云和云阴影是影响光学遥感卫星影像大范围连续覆盖的主要因素，尤其在低纬度的亚热带及热带地区，云和云阴影的影响更加严重。云及云阴影的影响也直接导致了遥感专题图中一些区域的类型信息缺失，而表现为云或云阴影等非地物类型。遥感影像无云合成方法是提高光学影像利用效率的主要途径，现有的无云合成方法大多忽略了输入影像的时相问题，将多时相的输入影像同等考虑，或顾及了影像的时相但未考虑多时相数据间的辐射差异，因此造成合成后的影像辐射一致性差异较大。针对这一挑战，我所激光雷达遥感创新团队充分考虑了植被的物候特征，提出了加权合成算法，在优化合成影像辐射一致性方面取得进展。相比已有算法，该算法合成出的无云影像更加清晰辐射一致性更好，影像波段间的辐射一致性提高了3%~13%。
东南亚地区森林覆盖专题图由于以前影像获取的限制以及影像本身的云覆盖等问题，造成森林覆盖专题图中存在部分区域缺失。该算法通过对缺失部分进行无云影像合成并重新分类，成功应用到已有专题图的缺失部分更新填充中，从大湄公河次区域森林覆盖专题图的无效像元中重新分类出2005年2.6%的森林和0.7%的非森林类型，以及2010年2.7%的森林和0.6%的非森林类型。该方法极大提高了历史专题图的使用效率，为长时间森林覆盖与森林变化分析提供可靠数据参考。
无云影像合成算法以“基于Landsat 8和Sentinel 2在谷歌地球云平台上应用的多因子加权无云影像合成方法（A Multifactor Weighting Method for Improved Clear View Compositing Using All Available Landsat 8 and Sentinel 2 Images in Google Earth Engine）”为题，于2023年9月28日发表于Science伙伴期刊《Journal of Remote Sensing》期刊（中国卓越期刊高起点新刊），论文链接:https://spj.science.org/doi/10.34133/remotesensing.0086。
专题图无效值填充应用案例以“专题地图斑块填充方法——以大湄公河次区域和马来西亚森林覆盖图绘制为例（A patch filling method for thematic map refinement: a case study on forest cover mapping in the Greater Mekong Subregion and Malaysia）”为题，于2023年9月5日发表于遥感领域权威期刊《GIScience & Remote Sensing》期刊上（JCR分区Q1，IF = 6.7），论文链接:https://www.tandfonline.com/doi/full/10.1080/15481603.2023.2252225。
上述论文第一作者为我所博士后蒙诗栎，庞勇研究员为通讯作者，共同作者包括我所李增元研究员、美国马里兰大学Chengquan Huang教授和国家林草局亚太网络中心黄克标高级工程师。
图1 无云影像合成算法文章发表
图2 专题图无效值填充应用文章发表
图3 以广西壮族自治区为试验区，已有合成算法（BAP）与本研究算法（MFW）的合成影像效果对比
图4 合成出清晰且辐射一致性优的影像并对已有专题图进行填充优化
