随着遥感大数据时代的来临，遥感信息提取的方式已经从单幅影像处理转变为时空谱融合后的综合处理方式。换言之，这种方法强调“大区域—精细化”的处理策略。在大区域层面，地理环境的复杂性使遥感成像同时面临“同谱异物”和“同物异谱”的挑战。合理的分区可以有效降低区域单元的异质性，从而提高遥感影像分类的精度。在精细化层面，遥感成像能够反映地表特征的细微变化，但地理环境本身具有“宏观规律，微观混杂”的特性。缺乏自上而下的全局规律总控，而仅依赖于遥感数据层面自下而上的分类，往往会导致较大的不确定性和认知偏差。为此，本文提出了一种多尺度遥感地理分区框架，从宏观、中观、微观3个层级解决地理规律和多分辨率遥感成像之间的尺度和表征差异问题，并通过3个层级的应用实例表明，合理的分区不仅能有效提升遥感信息提取的精度，还能丰富信息提取的多类型属性，从而提升行业遥感的“大区域—精准化”应用。

森林在维持陆地生态系统碳水平衡、保护生物多样性及保持水土等方面起着关键作用，森林覆盖监测是“联合国十年生态恢复”和“联合国可持续发展目标”的重要任务之一。由于森林中木本和草本的生态效应存在显著差异，区分树木和草的覆盖对于准确刻画森林组成非常重要。同时，量化森林恢复过程中树木覆盖度的缓慢累积增加存在很大挑战。本研究以中国森林资源清查资料为参考，对比14种森林覆盖遥感数据产品与其在刻画中国森林覆盖及变化的时空一致性，分析效果最佳的数据集。分析数据包括8种土地覆盖硬分类数据和6种基于亚像元的树木覆盖度数据。结果显示，这些产品在中国西部和华北平原等树木覆盖低于30%的区域差异性较大，约96%的像元变异系数大于0.56。与森林资源清查资料对比表明，百分比的树木覆盖度数据比硬分类数据具有更高的一致性。硬分类数据产品均显示中国森林面积自2000年以来增幅小，而清查资料和树木覆盖度数据则证实显著增加。其中，GLOBMAP数据与省级清查资料吻合最好，拟合斜率为0.78。研究结果表明，对于缓慢恢复的森林覆盖的刻画，百分比的树木覆盖度数据更为可靠。