冰湖识别是了解冰湖对气候变化的响应和评估冰湖溃决洪水潜在危险的先决条件。虽然遥感技术使全球冰湖演变的持续监测和评估成为可能，但准确可靠地提取复杂高原地形区的冰湖仍然具有挑战性。本文提出了融合多源遥感数据和改进后MaskR-CNN深度学习模型的复杂高原地形区冰湖智能识别方法，在MaskR-CNN模型基础上，通过在骨干网络ResNet-50的高层特征（Conv4和Conv5）、FPN的每个特征图以及Mask Head 中引入注意力机制。利用Sentinel-2高分辨遥感影像、ALOS-DEM及NDWI数据组成多波段数据集，并在青藏高原东南部的林芝市进行测试，并进一步比较了改进后Mask R-CNN、U-Net、SegNet和DeepLab V3模型在冰湖识别中的性能。改进后的Mask R-CNN模型具有更高的准确率，模型的精确度、召回率和准确度值分别达到了91.25%、93.69%、92.89%。它有效地降低了山体阴影、湖水浊度和冻融湖水条件对冰湖识别的影响，并显著提高了小冰湖的识别效率。本研究为地形复杂高原地形区冰湖识别提供了可靠解决方案，为深度学习与多源遥感数据结合的智能化冰湖提取提供...
南极冰盖物质平衡对全球海平面变化影响巨大，提高南极冰盖物质平衡估算精度对实现全球海平面变化趋势准确预测至关重要.卫星遥感技术的发展，特别是极地卫星对南极冰盖系统监测能力的提升，有助于认识、保护和利用南极，解决极地科学国际前沿难题.揭示南极冰盖对全球气候环境的响应及其反馈机制，对深化人类对南极的科学认知也具有重要意义.本文首先系统总结了用于南极冰盖监测卫星的发展现状及现有的卫星遥感数据产品序列，然后讨论了运用遥感卫星监测南极物质平衡的主要方法和研究进展，并对南极卫星遥感技术的最新进展进行了分析.最后在我国极地遥感卫星发展方面提出了建议，旨在进一步提升我国对极地冰盖变化和全球海平面上升的长期观测及预测能力，为相关应对策略的制定提供有力的科学支撑.
