高时空分辨率的NDVI对陆地生态系统动态监测至关重要，然而山区复杂地形条件和频繁的云雾遮挡对长时序NDVI产品的生成造成了重大障碍。针对这一问题，课题组开发了一种用于生成高分辨率时空无缝NDVI的新型时空融合方法TALESF，有效解决了受云污染和大多数时空融合算法忽略地形效应的问题，为生成高时空分辨率NDVI数据提供了一种准确、高效的解决方案。该成果近期将发表于遥感领域顶刊《IEEE Transactions on Geoscience and Remote Sensing》。

研究背景：

归一化植被指数NDVI是地球系统科学中的一个关键变量。虽然目前已有大量公里级NDVI卫星产品，但高分辨率产品，特别是基于庞大的Landsat数据档案库生成的高分辨NDVI产品，仍然十分稀缺。利用Landsat数据生成的高分辨率NDVI面临两大挑战：一是频繁的云层覆盖导致数据采集不规律；二是地形引起的辐射畸变影响复杂地形区域的光谱信号精度。因此，亟需开发一种能降低山区地形效应且不受云污染影响的高时空分辨率NDVI反演方法。

研究方法：

本文提出了一种多源数据协同驱动的高精度NDVI重建方法，通过融合地形校正、机器学习建模与时序重建技术，实现复杂地表环境下高时空连续性NDVI数据的构建。该方法首先基于PLC算法消除地形效应对Landsat反射率的影响，并引入随机森林模型估算晴空NDVI；随后，基于相似像元的季节变化特征对云覆盖区域进行时序重建，并结合GLASS NDVI的贡献权重进行多结果融合，最终实现高时空连续性的NDVI重建，为山区和复杂地表区域的植被动态监测提供了可靠数据支撑。

主要结果：

TALESF方法在高时空分辨率NDVI反演中展现出显著优势。在六个异质性地表场景的评估结果（图1）表明，TALESF生成的NDVI展现出优异的空间连续性和邻域一致性。相较于GLASS和MODIS数据，空间分辨率显著提高，纹理细节更加清晰。此外，TALESF对于突发的地表变化（如火灾）具有时间适应性，相较于其他方法，其与真实的空间变化特征具备最佳一致性。此外，模拟云掩膜实验中TALESF方法展现出优秀的重建性能（图2），能够准确地恢复空间细节，与参考影像具备高度一致性（R²=0.83），且RMSE最低，在空间维度和光谱维度的精度得到权衡（图3）。

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)、国家重点研发计划(2023YFF1303602)以及中央高校基本科研业务费专项资金(2682024CX091)支持

2025年1月7日，课题组2024级硕士研究生学位论文开题报告会在X4520会议室顺利举行。评审专家组由我院吴小丹教授、李小军教授、熊川副教授组成。

会上，各位硕士研究生依次围绕论文的选题背景与研究意义、国内外研究现状、研究思路与技术方法等进行了汇报。评审专家认真听取了汇报内容，并就如何进一步聚焦科学问题、优化技术路线、凝练研究创新点提出了指导意见。

会后，各硕士研究生将充分吸收专家意见，对各自课题的整体框架与技术路线进行调整与优化，确保后续工作的顺利开展。

2026年1月18日，课题组承办的科技基础资源调查专项 “川滇生态屏障区生态环境综合科学考察与数据库建设”项目2025年度工作总结会议在成都顺利召开。

会议邀请了中科院半导体研究所冯仁国研究员、中科院西北生态环境研究员丁永建研究员、中国地质大学吴克宁教授、中科院成都山地所葛永刚研究员、西南交通大学刘国祥教授、清华大学杨雨亭研究员、四川大学孙守琴研究员担任会议专家。项目负责人四川大学王根绪研究员、课题负责人中国林业科学研究院高原林业研究所苏建荣、中国科学院南京土壤研究所杨金玲研究员、四川大学李克峰教授、空天院仲波副研究员及项目组20余位骨干成员参加了本次会议。会议由冯仁国研究员主持。

各课题负责人围绕2025年度进展、考核目标完成情况、下一年度工作安排等进行了汇报。专家组听取了各课题的工作总结报告后进行了专家质询，并对课题的进展提出了宝贵建议，明确了下一年度的工作重心与攻关方向。

