季节性积雪的演变对于山区水文循环具有决定性影响，同时也是调控陆地生态系统的关键要素。精确监测融雪动态对于气象、水文以及全球气候变化的研究至关重要，同时也对灾害预测、预警发挥着不可或缺的作用。然而，传统的基于时间序列合成孔径雷达（SAR）的融雪监测技术常受到植被、地形及积雪特性等因素的影响，并且在重访周期较长的区域监测效果有限。本研究利用高时空分辨率的Sentinel-2卫星光学遥感数据，基于雪表粒径的时间序列变化信息，提出了一种新颖的融雪监测方法。以阿勒泰地区为例，参照站点雪水当量和气温数据，深入分析了新方法的融雪监测性能。本文对比了新融雪监测方法与常规的时间序列SAR方法，探讨了两者在山区融雪监测方面的优势与局限。结果表明该新方法能够较为准确地识别融雪起始时间，并且在植被和混合像元等干扰因素的影响下，展现出了比时间序列SAR方法更出色的监测能力。但是，新方法易受云雨气象条件的影响，未来可与时间序列SAR方法互为补充，共同提升山区融雪监测的时效性和准确性。

季节性积雪的演变对于山区水文循环具有决定性影响，同时也是调控陆地生态系统的关键要素。精确监测融雪动态对于气象、水文以及全球气候变化的研究至关重要，同时也对灾害预测、预警发挥着不可或缺的作用。然而，传统的基于时间序列合成孔径雷达（SAR）的融雪监测技术常受到植被、地形及积雪特性等因素的影响，并且在重访周期较长的区域监测效果有限。本研究利用高时空分辨率的Sentinel-2卫星光学遥感数据，基于雪表粒径的时间序列变化信息，提出了一种新颖的融雪监测方法。以阿勒泰地区为例，参照站点雪水当量和气温数据，深入分析了新方法的融雪监测性能。本文对比了新融雪监测方法与常规的时间序列SAR方法，探讨了两者在山区融雪监测方面的优势与局限。结果表明该新方法能够较为准确地识别融雪起始时间，并且在植被和混合像元等干扰因素的影响下，展现出了比时间序列SAR方法更出色的监测能力。但是，新方法易受云雨气象条件的影响，未来可与时间序列SAR方法互为补充，共同提升山区融雪监测的时效性和准确性。

合成孔径雷达(SAR)影像的后向散射系数与电磁波入射角以及地表特性密切相关，因此应用宽幅SAR影像对格陵兰冰盖开展研究分析时，应订正入射角对后向散射回波信号的影响。目前主流的针对冰盖表面入射角改正算法为余弦平方法，该方法假设冰雪表面为朗伯体对SAR影像后向散射系数进行改正，但将冰体假设为朗伯体存在明显不合理之处。本文提出了一种基于线性回归的后向散射系数改正算法，该方法假设近同时获取的格陵兰冰盖Sentinel-1双极化SAR影像后向散射特性保持不变，后向散射系数的差异仅与入射角差异相关。通过寻找后向散射系数与入射角之间的定量关系，获得归一化的双极化SAR影像后向散射系数。考虑到在不同季节和海拔的格陵兰冰盖冰雪表面后向散射特性不同，本文引入了海拔和季节两个参数，估算了不同季节与海拔条件下的归一化改正系数。将本文提出的后向散射系数改正方法应用于格陵兰Sentinel-1影像，结果表明本文提出的方法对于同极化影像的改正优于余弦平方法，而交叉极化影像改正效果与余弦平方法相近。本研究提出的改正方法可以更好地改正格陵兰冰盖的Sentinel-1宽幅SAR影像的后向散射系数，降低后续应用的不确定性。

