1）研究团队在陆地表面温度监测领域，运用新型表面能量平衡模型C-SWARM，成功提高了云层覆盖条件下日间地表温度数据的重建精度，在连续美国49个通量塔站点实现了2.57K的平均绝对误差，较基准方法提升0.38至1.89K的精度。 https://www.sciencedirect.com/science/article/pii/S0034425725002779 2）研究团队在农业景观领域，运用高分辨率PlanetScope多时相卫星数据和语义分割方法，成功绘制了德国全境树篱分布图，并评估了其结构和碳储量潜力。 https://www.sciencedirect.com/science/article/pii/S0034425725002743 3）研究团队在大气遥感领域，运用基于地球静止轨道卫星的临界反射率方法，成功实现了高时空分辨率烟雾单次散射反照率的精确反演，显著提升了气溶胶辐射强迫估算的准确性。 https://www.sciencedirect.com/science/article/pii/S003442572500241X 4）研究团队在雪水当量监测领域，运用Sentinel-1合成孔径雷达（SAR）数据结合手动与自动分析方法，成功将雪融开始时间估算误差降低50%以上，并开发出独立于地面观测的自动化估算方法（均方根误差11天）。 https://www.sciencedirect.com/science/article/pii/S0034425725002676

1）研究团队在火灾遥感监测领域，运用了基于半经验热传导算法的双光谱方法，有效提升了亚像素级火区温度和面积的反演精度，并与机载观测数据验证了其性能优势。 https://www.sciencedirect.com/science/article/pii/S0034425725002755 2）研究团队在地面变形监测领域，运用了相位解缠误差修正和基于主成分分析的块校正算法，实现了毫米级精度的地面变形测量，并识别出41个活跃变形区域及其演化模式。 https://www.sciencedirect.com/science/article/pii/S0034425725002809 3）研究团队在遥感领域，运用基于代理发射率时间变化和月度清晰表面代理发射率数据库的新算法，实现了夜间云检测的高精度（96%准确率）和高效性。 https://www.sciencedirect.com/science/article/pii/S0034425725002652 4）研究团队在遥感影像时序重建领域，运用多模态扩散框架RESTORE-DiT方法，通过融合光学与SAR时序数据，显著提升了多云条件下地表动态监测精度（PSNR提升2.87dB），有效支持农作物生长监测与植被长期观测。 https://www.sciencedirect.com/science/article/pii/S0034425725002767

1）作者在地表温度遥感领域，运用了一种新型的线扩散核驱动模型（KDM）方法，有效捕捉了行栽葡萄园的温度方向性各向异性，并在不同场景下验证了其优于传统点扩散KDM的性能，均方根误差最高改善了0.5K。 https://www.sciencedirect.com/science/article/pii/S0034425725002913 2）研究团队在北极地区季节性冻融循环监测领域，运用遥感数据产品和站点观测数据相结合的方法，评估了FT-ESDR产品的准确性并分析了地表冻融特征，发现该产品低估了多个冻融参数，同时揭示了冻融过程的加速趋势及其与气温变化的关联。 https://www.sciencedirect.com/science/article/pii/S0034425725002858 3）研究团队在遥感数据处理领域，运用MSG-SEVIRI数据和提出的漂移幅度度量（DAM）方法，成功量化了NOAA-AVHRR数据轨道漂移对地表温度的影响，并验证了该度量在异质性地表类型中的有效性。 https://www.sciencedirect.com/science/article/pii/S0034425725002846 4）研究者在甲烷点源检测领域，运用了基于总羽流透射率的光谱分析方法，显著提高了假阳性排除率，并在EMIT成像光谱仪数据中验证了其有效性。 https://www.sciencedirect.com/science/article/pii/S0034425725002640

1）研究团队在北极流域环境领域，运用半自动化卫星图像分析算法，量化了加拿大西北地区解冻滑坡的季节性变化及其对河流悬浮沉积物的影响，成功捕捉到滑坡增长与沉积物浓度变化的动态关系。 https://www.sciencedirect.com/science/article/pii/S0034425725002871 2）研究团队在城市树木碳储量监测领域，运用LiDAR-相机融合的移动测绘系统和深度学习模型（YOLOv3），实现了对城市街道树木碳储量的高效准确估算，并在韩国水原市成功绘制了34,124棵街道树木的碳储量分布图。 https://www.sciencedirect.com/science/article/pii/S0034425725002998 3）研究团队在植被功能多样性评估领域，运用大气、地形和各向异性校正方法处理遥感反射率数据，发现校正后的数据能减少15%的功能丰富度估计偏差，并提出了最佳数据处理和采集几何建议以提高评估的可靠性和可重复性。 https://www.sciencedirect.com/science/article/pii/S0034425725002500 4）研究团队在全球土壤湿度监测领域，运用Tianmu-1气象卫星数据和多源验证方法，评估了其地表土壤湿度产品的准确性，发现其在裸土区域表现优异（ubRMSE约0.02 m³/m³），为全球土壤湿度监测提供了可靠数据支持。 https://www.sciencedirect.com/science/article/pii/S0034425725002962

