The effectiveness of monitoring and early-warning systems for ground deformation phenomena, such as sinkholes, depends on their ability to accurately resolve the ongoing ground displacement and detect the subtle deformation preceding catastrophic failures. Sagging sinkholes with a slow subsidence rate and diffuse edges pose a significant challenge for subsidence monitoring due to the low deformation rates and limited lateral strain gradients. In this work, we satisfactorily illustrate the practicality of the Brillouin optical time domain analysis (BOTDA) to measure the spatial-temporal patterns of the vertical displacement in such challenging slow-moving sagging sinkholes. To assess the performance of the approach, we compare the strain recorded by the distributed optical fiber sensor with the vertical displacement measured by high-precision leveling. The results show a good spatial correlation with the ability to identify the maximum subsidence point. There is also a good temporal correlation with the detection of an acceleration phase in the subsidence associated with a flood event.

强对流天气是发生最频繁、影响最广泛的气象灾害，造成了巨大经济损失，严重威胁人民和社会安全，更是航空航天和信息通信等技术领域的重大威胁。闪电作为全球性强对流天气的典型要素，对强对流具有重要指示作用，因此闪电探测和强对流预警预报成为天基遥感的重要任务之一。系统地总结了闪电危害，闪电探测体系的发展历程和现状，天基闪电光学探测的技术难点、实现途径和发展现状；同时详细阐述了我国FY-4A闪电成像仪技术实现途径及在轨应用成果。FY-4A闪电成像仪利用时间滤波、空间滤波、超窄带光谱滤波、星上时空域多维融合点目标检测等多维技术实现了天基闪电光学探测载荷的研制与在轨应用，国内气象部门和众多科研院所利用FY-4A闪电成像仪的闪电探测结果实现了强对流灾害的精确预警预报，产生了重大经济效益与社会效益。最后，针对目前闪电探测体系存在的问题，分析了我国未来天基闪电探测系统的发展趋势，为我国后续闪电探测发展提供了参考。

针对主流配准方法被用于周扫型光电预警系统的全景图像拼接适用性有限的问题，提出一种基于三维球面模型的全景视频实时拼接方法。首先，基于周扫型光电预警系统的工作模式进行三维空间的全景重建并构建三维球面模型；通过建模的方式对不同俯仰、方位角度下探测器采集图像的像素点空间位置进行定位。然后，基于三维球面模型搜索不同俯仰角度下重叠视场在三维空间内的最佳配准线，并推导出预警图像重叠区域的配准公式。最后，通过逐行的加权融合算法和图像矫直方式实现全景图像无缝拼接。与主流的5种配准方法进行对比，实验结果表明：该方法切实可行，具有较好的全景拼接效果，有效弥补主流配准方法的不足，即使对天空等特征不明显区域的全景拼接也具有较好的适用性与实时性，全面保证了全景视频成像的连续性与稳定性，对光电预警系统全景拼接任务具有重要的应用价值。

提出了以长短期记忆网络（LSTM）与卷积神经网络（CNN）为主要框架的深度学习网络，基于该网络实现模式识别。LSTM-CNN以时域曲线及其短时傅里叶变换（STFT）结果作为网络输入，LSTM提取输入信号的时序特征，CNN提取时域曲线的轮廓特征及能量特征。实验中以相敏光时域反射仪（φ-OTDR）为传感系统完成数据采集。将LSTM-CNN与传统的人工神经网络（ANN）及CNN对比，LSTM-CNN在各项评价指标中均处于最优状态，实现了φ-OTDR模式识别的既定目标，为实际的工程产品开发提供了概念证明与演示示例。

红外夜视检测技术能加强海上预警探测系统的安全性, 但红外夜视仪所采集的海上红外图像存在大量“背景杂波”, 严重干扰弱小目标的准确检测。针对此问题,结合主动轮廓模型与插值滤波器提出一种用于海上安全系统的红外夜视弱小目标检测算法。该算法先分别采用全局主动轮廓与局部主动轮廓搜索感兴趣目标区域, 通过双层主动轮廓模型消除噪声与背景杂波对目标检测的影响。然后提出变化方向的插值滤波器沿着感兴趣区域的边缘进行滤波, 缓解弱边缘对目标真实边缘的干扰。在真实的红外夜视海上图像集上对该算法进行了实验与分析, 结果表明该算法能改善海上弱小目标的检测性能, 对提高海上航行的安全性具有积极意义。

相位敏感光时域反射（Φ-OTDR）技术在管道入侵预警领域有着突出表现，其中对于入侵事件的定位和识别是该领域研究的热点。近年来，基于神经网络的信号识别方法不断被提出，但这些方法大多忽视了事件的定位，在实际工程应用中需要人工的持续介入。基于输油管道入侵事件的安全预警问题，提出了一种基于深度学习的入侵事件自动识别和定位的方法。所提方法以图像目标检测思想为基础，以1 s时间、4 km空间距离的时空图作为目标检测网络的输入，并使用最大最小归一化、带通滤波和图像移位数据增强3种预处理方法，同时实现对入侵事件的定位和识别。实验结果表明，所提方法对地表捶打、地表挖掘和人为跳跃3种事件单次发生的平均召回率达到82.9%，精确率达到70.4%，基本能够满足工程上的需求。