0 引言

“城市遥感”作为遥感领域一个重要的应用分支，一直是国际上遥感科学技术和城市科学两个学科的重要研究内容。城市化对自然地理环境、人文地理环境和生态系统的影响，都直接或间接地在多源、多尺度、主/被动遥感影像上得以表达。遥感是监测、管理、分析城市化过程及其生态环境响应的最为有效的信息源，在应用需求、数据获取、处理分析3个方向的驱动下，城市遥感理论、方法与应用都得到了迅猛发展[1-5]。

国家新型城镇化规划、生态文明和智慧城市建设对城市遥感提出了新挑战，遥感数据获取技术的快速发展为城市遥感提供了日益丰富的数据源，人工智能、地理时空大数据分析与挖掘技术为城市遥感提供了更智能、快速的处理和分析工具。面向国家需求和技术发展，《地理与地理信息科学》组织了“城市遥感”专栏，邀请国内从事城市遥感理论、方法与应用的学者围绕不同方向，介绍相关方法进展、应用实例，以期总结成果和经验，发现不足和问题，探索前沿和方向，推动新时代城市遥感的创新和发展。

混合式教学来源于人们对于在线教学的理性反思基础上的，在线教育虽然说是现在教育的主流，因为在线教育是信息化教育模式的重构，是指把传统教育的教学方式的优势和在线教育优势完美地结合起来，充分的网络的利用时间优势和空间优势，是一种：“线上+线下”的教学，混合现实学习环境并有所提升，将各大高校优秀的教育资源整合起来，通过两种教育的有机结合，可以把学习者的学习由浅到深的引向深地学习，实现有效的教育。开展在线教育不是为了去使用在线平台，也不是去为了建设数字化的教学，也不是去为了发展各式各样的教学活动，而是为了让学生进行深度的学习。

本专栏的相关论文集中反映了当前城市遥感的研究动态和热点方向。本文作为导读论文，通过对相关论文的系统分析和综述，总结了当前城市遥感的发展动态，并结合新时代下的新需求、新挑战和新机遇对城市遥感的发展趋势进行了初步探讨。

这首词创作于1933年夏天，这年6月上旬，在宁都召开了中共中央局会议（史称“第二次宁都会议”），毛泽东作为中央局成员出席了这次会议。会上，毛泽东提出了申诉，表达自己在前次宁都会议上受到了不公正的对待。

1 “城市遥感”专栏论文简介与城市遥感研究动态

(2)遥感数据从早期以中分辨率光学遥感影像为主，扩展到高分辨率遥感影像、光学与SAR影像融合、多分辨率影像集合、夜光数据和热红外数据等多种数据综合利用，特别是更重视对各种遥感产品的再分析和再利用，以及利用地面监测数据辅助城市遥感研究。如利用30 m全球地表覆盖产品深度分析中国城市扩张模式及其生态环境影响[6]；利用土地利用分类数据和MODIS NPP产品评价长三角生态足迹与生态环境承载力[8]；利用Suomi-NPP VIIRS 夜间热异常产品区分城市工业热源[7]；利用气象再分析资料和地面监测数据优化大气污染反演[10]；利用InSAR地面沉降监测结果辅助城市基础设施运营危险性评价[15]。如何充分整合和利用更多的遥感派生产品、公开专题信息、行业监测数据等，将是今后城市遥感数据资料选择的一个重要方向，不仅可以降低城市遥感数据选择的难度，还可以提高数据资料综合分析能力，便于得出更客观、可靠的研究成果。目前国内外已有一些提供地理空间数据科学分析与可视化的云平台，为综合使用多源遥感影像、科学数据集进行城市研究提供了基础，如Liu 等利用Google Earth Engine (GEE)丰富的遥感影像、科学数据集和云计算平台，提取了多时相的全球高分辨率城市用地[17]。

(3)城市遥感的研究目标不断扩展、深化和聚焦。城市遥感不仅能够定性地从自然环境角度描述城市扩展、土地利用/覆盖等现象，定量地表达不透水面比例、地表温度、大气污染物浓度分布，而且可以进一步结合夜光数据、地表热异常产品对人类活动、工业生产、社会经济、基础设施风险评估等进行深入分析。城市是人类活动频繁、社会经济系统交错的区域，城市遥感区域较其他自然环境区域遥感的一个独特方向就是要综合描述人类活动和社会经济现象、人地作用过程与影响，特别是夜光数据在揭示人类活动和社会经济状态方面发挥了重要作用，已成为国内外研究的热点[18]。