1）研究团队在遥感领域，运用GM-ESR-ResNet深度学习模型对OMI数据进行超分辨率重建，显著提升了TROPOMI NO₂数据的时空覆盖率和准确性，并改善了地表NO₂浓度的估计精度。 https://www.sciencedirect.com/science/article/pii/S0034425725003013 2）研究者在森林监测领域，运用了基于L波段合成孔径雷达的双极化后向散射和干涉相干时间序列的模型方法，显著提高了植被高度的估计性能，克服了高植被后向散射信号饱和的问题。 https://www.sciencedirect.com/science/article/pii/S0034425725002834 3）研究团队在热带森林退化监测领域，运用Sentinel-1 C波段雷达数据的物理基础方法，成功实现了对自然和人为因素导致的林冠间隙的高精度检测，显著提升了大规模森林动态监测的能力。 https://www.sciencedirect.com/science/article/pii/S0034425725002822 4）研究团队在海洋重力场测量领域，运用SWOT卫星的宽幅干涉雷达测高技术及最小二乘调整方法，显著提升了海洋重力异常的测量精度（2.28 mGal），较传统测高仪数据精度提高12%，并实现了更精细尺度的海底地形观测。 https://www.sciencedirect.com/science/article/pii/S0034425725003074

1）研究者在洪水遥感监测领域，运用多数据集训练和双流多模态架构的方法，提高了模型的泛化能力和鲁棒性。 https://www.sciencedirect.com/science/article/pii/S003442572500286X 2）研究人员在遥感图像处理领域，运用基于Transformer的网络CloudRuler结合遥感领域的三条规则，成功提高了薄云去除的效果，并在Landsat 8和9图像上超越了七种基线方法。 https://www.sciencedirect.com/science/article/pii/S0034425725003177 3）研究者在滑坡灾害识别领域，运用深度学习结合形态学模型的方法，通过单时相极化SAR图像实现了高精度的滑坡识别，总体准确率达到95.24%，并验证了该方法在双极化SAR数据上的适用性。 https://www.sciencedirect.com/science/article/pii/S0034425725003086 4）研究团队在碳排放监测领域，运用集成路径差分吸收激光雷达（IPDA）和高光谱分辨率激光雷达（HSRL）的卫星数据，结合改进的三维高斯羽流模型，成功量化了主要发电厂的二氧化碳点源排放，误差较传统方法降低了31.63%。 https://www.sciencedirect.com/science/article/pii/S0034425725003025

1）研究团队在城市热环境领域，运用数据驱动的UNITED方法结合多源遥感数据，成功实现了全球城市地表温度（LST）的角度归一化，显著提升了多角度观测数据的准确性。 https://www.sciencedirect.com/science/article/pii/S0034425725002445 2）研究团队在生物多样性监测领域，运用高光谱成像技术和多种光谱多样性指标，分析了不同生态系统下光谱多样性指标与植物功能多样性的关系，发现光谱转换方法对相关性影响显著，为优化生物多样性监测方法提供了重要参考。 https://www.sciencedirect.com/science/article/pii/S0034425725003116 3）研究人员在森林营养监测领域，运用高光谱遥感和辐射传输模型（RTM）结合叶绿素荧光（SIF）的方法，成功解释了辐射松针叶中氮和磷浓度的变异性（氮R²=0.67–0.97，磷R²=0.60–0.95）。 https://www.sciencedirect.com/science/article/pii/S0034425725003190 4）研究团队在城市土地利用领域，运用基于部分自训练和地理时空对齐的深度时空适应网络（ANITA）方法，实现了跨时空城市场景分类和变化检测的显著改进，并在中国武汉市的大规模应用中展示了强大的有效性和泛化能力。 https://www.sciencedirect.com/science/article/pii/S0034425725003165

1）研究团队在格陵兰冰盖表面水体监测领域，运用深度学习方法和多源卫星影像数据，实现了对季节性积水湖的高精度自动识别与动态分析，揭示了其对冰盖消融的关键影响。 https://www.sciencedirect.com/science/article/pii/S0034425725003001 2）作者在水资源监测领域，运用无监督跨传感器深度学习框架（UUCP），实现了大规模光学遥感影像的高精度水体提取，Kappa值平均达到0.8859（Sentinel-2）和0.8084（Landsat-8）。 https://www.sciencedirect.com/science/article/pii/S0034425725002810 3）研究团队在植物病害检测领域，运用基于成像光谱的净化方法，成功在稻瘟病无症状阶段提前三天识别出病害信号，预测准确率高达93%（F1分数=0.91）。 https://www.sciencedirect.com/science/article/pii/S0034425725003098 4）研究团队在夜间灯光遥感领域，运用了时间频率分析和帕累托表面优化方法，显著减少了极光噪声和年际变异性，提升了全球协调夜间灯光数据集（H-NTL-v2）的精度和一致性。 https://www.sciencedirect.com/science/article/pii/S0034425725002950

