中国的生态系统是多样的，分布广泛，具有明显的复杂性和异质性。实现高精度、高效率的国家和区域生态环境遥感监测面临一系列技术难题。

　　卫星遥感环境监测典型进展如下：

　　(1)针对中国生态系统的特点，提出了由8个类、22个类和42个类组成的遥感生态系统分类体系，建立了考虑区域单元光谱特征的基于规则自适应学习的生态系统自动分类方法。通过训练区域的自动选择和特征类型光谱特征三维特征空间的自动构建、分割和聚类，一级生态系统分类的准确率由通常的80%提高到了80%。提出了一种基于决策树和面向对象分类技术的生态系统自动分类方法，明显提高了环境一号卫星在复杂地形区域的生态系统分类精度。

　　(2)提出了多种基于数据同化的地表生态参数时间序列重建方法，为生态环境监测和评价提供了时间和空间上相对完整的地表环境参数数据集;提出了一种基于改进S-G滤波的植被指数重建方法，并将其应用于环境一号卫星NDVI数据时间序列的重建，大大降低了由云层覆盖、大气效应等因素引起的噪声。提出了多种基于卡尔曼滤波的能量和水分参数时间序列重构方法，明显改善了相关参数数据时间序列的均值和标准差。比如辐射参数标准差下降10%-15%，温度参数标准差下降8%-15%。

　　(3)卫星遥感环境监测中，建立了基于环境一号卫星等多源遥感数据的生物物理参数、地表物理参数、生态景观指数、生态评价因子等生态遥感参数的业务化提取方法。例如，通过优化APAR、光能利用率和水分胁迫因子对传统CASA模型进行改进，基于优化后的模型建立全国范围的初级生产力产品，开发了基于广义回归网络的自主高分卫星叶面积指数遥感反演技术。

　　如果大家想要了解更多关于这方面的内容可以联系我们卫星遥感环境监测。