(1)研究对象从单一城市向城市群、省域、全国、流域和城市重点区扩展。随着多尺度对地观测数据和产品的快速发展，遥感提供了对不同尺度城市化及其资源环境响应的综合观测，为开展不同范围的城市遥感研究创造了条件。相关论文分析了全国城市扩展的模式及其生态环境响应[6]，研究了京津冀、长三角城市群的大气污染[10]、人工热源[7]、热岛效应[9]和生态服务[8]，提取了香港[11]等典型城市的不透水面分布信息，开展了徐州市[13]、南京市[12，16]典型区域变化检测和地物分类，探讨了京津冀城市群人类活动和社会经济状况，开展了新疆奎屯河流域土地利用模拟[14]、北京市地铁运营危险性评价[15]。在遥感应用中充分关注研究对象的特点，如针对干旱区典型绿洲城市、京津冀工业区等的不同特点，充分表现了城市遥感研究对象地理范围的拓展和细化、区域特点的延伸和体现、区域关键问题的提炼和关注，既突出了地理学“综合性”和“区域性”的研究方法，又挖掘了不同光谱、时/空间分辨率遥感数据的优势和能力。

表1从研究目标、研究区、数据源、分析方法对专栏相关论文进行了总结，可以看出，本专栏相关论文代表了当前国内外城市遥感的主要研究方向，呈现出以下动态和特点：

表1 “城市遥感”专栏论文分析 Table 1 Summary of the special column on urban remote sensing

论文题目研究区研究目标数据源方法模型基于GlobeLand30的中国城市扩张模式及其对生态用地的影响[6]全国城市扩张模式及其对生态用地的影响GlobeLand30地表覆盖分类数据指数分析/变化分析(扩展率、扩展模式、增长率、生态用地指数等)基于Suomi⁃NPPVIIRS夜间热异常产品的城市工业热源分类———以京津冀地区为例[7]京津冀地区城市工业热源提取Suomi⁃NPPVIIRS夜间热异常产品/在线高空间分辨率遥感影像多特征综合、时间序列分析、面向对象分类遥感产品支持的城市群生态足迹空间格局研究———以长江三角洲核心区城市群为例[8]长三角城市群城市群生态承载力评价土地利用分类数据/MODISNPP产品生态足迹估算模型时间升尺度方法对城市地表热岛强度计算的影响研究[9]长三角城市群地表热岛强度计算MODIS地表温度、NDVI和土地利用/覆盖产品，地面气象站点数据定量反演、尺度变化、时空分析基于卫星遥感和气象再分析资料的北京市PM2 5浓度反演研究[10]北京市PM2 5浓度反演MODIS气溶胶光学厚度产品/ECMWF⁃ERA5气象再分析资料/监测站点PM2 5数据随机森林、多元线性回归、支持向量机、神经网络融合光学与雷达遥感数据的城市不透水面提取方法[11]香港不透水面提取SPOT⁃5多光谱数据/C波段、L波段、X波段SAR影像多特征提取综合、光学与SAR影像融合、SVM分类一种基于多源多时相遥感信息的城市水稻田分布提取方法[12]南京市江宁区地表覆盖分类，专题信息提取多时相Landsat影像和Sentinel雷达影像光谱与极化特征提取、SVM分类基于多分类器集成和对象的城市典型地物要素变化检测———以ZY⁃3影像为例[13]徐州市城市变化检测资源三号多光谱影像支持向量机、极限学习机、分类器集成、面向对象分析基于CLUE⁃S模型的干旱区典型绿洲城市土地利用变化时空动态模拟研究———以新疆奎屯河流域为例[14]新疆奎屯河流域土地利用变化模拟LandsatTM/ETM+、CBERS面向对象分类、CLUE⁃S模型基于地面沉降监测的地铁运营危险性评价———以北京地铁6号线为例[15]北京市基础设施监测与健康诊断TerraSAR雷达遥感影像PS⁃InSAR基于影像特征多尺度拓扑的城市土地覆盖信息提取[16]南京市土地覆盖分类QuickBird高空间分辨率影像多尺度分割、多特征综合、SVM分类

“城市遥感”专栏包括11篇论文[6-16]，内容涵盖城市地表覆盖分类、典型要素提取、动态变化检测、生态参数反演(地表温度、PM2.5等)、扩展模式分析、演变趋势模拟等，选择的典型研究区既包括京津冀、长三角等城市群区域，也包括北京、南京、徐州等典型城市，采用的信息处理方法和工具涉及支持向量机、深度学习等机器学习新理论以及地理模拟、空间统计、信息复合等空间分析方法，系统地呈现了当前城市遥感的研究进展。

如重教版教材高二英语Book5, Unit3 Internet Shopping一课的教学，因为学生们对网上购物非常熟悉，所以在设定的情境中，学生可以通过“三动六步”渐进地掌握相关词汇。