团队承担了子课题“川滇生态屏障区生态参数的高时空分辨率遥感反演”，本子课题年度代表性成果包括：(1)生成了川滇生态屏障区全域地形校正的高时空分辨率植被结构与功能参数数据集；(2)分析了川滇生态屏障区内重大自然灾害对植被的扰动及灾后恢复状况；(3)分析了川滇生态屏障区植被生态参量时空动态趋势。截止2026年1月，依托该项目，团队累计发表学术论文12篇，其中RSE1篇，TGRS 4篇；授权发明专利5项；培养博士研究生2名，硕士研究生5名；团队负责人尹高飞教授入选国家高层次领军人才、项目骨干张国东晋升副教授。

2025年12月1日至4日，课题组张国东副教授、杨雅洁博士研究生，联合中铁二院工程集团有限责任公司（铁二院）、清华大学等单位，赴西藏开展川藏铁路林芝—拉萨段生态环境现场调研。本次调研依托“复杂环境高原铁路生态廊道空间规划及减碳增汇关键技术研究”项目展开，重点关注铁路沿线植被扰动格局、生态修复成效及其碳汇变化。

调研期间，团队踏勘了铁路两侧0–3 m、3–30 m范围内的生态修复带，实地查看了风沙病害工点的植被生长状况、边坡绿化成效及典型弃渣场的受扰与恢复情况，记录相关生态信息。上述资料将为构建高原铁路工程扰损区碳汇评估方法体系、优化沿线植被碳汇核算提供关键支撑。

12月4日上午，项目组在拉萨召开项目中期讨论会，邀请拉萨基础维修段副段长张晓昊参会交流。会议围绕“拉林铁路运营阶段碳排放强度”、“沿线植被养护与运维需求”、“节能低碳技术和设备的适用性”等议题展开深入研讨，为下一阶段研究思路完善、技术路线调整及成果深化提供了重要指导。

本次现场调研与讨论会议的顺利完成，为后续推进高原铁路生态廊道碳汇评估、减碳效益分析及低碳化技术研究奠定了坚实基础。

2025年10月17日至19日，第十届全国数字山地学术研讨会在浙江金华隆重召开。本次会议由国际数字地球学会中国国家委员会数字山地专业委员会主办，由中国-莫桑比克智慧农业“一带一路”联合实验室，中国科学院水利部成都山地灾害与环境研究所、 浙江师范大学地理与环境科学学院等单位承办，来自全国百余所高校和科研机构的专家学者齐聚一堂，围绕数字地球的前沿理论、 技术创新、 典型应用示范、 行业发展等方面， 深入研讨数字山地技术在山地资源、 环境及灾害等方面应用的前沿理论和先进技术， 为山地可持续发展提供智力支持。

在本次会议上，课题组成员马杜娟作了题为“GFLR：一种协同全局拟合与局部调整的多云山区NDVI重建方法”的口头报告。报告聚焦于多云山区遥感数据缺失问题，针对Landsat长时序影像在多云多雾地区可用性低、时空连续性差的技术瓶颈，提出了一种协同全局拟合与局部调整（GFLR）的NDVI重建方法。该方法利用Google Earth Engine（GEE）平台，将时间序列全局趋势拟合与局部地形约束相结合，实现了山区NDVI的高精度、时空连续重建。研究结果表明，GFLR方法在多云高山地区表现优异，对云量和地形的依赖性显著降低，为复杂地形区植被动态监测提供了更加可靠的数据支撑。报告内容得到了与会专家的肯定，认为该研究在提升山区遥感数据完整性与生态监测精度方面具有重要意义，为后续山地生态遥感研究提供了数据支撑。经过大会专家委员会评审，马杜娟的报告荣获本届会议“优秀口头报告奖”，以表彰其在山地生态遥感研究中取得的优秀成果。 全国数字山地学术研讨会是我国山地科学与数字地球领域的重要学术盛会，旨在促进青年学者交流与科研创新。此次获奖体现了我组在山地生态遥感与数据方向的发展与进步。未来，课题组将继续围绕山地生态系统遥感监测、数据智能融合与地形过程建模等方向深入研究，努力为我国山地可持续发展和生态环境保护贡献更多科技力量。

