中国南方多云区域植被物候遥感探测方法研究：基于重建的高质量Landsat时间序列

Under global climate change, it is important to monitor vegetation phenology change and analyze its relationship with climate variability. Most of the current studies using remote sensing focused on deciduous forests in north China or high altitude regions. On the contrary, the studies of vegetation phenology in south China is very limited because of the challenges from frequent clouds, high heterogeneity, and the mixture of deciduous and evergreen trees. To fill this gap, this project will explore the feasibility of remote sensing data to detect vegetation phenology in south China. It aims to: (1) develop a new technology to reconstruct high-quality Landsat time-series for cloudy regions; (2) develop a robust method to detect vegetation phenology metrics and use ground-based measurement to evaluate the accuracy of phenology detection; and (3) quantify how vegetation phenology in south China interacts with climate change and analyze its sensitivity to different climate change magnitudes.

在全球气候变化的大环境下，植被物候变化的监测以及物候对气候因子的敏感性分析至关重要。当前大部分利用遥感手段对植被物候的研究集中在中国北方和高海拔地区，对中国南方地区的植被物候研究相对较少。中国南方多云、植被异质性高、常绿落叶林混合等特点给植被物候遥感探测带来了挑战。本研究将以中国南方多云区域的自然植被为研究对象，力图取得以下突破：（1）开发适合多云地区的Landsat高质量时间序列数据的方法，包括云和阴影自动探测技术和云污染像元修复技术；（2）开发稳健的基于Landsat时间序列的植被物候参数探测技术，并结合地面数据讨论遥感物候探测技术在中国南方不同植被类型中的精度和可行性；（3）定量分析中国南方植被物候对不同气候因子的响应和敏感性。

时序遥感数据已经广泛用于植被物候的探测以及分析物候对气候变化的响应。但是，当前对于多云且地表异质地区的植被物候研究，存在时序遥感数据噪声大和空间分辨率低的制约。为解决该问题，本研究的主要研究内容围绕植被物候研究中的几个科学问题展开并取得了重要成果：（1）关于如何提高时序遥感数据的质量，本研究发展了针对多云地区时序遥感数据的自动云检测算法（Automatic Time-Series Analysis, ATSA），分析了当前时空数据融合的进展并发展了新的时空融合算法，提出了时序数据噪声自动修复算法；（2）针对如何提高植被物候遥感监测的可靠性，本研究定量分析了遥感数据空间分辨率对植被物候监测精度的影响；（3）针对植被物候在精细尺度上如何对气候变化和人类活动进行响应，本研究分析了干旱区和城市地区的植被物候的时空变化特征，并分析了这些变化特征和气候因子、农业、土地覆盖等的关系，提高了对植被-环境交互作用的认识。以上研究成果为多云地区植被物候遥感监测提供了新的技术手段和成果案例，将促进遥感技术在植被物候研究中的应用。