大坝建设调整了流域水资源配置，使流域景观格局产生变化，进而影响河流水质。本研究将不同景观格局类型定性分为人为影响因子和自然影响因子，基于我国970个国控断面水质数据和271个建坝子流域情况，采用相关性分析和随机森林算法，定量探究大坝建设下流域景观格局对河流水质的影响。结果表明，建设用地、人口密度、夜间灯光等人为影响因子对河流水质的影响大于自然影响因子，其和WQI的相关性分别为-0.49、-0.55、-0.65（P<0.05）。大坝建设后人类活动加剧，建设用地、人口密度、夜间灯光和WQI的相关性分别提高到-0.62、-0.63、-0.70（P<0.05）。冰川和永久积雪用地、水体、气温等自然影响因子和WQI相关性较小，分别为0.25、-0.28、-0.45（P<0.05）；随机森林的结果显示总磷和溶解氧在建坝流域对WQI的贡献率和无建坝相比增幅最明显，分别为28.02%和27.85%，建设用地、人口密度、水体的贡献率也均有显著上升。本研究揭示了有无建坝下流域内景观格局与河流水质的相互关系，为大坝建设下的河流水生态保护提供参考。

大坝建设调整了流域水资源配置，使流域景观格局产生变化，进而影响河流水质。本研究将不同景观格局类型定性分为人为影响因子和自然影响因子，基于我国970个国控断面水质数据和271个建坝子流域情况，采用相关性分析和随机森林算法，定量探究大坝建设下流域景观格局对河流水质的影响。结果表明，建设用地、人口密度、夜间灯光等人为影响因子对河流水质的影响大于自然影响因子，其和WQI的相关性分别为-0.49、-0.55、-0.65（P<0.05）。大坝建设后人类活动加剧，建设用地、人口密度、夜间灯光和WQI的相关性分别提高到-0.62、-0.63、-0.70（P<0.05）。冰川和永久积雪用地、水体、气温等自然影响因子和WQI相关性较小，分别为0.25、-0.28、-0.45（P<0.05）；随机森林的结果显示总磷和溶解氧在建坝流域对WQI的贡献率和无建坝相比增幅最明显，分别为28.02%和27.85%，建设用地、人口密度、水体的贡献率也均有显著上升。本研究揭示了有无建坝下流域内景观格局与河流水质的相互关系，为大坝建设下的河流水生态保护提供参考。

大坝建设调整了流域水资源配置，使流域景观格局产生变化，进而影响河流水质。本研究将不同景观格局类型定性分为人为影响因子和自然影响因子，基于我国970个国控断面水质数据和271个建坝子流域情况，采用相关性分析和随机森林算法，定量探究大坝建设下流域景观格局对河流水质的影响。结果表明，建设用地、人口密度、夜间灯光等人为影响因子对河流水质的影响大于自然影响因子，其和WQI的相关性分别为-0.49、-0.55、-0.65（P<0.05）。大坝建设后人类活动加剧，建设用地、人口密度、夜间灯光和WQI的相关性分别提高到-0.62、-0.63、-0.70（P<0.05）。冰川和永久积雪用地、水体、气温等自然影响因子和WQI相关性较小，分别为0.25、-0.28、-0.45（P<0.05）；随机森林的结果显示总磷和溶解氧在建坝流域对WQI的贡献率和无建坝相比增幅最明显，分别为28.02%和27.85%，建设用地、人口密度、水体的贡献率也均有显著上升。本研究揭示了有无建坝下流域内景观格局与河流水质的相互关系，为大坝建设下的河流水生态保护提供参考。

为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。

为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。

为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。

地貌区划是根据地貌相似性和差异性进行的区域划分，研究火星地貌区划对于理解火星地貌演化历史和合理开发利用火星资源具有重要意义。然而，目前火星地貌区划的研究尚处于空白状态，约定俗成的火星地名缺乏明确边界，且各营力改造地貌边界尚不清晰。鉴于此，本文采用布格重力、地形、遥感影像、地质图等多源数据，提出了一套“大区—地区—区”三级地貌分区划分方案。首先，基于地球物理、地形特征等不同要素数据绘制火星大地构造域界线，作为一级地貌大区的分界线。其次，基于不同地形因子，通过随机森林结合SHAP模型（SHapley Additive exPlanations），以地貌相似度聚类地质单元，划定二级地貌地区的分界线。再次，收集火山、冰川、风沙、水成地貌数据，以自适应最优带宽核密度估计法得到的营力作用区域作为三级地貌区的分界线。最后，整合一级、二级、三级地貌分区界线，并按一级到三级的顺序命名地貌分区单元。该地貌分区方案耦合了地貌形态与成因，考虑了不同要素对构造域界线的影响，解决了传统聚类结果破碎度高的问题，并以半自动的方式减少了全球性制图带来的工作量及主观性，对未来火星地貌演化研究具有较高的参考价值。