合成孔径雷达(SAR)影像的后向散射系数与电磁波入射角以及地表特性密切相关，因此应用宽幅SAR影像对格陵兰冰盖开展研究分析时，应订正入射角对后向散射回波信号的影响。目前主流的针对冰盖表面入射角改正算法为余弦平方法，该方法假设冰雪表面为朗伯体对SAR影像后向散射系数进行改正，但将冰体假设为朗伯体存在明显不合理之处。本文提出了一种基于线性回归的后向散射系数改正算法，该方法假设近同时获取的格陵兰冰盖Sentinel-1双极化SAR影像后向散射特性保持不变，后向散射系数的差异仅与入射角差异相关。通过寻找后向散射系数与入射角之间的定量关系，获得归一化的双极化SAR影像后向散射系数。考虑到在不同季节和海拔的格陵兰冰盖冰雪表面后向散射特性不同，本文引入了海拔和季节两个参数，估算了不同季节与海拔条件下的归一化改正系数。将本文提出的后向散射系数改正方法应用于格陵兰Sentinel-1影像，结果表明本文提出的方法对于同极化影像的改正优于余弦平方法，而交叉极化影像改正效果与余弦平方法相近。本研究提出的改正方法可以更好地改正格陵兰冰盖的Sentinel-1宽幅SAR影像的后向散射系数，降低后续应用的不确定性。

冰川是影响气候变化的主要因素，合成孔径雷达(SAR)不仅具有较高空间分辨率和多极化等特点，而且对冰雪融化引起的介电常数变化较为敏感，已成为山地冰川表面消融变化监测的重要数据源。基于Sentinel-1时序数据，提出了一种综合应用多时相多极化SAR变化检测算法和Sigmoid函数的冰川表面消融监测方法。以祁连山老虎沟12号冰川为研究区，利用“中心线—圆”方法获得的冰川东、西支64个样区，通过各点2019—2020年124个时相的SAR后向散射系数变化特征确定了7个典型样区及2019和2020年冰川消融期；基于同轨道参考影像与多时相融雪影像对比，分别获得变化监测影像VV和VH极化后向散射系数，对其进行权重组合后提取湿雪像元；通过Sigmoid函数并结合湿雪平均海拔高度提取干雪，从而得到2年冰川消融期内16个时相的冰川表面干湿雪分布。利用2019年09月01日无人机数字正射影像(DOM)以及与Sentinel-1邻近日期5景Sentinel-2影像对提取结果进行精度验证，并结合冰川上气象站点气温和降水数据对误差结果进行深入分析。实验结果表明，该方法能够有效提取冰川表面干、湿雪分布，总体分类精...

冰川是影响气候变化的主要因素，合成孔径雷达(SAR)不仅具有较高空间分辨率和多极化等特点，而且对冰雪融化引起的介电常数变化较为敏感，已成为山地冰川表面消融变化监测的重要数据源。基于Sentinel-1时序数据，提出了一种综合应用多时相多极化SAR变化检测算法和Sigmoid函数的冰川表面消融监测方法。以祁连山老虎沟12号冰川为研究区，利用“中心线—圆”方法获得的冰川东、西支64个样区，通过各点2019—2020年124个时相的SAR后向散射系数变化特征确定了7个典型样区及2019和2020年冰川消融期；基于同轨道参考影像与多时相融雪影像对比，分别获得变化监测影像VV和VH极化后向散射系数，对其进行权重组合后提取湿雪像元；通过Sigmoid函数并结合湿雪平均海拔高度提取干雪，从而得到2年冰川消融期内16个时相的冰川表面干湿雪分布。利用2019年09月01日无人机数字正射影像(DOM)以及与Sentinel-1邻近日期5景Sentinel-2影像对提取结果进行精度验证，并结合冰川上气象站点气温和降水数据对误差结果进行深入分析。实验结果表明，该方法能够有效提取冰川表面干、湿雪分布，总体分类精...

积雪作为冰冻圈重要组成部分，与全球气候变化和生态系统密切相关，精准识别积雪分布信息具有重要意义。合成孔径雷达(Synthetic Aperture Radar, SAR)数据的极化和散射特征在积雪识别中具有极大的应用潜力。以新疆玛纳斯河流域为研究区，提取全极化Radarsat-2数据后向散射特征和目标极化分解特征；为探索极化特征和散射特征对积雪识别的贡献，将获取的特征进行组合，得到3种特征集；采用随机森林算法对研究区积雪进行识别提取。结果显示，基于随机森林的Radarsat-2极化特征结合散射特征识别结果的总体精度和调和平均值(F1)达到最高，分别为83.00%和0.82,仅基于极化特征识别结果总体精度和F1分别为77.5%和0.76。研究结果表明，与单一极化特征相比，结合散射特征和极化特征能有效提高积雪识别精度，对山区大范围积雪识别具有极大的潜力。

