若尔盖草原植被返青期：多空间分辨率重建与驱动因素分析

Vegetation green-up date is one of the most sensitive indicators to describe the response of terrestrial ecosystem to global climate change. In the past decades, vegetation green-up date in the Zoige grassland was greatly affected by strong local climate change, and it is very important to understand this process. Currently, researches on vegetation phenology at large spatial scales are mainly based on satellite remote sensing. However, there remains great uncertainties for remote sensing of vegetation phenology due to limitations of spatial resolution of satellite data, data quality and retrieve accuracy of remotely-sensed green-up date. According to the specific geographical environment of Zoige grassland, this project therefore developed a series of methods about remote sensing of phenology, and provided solid evidences for clarifying the change of green-up date and its driving forces in the Zoige grassland. The research contents mainly include: (1) developing a new time-series index resisting the effect of spring snow melting as well as sensitive to grass growth; (2) developing new algorithms to detect grassland green-up date with higher accuracy; (3) exploring the reconstruction of multiple-resolution (30m-1km) time-series products which is appropriate for remote sensing of vegetation green-up date; (4) comparing and analyzing multi-resolution green-up date, and developing a novel local survival analysis model to quantify each driving force, and finally achieving the probability of vegetation green-up date at daily time scale to realize its regional predications.

植被返青期是描述陆地生态系统对全球气候变化响应最敏感的探针之一。近几十年，若尔盖草原强烈的区域气候变化必定会对草地植被的返青期产生巨大的影响，科学理解这一过程对于区域生态系统管理至关重要。当前，大尺度植被物候研究主要基于卫星遥感技术。然而，受限于数据空间分辨率、数据质量以及返青期遥感反演精度等限制，遥感植被物候研究仍具有较大的不确定性。为此，本项目针对若尔盖草原特定的地理环境，发展一系列遥感物候相关的方法，通过坚实的证据厘清若尔盖草地返青期的变化及其驱动因素。研究内容主要包括：（1）发展抗春季融雪影响并对草地生长敏感的指数时间序列产品；（2）发展新算法提高草地植被返青期及其时相变化的探测精度；（3）研究生成多空间分辨率(30m-1km)的适宜返青期遥感探测的时序产品；（4）对比分析多空间分辨率返青期产品，并发展新颖的区域生存分析模型量化各驱动因素，获取返青发生的逐日概率实现区域返青期预测。

植被返青期对全球气候变化极为敏感，是全球变化研究关注的热点。当前，大尺度植被物候研究主要基于卫星遥感技术。然而，受限于数据空间分辨率、数据质量以及返青期遥感反演精度等限制，遥感植被物候研究仍具有较大的不确定性。这些因素限制了我们理解植被物候对全球气候变化的响应，特别是对于高海拔的青藏高原地区。为此，本项目发展了一系列遥感物候相关的算法，重点关注用于物候遥感估算的中高分辨率遥感时间序列数据重建，以及遥感植被物候模拟等研究方向，取得如下主要成果：（1）开发了更先进的中分辨率NDVI时间序列重建方法。新算法能够校正时间序列中噪声低值，同时也能够保持一些真实的低值；（2）开发了遥感数据时空融合中基础日期图像对的确定方法-交叉融合算法。新算法可以量化基础日期粗细分辨率遥感影像辐射和几何的一致性，进一步提高时空数据融合技术的实际应用需求；（3）建立了新的青藏高原植被返青期预测模型，提高了整个高原的返青期模拟精度；（4）提出了一个定量描述遥感植被返青期的空间尺度效应的模型，推进了多空间尺度遥感植被物候研究；（5）量化了不同植被指数在冬季有积雪区的返青期遥感反演不确定性，为植被返青期遥感估算到底选用何种植被指数提供了参考。本项目的研究成果将有助于我们重建更高分辨率遥感物候以及理解不同空间尺度遥感物候。