窗口仍是未解难题。研究人员以印度特伦甘纳邦三个地区为实验区，通过Sentinel-1(S1)雷达数据和Sentinel-2(S2)光学数据，创新性地采用四种时间聚合方法（单期影像法、物候期窗口法、固定时间窗口法、全生长季法），结合15种光谱-雷达特征组合，利用随机森林(Random Forest)算法对水稻、玉米等5类作物进行分类。

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 基于卷积神经网络和纹理特征的热带果树树种分类研究

  热带地区果树种植在农业经济与生态保护中扮演着重要角色，但传统调查方法效率低下，而高光谱无人机数据成本高昂。更棘手的是，热带果树叶片形态相似、缺乏温带树种的季节性变化特征，导致遥感分类成为国际难题。针对这一挑战，来自Can Tho University的研究团队在《Remote Sensing Applications: Society and Environment》发表论文，创新性地将卷积神经网络（CNN）与多源遥感数据结合，为热带果树精准分类提供了突破性解决方案。研究采用Sentinel-2（13个谱段，10米分辨率）和Planet NICFI（约5米分辨率）卫星数据，提取包括短波红外（S

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

• 融合遥感数据与全连接CNN的南非圣约翰港沿海城镇洪水概率及风险评估研究

  在全球气候变化加剧的背景下，沿海城镇正面临日益严峻的洪水威胁。南非东开普省的Port St Johns作为典型的沿海聚居区，近年来因姆津武布河(Mzimvubu River)频繁决堤导致灾难性洪水，仅2022年4月的洪灾就造成435人死亡和17亿兰特基础设施损失。传统洪水管理方法受限于空间异质性识别能力和特征提取深度，难以应对复杂地形与快速城市化的双重挑战。针对这一难题，由南非高校团队主导的研究创新性地将多源遥感数据与深度学习技术相结合。研究团队利用ALOS DEM 30米分辨率数据提取13项关键环境变量，包括地形特征（高程、坡度、曲率）、水文指标（HAND、TWI）和气候要素（CHIRPS降

  来源：Remote Sensing Applications: Society and Environment

  时间：2025-06-19

知名企业招聘：