2026年5月20日晚，植被定量遥感课题组召开智能体应用线上研讨会。会议由尹高飞教授主持，硕士研究生胡江川、刘伟分别结合开发实践和使用经验进行分享，课题组师生围绕智能体工具在科研学习中的应用场景与实践路径展开交流。

胡江川结合相关工具架构，介绍了智能体在环境感知、规划推理、工具调用、记忆管理和工作流扩展等方面的基本能力，并结合具体项目开发案例，分享了自身的实践经验与应用体会。刘伟结合遥感影像分析、数据下载与处理、代码调试、结果绘图、信息调研以及科研汇报材料制作等具体案例，介绍了智能体在科研工作中的实际应用。随后，课题组师生围绕提示词设计、工具接入以及学生科研训练中的应用场景等问题进行了交流讨论。

本次研讨进一步加深了课题组成员对智能体工具及其科研应用场景的认识，也为后续探索更加规范、高效、可复用的科研辅助工作流提供了参考。课题组将继续关注人工智能工具在科研训练与项目实践中的合理应用，积极探索智能体赋能科研学习的新路径。

光合作用最适温度(Topt)是指光合作用达到峰值时对应的温度，是影响总初级生产力(GPP)估算的关键参数。然而，目前多数模型采用生物群系特定的Topt，忽略了植物热适应与热驯化导致的Topt在空间和时间上的动态变化，从而给GPP估算带来系统性误差。本研究以卫星反演的植被近红外反射率(NIRv)作为光合作用代理指标，逐像元提取了1982~2018年青藏高原草地Topt，并基于“空间代替时间”方法，预测了不同共享社会经济路径(SSPs)情景下未来Topt的时空趋势。随后，利用EC-LUE光能利用率模型，系统评估了Topt热适应对当前GPP估算以及热驯化对未来GPP预测的影响。研究结果表明，在EC-LUE模型中引入Topt热适应后，GPP估算精度显著提升，R²提高7.19%，RMSE降低11.40%。与采用生物群系特定Topt相比，考虑热适应后，青藏高原77.9%的草地区域GPP估算值增加，整个青藏高原草地平均GPP提高约7.07%。此外，若忽略Topt对持续气候变暖的驯化过程，将导致未来GPP及其年际变化趋势被系统性高估。该成果近期发表于国际知名期刊Global Change Biology上，并得到了国家自然科学基金(42271323)及国家重点研发计划课题(2023YFF1303602)支持。

研究背景：

总初级生产力(Gross Primary Production，GPP)定义为单位时间单位面积生态系统通过光合作用固定的二氧化碳总量，是陆地生态系统碳循环中最大的碳通量组成部分，对于评估陆地碳汇能力、认识全球气候变化及理解生态系统功能具有重要意义。目前，涡度协方差观测能够直接获取生态系统尺度的碳交换信息，但受观测站点空间覆盖有限的制约，大尺度GPP估算仍主要依赖模型模拟。其中，光能利用效率(LUE)模型因结构简单、易于结合遥感数据且具有明确生理机制，被广泛应用于区域和全球尺度的GPP估算。

在LUE模型中，温度是影响植被光合作用的重要环境因子，也是导致GPP估算不确定性的关键来源之一。光合作用对温度通常呈单峰响应，即随着温度升高，光合作用逐渐增强，在达到峰值后迅速下降，而峰值对应的温度被称为光合作用最适温度(Topt)。目前，大多数LUE模型通常采用生物群系特定的Topt来描述温度对光合作用的影响。然而，植被对生长环境的长期适应，使得温暖地区植被通常具有较高的Topt，而寒冷地区植被则具有较低的Topt。这种由长期环境驱动形成的热适应过程，使采用生物群系特定的Topt难以准确反映局地植被真实的温度响应特征，从而导致GPP估算出现系统性偏差。此外，随着全球持续变暖，植物还会通过生理调节产生热驯化，使Topt随气候变化发生年际动态调整，进而影响未来GPP预测。然而，在LUE模型中引入热适应与热驯化机制，能否有效提升生态系统尺度GPP的估算与未来预测能力，仍有待深入探索。为此，本研究结合由NIRv提取得到的Topt与EC-LUE模型，首先量化了植物对原生生长环境长期热适应(Topt空间变化)对青藏高原草地GPP估算的影响。随后，进一步分析了Topt与多年平均气温之间的关系，并在多种未来气候情景下预测Topt的动态变化，以评估植物热驯化对未来GPP预测的影响。