(5)将各种遥感解译信息与统计分析模型、专题应用模型、时空地学模型结合，提升城市遥感结果的综合性、科学性，实现城市遥感的深度发展。多源多时相遥感数据能够提供城市结构、过程、功能直接和间接的状态、驱动力、演变信息，但这些信息必须进一步在相应的模型支持下，才能形成有助于城市管理与规划的知识，因此遥感解译信息和各种城市研究模型的结合将是深层次应用的必然要求。如本专栏中，利用GlobeLand30遥感产品和相关城市格局、扩展指标与模型进行中国城市化与生态环境响应研究[6]，通过多种遥感产品结合生态足迹模型进行城市群生态环境承载力分析[8]，基于InSAR变形监测结果和信息熵—网络模型评价地铁运营危险性[15]，借助多时相遥感数据和元胞自动机模型综合预测土地利用[14]等，都表明遥感数据和模型结合是实现深层次应用和提供决策支持的关键。

(4)城市遥感采用的图像处理与信息分析方法不断发展，特别是新型机器学习与人工智能方法在城市遥感信息处理中得到越来越多的应用。如本专栏中，针对城市遥感图像处理与信息提取，研究人员采用了支持向量机、极限学习机、多分类器集成、随机森林等先进的机器学习算法，另外多特征综合、多源数据融合、面向对象影像分析等策略也成为城市遥感研究中普遍采用的方法。随着人工智能理论与方法的快速发展，城市遥感将应用更多的智能化、自动化分析方法，实现海量遥感数据的快速、智能处理，在人工智能时代更好地满足智慧城市建设的需求。

4.产后虚弱。母猪平时营养不良，衰弱，元气不足，分娩时间过长，疲劳过度，损伤元气，产时失血太多，致使气血亏损，造成产后表现疲惫，体温偏低，反射功能减少，食欲减少。

因此，本专栏相关论文充分体现了当前城市遥感的发展动态和研究热点，对于开展相关的研究和应用工作具有重要的借鉴意义。

2 城市遥感的发展趋势

随着国家新型城镇化规划的实施以及生态文明和智慧城市的建设，绿色、低碳、健康、智慧等已成为城市发展新的理念，也对城市遥感提出了新的需求和挑战。遥感数据获取技术的快速发展、大数据和人工智能时代信息处理理论与方法的突破，则为城市遥感提供了新的机遇和支持。在新的背景和挑战下，城市遥感凸显出以下发展趋势。

(1)通过分析关键词节点大小，可知在整个社会网络图谱中，创客教育处于中心位置，对整个网络图谱的作用最强。其次是创客、创客运动、创客空间等关键词，反映了当前研究热点。通过查询文献发现，研究主要集中在创客教育与创客、创客运动和创客空间之间的关系等方面。

(1)面向更重大的需求。城市遥感需要支持城市绿色、低碳、健康、智慧发展的重大需求，需要与国家相关规划和重点工程对接，研究解决其中的关键问题。如国家新型城镇化规划提出“统筹规划城市空间功能布局，促进城市用地功能适度混合。合理设定不同功能区土地开发利用的容积率、绿化率、地面渗透率等规范性要求”，如何利用遥感技术辅助城市空间功能布局，计算土地开发利用的容积率、绿化率、地面渗透率等指标，都需要城市遥感在数据处理、信息提取、指标设计、模型分析方面有新的突破。

(2)采用更丰富的数据。随着遥感数据获取技术的发展，采用多平台、多分辨率、多观测谱段的遥感数据为更加客观、综合的研究提供了支持。近年来，遥感数据和各种社会感知数据、实地观测数据、统计分析资料的结合为城市遥感提供了新的发展动力。随着地理大数据、时空大数据等研究的发展，采用更加丰富的遥感、监测和调查数据将成为一个必然的发展趋势。特别是国内外诸多机构正在提供越来越多的解译产品，利用这些遥感产品开展综合分析将极大地拓展城市遥感的研究和应用群体。

(3)研发更先进的方法。遥感数据获取的快速发展提供了海量的遥感影像，信息处理技术是从海量影像中提取有用信息的关键。一方面，需要将人工智能、机器学习的新理论、新方法(如深度学习、迁移学习、集成学习等)用于城市遥感图像处理，以提高数据处理的自动化、智能化程度，降低训练样本不足、数据质量不够等影响；另一方面，需要发展有效的多源数据融合模型、多种信息综合分析模型，以实现针对特定任务的多源数据、资料的综合分析。此外，针对复杂背景下物理环境的特殊性，需要建立有效的地表参数定量遥感模型，发展更先进的参数反演新方法。

(4)提供更全面的信息。结合国家新型城镇化规划等需求，城市遥感需要从空间上的城市扩展与土地利用变化、城市环境分析转变到人口估算、能源消耗、经济分析、环境健康评价、公共安全与应急管理等社会科学方面的遥感应用，进一步拓展到生态环境、人居环境、热环境、环境容量、景观生态、生态承载力、生态安全等方面。在推进城市现象、格局和功能解释性研究的同时，面向城市病、城市功能和城市演变开展诊断性研究，进一步综合利用长时序遥感数据，为城市环境健康评价、风险防控等提供支持，推进城市遥感的目标向预测性和决策性发展[19]。