近日，中国科学技术协会公布了“科技期刊结构化论文双语传播工程”2025年度遴选结果。课题组博士研究生杨雅洁的论文《基于云平台的成昆铁路西昌段大棚精准快速识别与侵限风险评估》成功入选，被认定为“2022—2024年度在中文期刊上发表的具有高学术价值与广泛传播潜力的优秀论文之一”。

“科技期刊双语传播工程”由中国科协主办，旨在以习近平新时代中国特色社会主义思想为指导，牢牢把握建设世界科技强国的战略目标，提升我国科技期刊的国际传播力与学术服务能力。入选论文将通过中国科协“科创中国”平台双语结构化论文专栏(https://castsycb.cbpt.cnki.net/)上线发布。

论文简介

随着设施农业的快速发展，铁路沿线塑料大棚数量逐年增多。由于其结构轻、抗风性弱，在极端天气下易被大风掀起、侵入铁路安全限界，对列车运行安全构成潜在威胁。针对这一问题，论文以成昆铁路西昌段为研究区，基于GEE云平台，综合利用Sentinel-1雷达影像与Sentinel-2光学影像，实现了2019—2023年铁路沿线大棚的精准快速识别,并综合大棚核密度、大棚距铁路距离及风速、风向数据，实现大棚侵限风险评估。研究成果为铁路沿线异物监测、安全预警与设施农业布局优化提供了技术支撑与决策参考。

2025年8月29日至9月1日，9月21日至24日，课题组联合四川省草原科学研究院，赴阿坝州红原县开展野外科学考察。此次考察围绕瓦切藏绵羊原种场试验草地，采用无人机航测与地面实测相结合的方式，在4块样地（总面积150亩）上顺利完成高光谱数据采集，获取了不同放牧强度下的植被生态信息。所获数据将用于构建草地地上生物量遥感反演模型，支持高寒牧区草地资源动态监测和放牧利用强度评估，为实现草畜营养平衡管理、提高牧草利用效率及推动草地可持续利用提供技术参考。

2025年5月23日，课题组2022级硕士生闫麦瑞和汪宇的学位论文答辩在4520会议室举行。答辩专家组包括：中国科学院成都山地灾害与环境研究所李爱农研究员（国家级人才）、成都理工大学邵怀勇教授（地理与规划学院院长）、西南大学樊磊教授（国家级青年人才、地理科学学院副院长）和西南交通大学朱军教授（国家级人才、地球科学与工程学院副院长）。经过答辩汇报、专家评议、提问和讨论等环节，两位同学均顺利通过答辩。

闫麦瑞的学位论文题目为《川滇生态屏障区土地利用变化及其对碳储量影响的多情景模拟》。论文构建了兼顾一致性与精度的土地利用产品融合方法，显著提升了川滇生态屏障区土地利用数据的可靠性。在此基础上，系统分析了川滇生态屏障区土地利用与碳储量的时空演变特征，量化了生态工程实施背景下土地利用变化对区域碳储量的影响程度。进一步模拟了未来不同发展情景下土地利用格局变化对生态系统碳储量的潜在影响，揭示了生态保护与农业发展之间的权衡关系，为区域土地资源优化和碳中和路径选择提供了科学依据。相关成果已发表于SCI期刊Ecological Engineering。

汪宇的学位论文题目为《考虑最适温度适应性的青藏高原草地GPP遥感估算和预测》。本研究以青藏高原草地为对象，利用考虑最适温度的EC- LUE模型分析了最适温度对GPP估算的影响，并预测了未来气候情景下的GPP动态变化。结果显示：考虑最适温度的改进模型精度显著提升；未来最适温度将上升3–4℃；不同排放情景下GPP增速递增，且改进后的EC- LUE模型的估算结果更高。该研究为气候变化下碳循环评估提供了新依据。部分相关成果发表于《测绘》。

近日，课题组在高分辨率、时空连续植被参量反演领域取得新进展，构建了一种植被光合有效辐射吸收比(FAPAR)深度学习反演方法，并生成了中国区域高精度、高分辨率时空无缝FAPAR遥感数据产品。该研究成果已发表于遥感领域国际顶级期刊Remote Sensing of Environment。课题组张国东助理教授为第一作者，尹高飞教授为通讯作者。