研究方法：

本研究首先基于1982~2018年NIRv及气温数据提取青藏高原草地Topt。具体而言，将每个像元对应的温度按1 ℃进行分组，提取各温度区间内NIRv的90%分位值以表征最优光合作用状态，构建温度-NIRv响应曲线，Topt定义为NIRv达到最大值时的温度。进一步基于Topt与多年平均气温之间的关系，采用“空间代替时间”方法，结合CMIP6不同共享社会经济路径（SSPs）情景数据，预测2040~2080年未来Topt的时空趋势。随后，在EC-LUE模型中引入光合作用热适应机制，即利用提取得到的空间显式Topt替代原模型中采用的生物群系固定Topt，对模型进行改进，并基于改进后的EC-LUE模型开展青藏高原草地GPP估算与未来预测。通过比较采用生物群系固定Topt与考虑Topt空间变化(即考虑热适应)条件下的GPP估算结果，评估热适应对当前GPP模拟的影响；同时，比较采用历史Topt与未来预测Topt条件下的GPP预测结果差异，评估热驯化过程对未来GPP预测的影响。

主要结果：

青藏高原草地Topt呈现东北高、西南低的空间格局，并与多年平均气温显著正相关。未来不同SSP情景下，Topt均持续升高，且在变暖更迅速的SSP5-8.5情景下增速更大。

在EC-LUE模型中考虑热适应后，GPP估算精度明显提高，R²提升了7.19%，RMSE降低了11.40%。青藏高原GPP呈现东南高、西北低的空间分布格局，且在1982~2018年期间，大部分区域呈增加趋势；在EC-LUE模型中，采用空间变化Topt估算的GPP在77.9%的区域高于采用生物群系特定Topt估算的GPP，整个青藏高原草地平均GPP高约7.07%，表明忽略热适应会导致青藏高原草地GPP被低估。

未来不同SSP情景下，青藏高原草地GPP在大部分区域持续增加；在EC-LUE模型中采用未来Topt预测的GPP在70%以上区域低于采用历史Topt预测的GPP，表明忽略热驯化会高估青藏高原草地GPP。

2026年05月10日，在西南交通大学建校130周年之际，课题组尹高飞教授与张国东副教授共同指导的汤承玉、胡江川和李宗岩三位硕士生顺利通过了硕士学位论文答辩。

答辩委员会主席由西南交通大学袁林国教授担任，答辩委员包括西南交通大学游为教授、西南交通大学李小军教授、西南交通大学张同刚副教授以及成都市勘察设计院尚金光高级工程师，答辩秘书为西南交通大学王美莲老师。经投票表决，五位答辩专家一致同意三位同学通过学位论文答辩，并建议授予硕士学位。

花开花落万物道，聚散离别终有时。三年千日，始于金秋，终于盛夏。在此对三位同学顺利通过学位论文答辩表示祝贺，愿此去山高水长，初心不改，前程似锦，未来皆有所成！

叶面积指数(LAI)是表征植被冠层结构与能量吸收能力的关键生物物理参数，在生态系统模型、农业监测和气候变化研究中发挥着不可替代的作用。MODIS LAI产品因其理论基础扎实、时间覆盖完整而被广泛应用，然而其产品存在大量噪声，极大地制约了其应用价值。针对这一问题，提出了一种三步时空约束填充方法(TSCGF)，实现了高质量无缝MODIS LAI产品的实时生成。该成果近期发表于遥感领域权威期刊International Journal of Applied Earth Observation and Geoinformation。

研究背景

全球气候变化背景下，陆地生态系统动态的精准监测需求日益迫切。叶面积指数(LAI)作为控制光合作用、蒸腾过程及植被与大气能量交换的核心生物物理变量，是理解植被-气候相互作用与生态系统响应的关键参数。MODIS LAI产品凭借其扎实的理论基础、完整的时间覆盖和系统的验证体系，已成为全球植被动态监测的基础数据集，并在生态系统建模、农业监测及气候变化研究中发挥着不可替代的作用。然而，MODIS LAI产品中噪声显著、时空不连续问题突出，在云覆盖频繁和大气条件复杂的区域尤为严重，严重制约了产品的实际应用价值。本研究提出一种能够协同整合空间与时间约束、支持实时运行的高质量LAI重建新框架。