(5)实现更精细的表达。早期的城市遥感研究重点是从遥感影像中提取反映城市结构、格局、变化的信息进行分析，随着定量遥感的快速发展，基于遥感信息的城市生态环境参数定量描述已成为新的研究热点，实现不同分辨率上对几何和物理属性定性、定量的精细表达。城市遥感既要提供二维平面的专题信息，还要提供三维空间的表达和分析，如基于LiDAR、无人机遥感、倾斜摄影等的三维城市建模、地面沉降分析和地质灾害监测等。更进一步，需要将三维空间中各种几何、物理和社会经济信息复合，研究三维城市空间中各种自然过程和人为活动的演变趋势及其资源环境响应，实现对城市结构、格局和功能更精细化的表达。

(6)服务更广泛的对象。城市遥感研究应更加注重同应用目标的衔接。对研究对象而言，不仅要关注典型城市，更要重视城市群、城镇一体化、村镇等的需求。除了空间尺度，对于城市遥感研究的时间尺度也应予以重视，实现对城市化与资源环境响应定位、定性和定时的综合研究。在服务对象方面，重点应放在与城市不同应用部门、行业需求的精准对接，提供可解释、可应用、可支持决策的产品。

参考文献：

[1] 杜培军，白旭宇，罗洁琼，等.城市遥感研究进展[J].南京信息工程大学学报(自然科学版)，2018,10(1):16-29.

[2] 孙天纵，周坚华.城市遥感[M].上海：上海科学技术文献出版社，1995.

[3] WENG Q.Urban Remote Sensing[M].Boca Raton：CRC Press,2006.

[4] 杜培军，谭琨，夏俊士，等.城市环境遥感方法与实践[M].北京：科学出版社,2012.

[5] XIAN G Z.Remote Sensing Applications for the Urban Environment[M].Boca Raton：CRC Press,2016.

[6] 于溪，李强，肖逸雄，等.基于GlobeLand30的中国城市扩张模式及其对生态用地的影响[J].地理与地理信息科学，2018，34(3)：5-12.

[7] 孙佳琪，刘永学，董雁伫，等.基于Suomi-NPP VIIRS夜间热异常产品的城市工业热源分类——以京津冀地区为例[J].地理与地理信息科学，2018，34(3)：13-19.

[8] 林聪，李小磊，杨楠，等.遥感产品支持的城市群生态足迹空间格局研究——以长江三角洲核心区城市群为例[J].地理与地理信息科学，2018，34(3)：20-25.

[9] 邹照旭，黄帆，赖佳梦，等.时间升尺度方法对城市地表热岛强度计算的影响研究[J].地理与地理信息科学，2018，34(3)：26-31.

[10] 邵琦，陈云浩，李京.基于卫星遥感和气象再分析资料的北京市PM2.5浓度反演研究[J].地理与地理信息科学，2018，34(3)：32-38.

[11] 张鸿生，林殷怡，王挺，等.融合光学与雷达遥感数据的城市不透水面提取方法[J].地理与地理信息科学，2018，34(3)：39-46.

[12] 栗云峰，甘乐，林聪，等.一种基于多源多时相遥感信息的城市水稻田分布提取方法[J].地理与地理信息科学，2018，34(3)：47-53.

[13] 张玉沙，黄岩，谭琨，等.基于多分类器集成和对象的城市典型地物要素变化检测——以ZY-3影像为例[J].地理与地理信息科学，2018，34(3)：54-60.

[14] 彭树宏，钱静，陈劲松，等.基于CLUE-S模型的干旱区典型绿洲城市土地利用变化时空动态模拟研究——以新疆奎屯河流域为例[J].地理与地理信息科学，2018，34(3)：61-67.

[15] 刘凯斯，宫辉力，陈蓓蓓.基于地面沉降监测的地铁运营危险性评价——以北京地铁6号线为例[J].地理与地理信息科学，2018，34(3)：68-73.

[16] 王俊海，阮仁宗，林鹏，等.基于影像特征多尺度拓扑的城市土地覆盖信息提取[J].地理与地理信息科学，2018，34(3)：74-79.

[17] LIU X P,HU G H,CHEN Y M,et al.High-resolution multi-temporal mapping of global urban land using Landsat images based on the Google Earth Engine Platform[J].Remote Sensing of Environment,2018,209:227-239.

[18] JEAN N,BURKE M,XIE M,et al.Combining satellite imagery and machine learning to predict poverty[J].Science,2016,353(6301):790-794.

[19] 徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,33(24):7853-7862.