地貌区划是根据地貌相似性和差异性进行的区域划分，研究火星地貌区划对于理解火星地貌演化历史和合理开发利用火星资源具有重要意义。然而，目前火星地貌区划的研究尚处于空白状态，约定俗成的火星地名缺乏明确边界，且各营力改造地貌边界尚不清晰。鉴于此，本文采用布格重力、地形、遥感影像、地质图等多源数据，提出了一套“大区—地区—区”三级地貌分区划分方案。首先，基于地球物理、地形特征等不同要素数据绘制火星大地构造域界线，作为一级地貌大区的分界线。其次，基于不同地形因子，通过随机森林结合SHAP模型（SHapley Additive exPlanations），以地貌相似度聚类地质单元，划定二级地貌地区的分界线。再次，收集火山、冰川、风沙、水成地貌数据，以自适应最优带宽核密度估计法得到的营力作用区域作为三级地貌区的分界线。最后，整合一级、二级、三级地貌分区界线，并按一级到三级的顺序命名地貌分区单元。该地貌分区方案耦合了地貌形态与成因，考虑了不同要素对构造域界线的影响，解决了传统聚类结果破碎度高的问题，并以半自动的方式减少了全球性制图带来的工作量及主观性，对未来火星地貌演化研究具有较高的参考价值。

地貌区划是根据地貌相似性和差异性进行的区域划分，研究火星地貌区划对于理解火星地貌演化历史和合理开发利用火星资源具有重要意义。然而，目前火星地貌区划的研究尚处于空白状态，约定俗成的火星地名缺乏明确边界，且各营力改造地貌边界尚不清晰。鉴于此，本文采用布格重力、地形、遥感影像、地质图等多源数据，提出了一套“大区—地区—区”三级地貌分区划分方案。首先，基于地球物理、地形特征等不同要素数据绘制火星大地构造域界线，作为一级地貌大区的分界线。其次，基于不同地形因子，通过随机森林结合SHAP模型（SHapley Additive exPlanations），以地貌相似度聚类地质单元，划定二级地貌地区的分界线。再次，收集火山、冰川、风沙、水成地貌数据，以自适应最优带宽核密度估计法得到的营力作用区域作为三级地貌区的分界线。最后，整合一级、二级、三级地貌分区界线，并按一级到三级的顺序命名地貌分区单元。该地貌分区方案耦合了地貌形态与成因，考虑了不同要素对构造域界线的影响，解决了传统聚类结果破碎度高的问题，并以半自动的方式减少了全球性制图带来的工作量及主观性，对未来火星地貌演化研究具有较高的参考价值。

冰川是青藏高原自然资源调查监测的重点对象之一，冰川的调查监测与研究对青藏高原气候变化具有重要意义。以青藏高原冰川为研究对象，融合多源数据构建了一个随机森林模型(R2=0.72)，获得了2000—2020年青藏高原逐年1 km尺度冰川预测数据集，分析了2000—2020年青藏高原冰川的空间分布特征和时空变化特征。研究表明：（1）青藏高原冰川空间分布特征为：主要分布于0°～40°坡度范围内，占比达97.92%；主要分布于4000～7000 m海拔范围内，占比达99.38%；总体呈现北坡多于南坡、西坡多于东坡的特点。（2）青藏高原冰川时空变化特征为：时间上，2000—2020年青藏高原冰川总体呈现显著退缩趋势。空间上，青藏高原边缘地区冰川存在显著变化趋势，从边缘向腹地显著变化趋势减弱，腹地以轻微变化趋势为主。（3）喜马拉雅山和念青唐古拉山冰川主要呈显著退缩趋势，喀喇昆仑山冰川主要呈轻微退缩趋势，昆仑山冰川呈轻微前进趋势与轻微退缩趋势并存的特点。