研究方法

TSCGF方法由三个核心步骤组成。1.基于空间相似性的间隙填充(SSGF)：在以目标像元为中心的50km×50km窗口内，依据物候曲线相关性（R²>0.9）筛选相似像元，采用相关系数加权平均方案生成初步完整的LAI时序。2.全球代表性样本生成：对每个MODIS分块内的预填充LAI数据执行时序K均值聚类，依据轮廓系数自适应确定最优聚类数，在288个分块中共提取约24,280个全球分布训练样本，保证各植被类型的均衡代表性。3.基于双向时间卷积网络(BiTCN)的高质量重建：以三年历史预填充时序(137时间步)为输入，以高质量主算法反演值为目标，训练BiTCN模型重建缺失LAI值，支持实时运行。

主要结果

基于DIRECT2.1 (100站点，231次测量)和GBOV (52站点，8423次测量)地面验证结果表明，TSCGF LAI相比原始MODIS LAI产品RMSE从0.95降至0.88，在高LAI范围(4~6)的森林生态系统中改善尤为显著。时序分析显示，TSCGF LAI在保留真实物候季节变化的同时，有效消除了异常波动。自2000年起，该方法已在全球尺度实时生成覆盖至今的高质量MODIS LAI数据集。

该研究得到了国家自然科学基金(42401396和42271323)、科技部基础资源调查项目(2022FY100204)以及国家重点研发计划(2023YFF1303602)支持。

近日，西南交通大学地球科学与工程学院刘国祥教授、尹高飞教授课题组博士研究生陈霄博士学位论文答辩会在犀浦校区X4520会议室举行。答辩委员会由来自高校和科研院所的5名相关领域专家组成，成都理工大学邵怀勇教授担任答辩委员会主席，西南交通大学黄建熙教授、曹云刚教授、吴小丹教授，中国科学院、水利部成都山地灾害与环境研究所赵伟研究院担任答辩委员。华中农业大学徐保东教授副教授、成都市勘察测绘研究院尚金光老师以及学院相关师生参与答辩会。经过答辩汇报、质询讨论及专家评议等环节，答辩委员会一致同意陈霄通过博士学位论文答辩，并建议授予工学博士学位。

陈霄博士学位论文立足森林生态系统垂直结构精细化监测需求，针对传统光学遥感LAI反演难以刻画林冠与林下垂直分层差异、星载激光雷达观测空间连续性不足等问题，联合GEDI激光雷达和Sentinel-2多光谱数据，开展森林分层叶面积指数反演方法研究。论文系统比较了多源高分辨率LAI产品的一致性，构建了联合星载激光雷达与光学遥感数据的分层LAI反演方法，并进一步分析了林冠与林下LAI对干旱胁迫的差异化响应特征。研究成果为复杂森林分层结构参数遥感反演、区域森林生态监测及气候变化背景下森林响应机制研究提供了重要参考。

春风有信，花开如期。2026年3月26日下午两点，植被定量遥感课题组“蔚迹”(Veg)春季出游系列活动第四期在郫都区“放野计划”城市营地拉开帷幕。小组成员暂别电脑与数据，奔赴一场与春天的约定，在自然野趣中舒展身心，在欢声笑语中凝聚情谊。

午后阳光温柔洒落，营地绿草如茵，微风轻拂。小组成员们三两结伴，或挥拍上阵，在羽毛球场上你来我往，跃动的身影与清脆的击球声交织成春日的节拍；或坐于秋千之上，轻轻荡漾，仰望蓝天，任思绪随风飘远。围炉煮茶区更是热闹非凡，大家在王者峡谷中激烈作战，烤红薯与橘皮的香气袅袅升腾，围坐一圈，喝茶谈心，从科研灵感聊到生活趣事，暖意融融。桌游区同样笑声不断，掼蛋、炸弹猫等游戏轮番上阵，智慧与运气碰撞，拉近了彼此的距离。

傍晚六点半，炭火升起，自助烤肉正式开启。滋滋冒油的肉串、焦香的鸡翅、金黄的玉米，在烤架上散发出诱人香气——那升腾的热气，恰如大家只增不减的热情。小组成员互相调侃实验中的“翻车”经历，分享近期发生的奇闻轶事，觥筹交错间，情谊愈发深厚。夜幕低垂，星光点点。尹高飞老师举杯与全体成员共饮，为这春日美好时光送上祝福：“愿我们永远保持对科研的热爱，也永远不错过身边的花开，大家多聚多交流”。

“蔚迹”第四期在夜色与欢笑声中落下帷幕。未来，课题组将继续踏青而行，在探索自然与生态保护的道路上，留下更多属于春天的足迹。