冰湖溃决洪水是一种严重的山地自然灾害，威胁着中国高寒区的居民及铁路公路等重要基础设施，自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础，然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方法上的精度，仍需进一步提高。文章在原生U-Net模型基础上，在各桥连接部分融合极化自注意力机制，将输入影像特征分别在空间和通道层保持高分辨率，并通过非线性合成输出细腻的特征，构建了一种改进的U-Net冰湖遥感深度学习制图方法，并将其成功应用在高原铁路关键区。研究结果表明：1）与PSPNet、DeepLabV3+、原生U-Net三种经典模型相比，改进模型在冰湖预测数据集上的各项指标上都有提升，精确率、召回率、交并比和F₁值分别达到了0.972 5、0.966 5、0.940 8和0.969 4，相较于原生U-Net网络，精确度、召回率、交并比和F₁值分别提高了5.01%、6.05%、10.73%和5.53%；2）基于Landsat-8卫星遥感数据，应用改进模型完成了2013—2022年帕隆藏布和易贡藏布案例区冰湖信息自动高效提取，如2020年冰湖总体精度为98.16%，与参照数据的重叠度达到96.66%，提取的精度满足冰湖灾害评估和监测预警研究需求，可用于铁路等重大工程沿线冰湖灾害防治的实践。

随着中国铁路运营里程的不断增加，铁路外部环境日益复杂，以彩钢瓦房、防尘网、塑料大棚、地膜、塑料垃圾为主的铁路外部环境隐患层出不穷，频繁引发铁路交通重大事故，已经成为铁路安全运营的重要制约因素。铁路外部环境隐患的高效监测是实现治理的重要前提，而遥感技术是目前实现大范围、低成本铁路外部环境隐患监测的最佳手段。为此，文章对光学遥感、合成孔径雷达、激光雷达、地基视频监控等4类遥感监测技术的优势、局限及应用现状进行了梳理；分析了基于人工特征和基于深度学习这两类监测识别方法的特点及不足；最后，从铁路外部环境多源遥感数据多层次融合、铁路外部环境隐患精准识别模型构建、知识引导的铁路外部环境隐患智能动态监测等方面，对基于多源遥感数据融合的铁路外部环境隐患智能监测进行了展望。

利用卫星遥感技术开展铁路灾害监测与评估，对于保障铁路建设和运行安全、提升铁路防灾减灾救灾能力具有重要意义。通过分析当前铁路灾害卫星遥感应用存在的问题，结合中国卫星遥感发展和新时代应急管理工作实际，探讨了卫星遥感技术在铁路减灾、备灾、应急和恢复重建等灾害管理全过程中的实践应用需求。针对影响铁路安全的主要灾害，分析总结了卫星遥感监测与评估技术在铁路应急管理中的应用方法和应用能力。针对洪涝、地质、森林火灾和雪灾等典型灾害实例，建立卫星遥感监测评估铁路灾害的技术流程，进一步分析卫星遥感对于铁路灾害应急管理的作用效果。结果表明：卫星遥感技术能够实现铁路主要灾害的灾前风险监测和灾后损失评估，可有效支撑铁路的全过程灾害管理。通过多手段的融合运用和动态监测能提升遥感信息的决策支持作用，使其在铁路灾害的应急管理中有着广阔的应用前景。

为了实现可见光波段多路不同波长激光的周期性闭环校正，设计了一种具有光束指向和位置偏差独立监测与调节的激光合束系统。首先，根据系统的应用需求，提出了合束系统的设计指标与整体合束方案。然后，在合束方案的基础上，建立了合束系统的光束控制模型，并通过数值仿真得到了合束系统光束控制的解算方法。闭环合束系统通过光束指向和位置监测装置分别实现合束激光指向偏差与位置偏差的独立监测，并根据监测结果进行光束调节装置控制量的解算；进而通过两维摆镜和一维平移台分别实现光束指向和位置偏差的独立高效调节。最后，采用两路不同波长的激光束，配合光束监测与调节装置，搭建了闭环合束模拟实验平台，对周期性闭环合束系统的合束效果进行了验证。实验结果表明：在长时间的工作过程中，两路激光均实现了与基准光路的精密合束，合束指向精度优于±7 μrad，位置精度优于±0.84 mm。本研究所组建的激光合束系统不仅具有合束精度高、校正速度快、光路扩展性强的优势，而且可实现激光束的周期性闭环校正，能够有效保证合束激光的长期工作稳定性。