近日，我院王红教授课题组联合加拿大麦克马斯特大学Alemu教授研究团队，在国家尺度森林生物量估算和不确定性量化方面的研究取得进展，在地球科学类TOP期刊《ISPRS Journal of Photogrammetry and Remote Sensing》在线发表了最新研究成果“Aboveground biomass mapping of Canada with SAR and optical satellite observations aided by active learning”。论文链接：https://www.sciencedirect.com/science/article/pii/S0924271625002096。 使用卫星遥感观测估计森林地上生物量（AGB）时，国家森林清查（NFI）数据已成为模型训练和验证不可或缺的参考。然而，对于像加拿大这样土地面积广阔、森林覆盖率广的国家来说，获得统计上足够的NFI数据进行模型训练是一项挑战。该研究旨在使用季节性的Sentinel 12和年度合成的L波段ALOS PALSAR数据，以及可用的NFI数据进行加拿大国家尺

准确估算陆地蒸散发对深入理解水文循环和支撑可持续水资源管理至关重要。然而，现有蒸散发模型由于依赖复杂的气象输入参数（如降水）以及对植被和土壤过程的复杂参数化，常面临显著的不确定性。本研究使用一种基于物理过程且无需参数校准的蒸发互补（Complementary Relationship, CR）模型，该模型基于陆气间水热耦合过程，仅需常规气象变量——辐射、温度、湿度和风速，即可实现地表蒸散发估算，从而避免了对复杂地表参数的需求。 通过在62个全球主要流域基于水量平衡法推导的蒸散发量进行严格验证，结果表明相较于现有蒸散发产品（包括10套基于遥感模型、陆面模型和再分析方法的全球数据集），CR模型在蒸散发量级和趋势模拟上均展现出更优表现，尤其是在植被覆盖稀疏的干旱区域（如图1所示）。研究进一步发现，当采用再分析数据气象变量驱动CR模型时，蒸散发估算结果优于这些再分析数据集直接输出的蒸散发量。研究生成了2001-2022年全球陆地月尺度蒸发数据集，结果显示全球陆地年平均蒸发量为552 ± 5.5 mm yr⁻¹（如图2所示，除南极洲和格陵兰岛外），全球陆地蒸发趋势为0.94 ± 0.3

近日，我院柯灵红副教授联合中国科学院南京地理与湖泊研究所提出了基于卫星测高的内陆水体（河流湖库）时序水位提取新方法，该方法在水位监测精度和适应不同地形地貌、水文状况和水体形态等背景条件的稳健性都得到显著提升，并成功研制和发布了全球河湖地表水位长时序产品。该成果以“A novel Multiple Persistent Peaks (MPP) retracker to improve global inland water level monitoring from satellite radar altimetry “为题发表在遥感领域国际权威期刊《Remote Sensing of Environment》。论文链接：https://www.sciencedirect.com/science/article/pii/S0034425725001488数据产品链接：https://data.tpdc.ac.cn/en/data/16c6d3f0-caef-451e-9733-0e419db5447f.一、研究背景 河湖水位是研究地表水存储及其变化、洪涝灾害预警和评估的关键水文