积雪作为冰冻圈重要组成部分，与全球气候变化和生态系统密切相关，精准识别积雪分布信息具有重要意义。合成孔径雷达(Synthetic Aperture Radar, SAR)数据的极化和散射特征在积雪识别中具有极大的应用潜力。以新疆玛纳斯河流域为研究区，提取全极化Radarsat-2数据后向散射特征和目标极化分解特征；为探索极化特征和散射特征对积雪识别的贡献，将获取的特征进行组合，得到3种特征集；采用随机森林算法对研究区积雪进行识别提取。结果显示，基于随机森林的Radarsat-2极化特征结合散射特征识别结果的总体精度和调和平均值(F1)达到最高，分别为83.00%和0.82,仅基于极化特征识别结果总体精度和F1分别为77.5%和0.76。研究结果表明，与单一极化特征相比，结合散射特征和极化特征能有效提高积雪识别精度，对山区大范围积雪识别具有极大的潜力。

湖冰是对气候变化十分敏感的冰冻圈水文变量，起到调节区域气候和湖泊生态系统的作用，并作为一种自然资源服务于冰上生产生活。湖冰覆盖和湖冰厚度是研究湖冰过程的关键变量，目前大多数湖冰研究集中在湖冰覆盖领域，湖冰厚度领域由于缺乏实测资料和专门的遥感观测平台还存在诸多空白，大量缺资料地区湖冰厚度仍处于未知状态，亟待方法和数据上的突破与创新。本文综述了近20年国内外湖冰厚度遥感反演领域的进展，介绍了各类反演方法的原理机理及主要优缺点，其中被动微波遥感方法具有良好的时间分辨率但空间分辨率较粗，难以覆盖中小型湖泊；基于SAR影像的主动微波方法空间分辨率较高但物理机制复杂，可靠性有待进一步验证；基于测高雷达的主动微波方法观测时段较长，物理机制明确，易于拓展到无实测资料湖泊，但空间覆盖相对有限；热红外遥感方法时空分辨率较好，但容易受云和湖冰表面积雪的影响，反演精度和可靠性有待提升。在此基础上，本文分析湖冰厚度遥感反演领域面临的主要挑战和发展方向包括：（1）厘清湖冰表面积雪相关的物理过程；（2）实现大范围实测冰厚和遥感资料的集成；（3）实现多源遥感冰厚反演方法的交叉融合。

湖冰是对气候变化十分敏感的冰冻圈水文变量，起到调节区域气候和湖泊生态系统的作用，并作为一种自然资源服务于冰上生产生活。湖冰覆盖和湖冰厚度是研究湖冰过程的关键变量，目前大多数湖冰研究集中在湖冰覆盖领域，湖冰厚度领域由于缺乏实测资料和专门的遥感观测平台还存在诸多空白，大量缺资料地区湖冰厚度仍处于未知状态，亟待方法和数据上的突破与创新。本文综述了近20年国内外湖冰厚度遥感反演领域的进展，介绍了各类反演方法的原理机理及主要优缺点，其中被动微波遥感方法具有良好的时间分辨率但空间分辨率较粗，难以覆盖中小型湖泊；基于SAR影像的主动微波方法空间分辨率较高但物理机制复杂，可靠性有待进一步验证；基于测高雷达的主动微波方法观测时段较长，物理机制明确，易于拓展到无实测资料湖泊，但空间覆盖相对有限；热红外遥感方法时空分辨率较好，但容易受云和湖冰表面积雪的影响，反演精度和可靠性有待提升。在此基础上，本文分析湖冰厚度遥感反演领域面临的主要挑战和发展方向包括：（1）厘清湖冰表面积雪相关的物理过程；（2）实现大范围实测冰厚和遥感资料的集成；（3）实现多源遥感冰厚反演方法的交叉融合。