1）作者在夜间遥感领域，运用多种地面传感器、无人机影像和星载传感器（如SDGSAT-1和VIIRS/DNB）数据融合的方法，解决了夜间灯光遥感中的五大挑战（云掩膜、小时级动态监测、多源数据融合、蓝光辐射估算及发射各向异性量化），提升了人类夜间活动动态监测能力。 https://www.sciencedirect.com/science/article/pii/S0034425725002731 2）研究团队在海洋管理领域，运用层次特征注意力网络（HFA-Net）和多级细节增强模块（MLDEM）等方法，在基于卫星热红外图像的微小船只检测中取得了优于现有技术的性能，提高了检测准确率并降低了误报率。 https://www.sciencedirect.com/science/article/pii/S0034425725002469 3）研究团队在城市社会经济动态监测领域，运用SDGSAT-1 GIU夜间灯光影像和多级POI分类方法，实现了上海疫情前后10米级精细灯光动态评估，并创新性提出NTL-CI和NTL-AI双指标分析体系。 https://www.sciencedirect.com/science/article/pii/S0034425725002263 4）研究团队在南极雪藻监测领域，运用Sentinel-2多光谱影像和新型藻类存在指数（API）方法，成功区分红绿藻类并量化其对雪面反照率的影响（绿藻降低8.46%，红藻降低5.33%），为气候变化研究提供了有效监测工具。 https://www.sciencedirect.com/science/article/pii/S0034425725002433

1）研究团队在土耳其-叙利亚地震灾后恢复领域，运用SDGSAT-1卫星夜光遥感数据和城市形态变量分析方法，揭示了电力恢复的时空动态模式及城市形态与恢复速度的关系，为可持续发展目标11提供了科学依据。 https://www.sciencedirect.com/science/article/pii/S0034425725002925 2）联合国在可持续发展目标监测领域，运用SDGSAT-1卫星的多传感器协同观测方法，通过提供高分辨率影像数据支持了全球SDGs评估及政策制定，并促进了137篇SCI论文产出。 https://www.sciencedirect.com/science/article/pii/S0034425725002895 3）研究团队在遥感监测领域，运用YOLOv11n深度学习算法结合热辐射特征，建立了全球首个热红外民用飞机数据集（TIFAD.v1），并开发了宽域飞行目标检测方法，显著提升了全天候全球机动飞行目标的检测精度和可靠性。 https://www.sciencedirect.com/science/article/pii/S0034425725002305 4）研究团队在极地冰雪表面温度监测领域，运用了Split-Window算法（SWAs）进行优化选择，最终推荐Enter2019作为SDGSAT-1卫星的最佳反演算法，实现了高精度的冰雪表面温度监测，并在海冰裂缝识别、冰架表面融化监测等应用中展示了其精细化监测能力。 https://www.sciencedirect.com/science/article/pii/S003442572500272X

1）研究团队在土壤有机碳监测领域，运用实验室光谱与Landsat-8多光谱数据融合的方法，结合随机森林算法和卷积神经网络模型，显著提升了土壤有机碳的预测精度和制图效果。 https://www.sciencedirect.com/science/article/pii/S0034425725002780 2）研究团队在草地生产力评估领域，运用改进的CASA模型结合多光谱反射率和环境约束条件，显著提升了草地净初级生产力（NPP）的建模精度（日尺度nRMSE降低9%，季节尺度降低8-34%）。 https://www.sciencedirect.com/science/article/pii/S0034425725002615 3）研究团队在城市夜间光污染领域，运用SDGSAT-1微光影像和人口网格数据，结合随机森林模型和夜间光供需失配指数（NLSDMI）方法，量化了北京和上海的光污染状况并提出了针对性对策。 https://www.sciencedirect.com/science/article/pii/S0034425725002986 4）研究团队在海洋流体动力学领域，运用SDGSAT-1多光谱影像的时序观测和统计分析，揭示了黄海卡门涡街的时空分布特征及其与潮流的季节性关联，首次实现了全海域涡街的时序观测与系统分析。 https://www.sciencedirect.com/science/article/pii/S0034425725002937

1）研究团队在土壤水分遥感监测领域，结合物理机制与机器学习模型，提出了一种云端智能反演框架，实现了全球高精度土壤水分估算，并在1公里分辨率验证中取得了R值0.851和ubRMSE 0.058 m³·m⁻³的优异表现。 https://www.sciencedirect.com/science/article/pii/S0034425725003323 2）研究团队在水文遥感领域，运用多源卫星数据融合和校准-测量（CM）方法，显著提高了全球河流径流长期监测的准确性和时间覆盖范围。 https://www.sciencedirect.com/science/article/pii/S0034425725003232 3）研究者在红树林遥感监测领域，运用结合视觉变换器的混合神经网络方法，实现了高精度（95.91%）的中国红树林分布制图，在混合潮汐区域的分类性能显著优于现有产品。 https://www.sciencedirect.com/science/article/pii/S0034425725003219 4）研究团队在植被生产力监测领域，运用改进的光能利用率模型结合Himawari-8/9静止卫星数据，显著提升了从日变化到年际尺度的总初级生产力估算精度。 https://www.sciencedirect.com/science/article/pii/S0034425725002706