FAPAR是衡量陆地生态系统固碳能力的关键指标。以往的中低分辨率FAPAR遥感产品虽然支持了全球植被动态研究，但难以刻画复杂地表的空间异质性，限制了局地精细尺度应用。该研究提出两步法解决了这一难题：首先，在晴空条件下，利用预先训练的随机森林回归模型从陆地卫星(Landsat)地表反射率观测中反演FAPAR；然后，应用带有注意力和优化机制的新型双向时间卷积网络(SSA-BiTCN-Attention)重建缺失的FAPAR值（图1）。研究结果表明，该方法能准确预测不同土地覆盖类型的缺失FAPAR值，均方根误差在0.08至0.12之间。通过与地面实测数据对比验证，估算的Landsat FAPAR与地面测量结果高度一致，决定系数(R²)值在0.82至0.92之间。应用该方法生成了中国地区2013至2023年间30米分辨率、16天间隔的无缺失FAPAR产品（图2）。

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。

全球卫星遥感数据的协同应用对陆地生态系统动态监测至关重要，然而不同传感器间的光谱差异将导致下游应用出现系统性偏差。针对这一问题，课题组开发了一种基于机器学习的多波段约束反射率协调方法—HARMU，有效解决了Landsat 8（OLI）与Sentinel-2（MSI）之间的光谱不一致问题。研究结果表明，HARMU在提升数据一致性方面显著优于现有方法，为全球植被参数反演和时间序列分析提供了全新工具。该成果近期发表于遥感领域顶刊《IEEE Transactions on Geoscience and Remote Sensing》。

研究背景：

Landsat 8与Sentinel-2组成的虚拟星座虽能提供平均每2.9天的十米级观测数据，但两者的地表反射率产品存在显著差异。OLI与MSI的可见光与近红外波段虽部分重叠，但红边（MSI B5-B7）及宽近红外（MSI B8）等波段缺乏对应配置，且两者大气校正方法（LaSRC与Sen2Cor）导致蓝波段与短波红外波段存在系统性偏差。传统线性回归方法（如HLS产品）依赖静态系数，仅适用于光谱重叠波段，无法处理非重叠波段，并在面对复杂地表类型的时空异质性时表现有限。因此，亟需开发一种能够实现全波段光谱协调、兼具物理一致性与时空泛化能力的光谱协调方法。

研究方法：

本文提出的多波段反射率协调方法HARMU，基于机器学习算法挖掘不同传感器波段间的非线性关系。与传统的一一对应波段回归策略不同，HARMU使用源传感器的所有波段信息协同预测目标传感器的单个波段反射率，从而充分利用波段间的光谱关联性。具体而言，HARMU采用高斯过程回归构建Landsat 8 OLI与Sentinel-2 MSI反射率之间的非线性映射关系。HARMU模型在全球代表性站点BELMANIP2.1上进行了训练与交叉验证。使用Google Earth Engine获取2019-2021年期间OLI与MSI的原始影像，并筛选配对时间差不超过1天的高质量无云样本。最终获得共计9535个样本对（站点×日期），其中41%为同一日期，59%相差一天。

主要结果：

HARMU方法在跨传感器反射率协调中展现出显著优势。基于BELMANIP2.1站点2019–2021年数据的交叉验证结果（图1）表明，HARMU生成的Sentinel-2 MSI反射率（基于Landsat 8反射率）在所有波段上与对应的观测值高度一致，公共波段（如Red、NIR）R²均超过0.91，重建的红边波段（RE1、RE2、RE3）无明显系统偏差，充分证明了方法的高精度与稳定性。在GBOV独立验证站点，HARMU在多种植被类型下均表现稳定（图2），即使在样本较少的常绿针叶林（ENF）中，R²仍维持在0.81以上，显示出其对复杂地表的强适应性。在区域尺度上的应用显示（图3），HARMU协调后的多波段假彩色影像与原始Sentinel-2高度一致。红边和近红外波段的偏差在森林、湿地和农田等常见土地覆盖类型中整体控制在0.02–0.04以内，在植被密集区偏差趋近于零。这些结果表明，HARMU在站点和区域尺度均具备良好泛化能力和鲁棒性。

研究结论：

本研究提出的光谱协调方法具备全波段适用性，兼顾物理机制约束与时空推广能力，为Landsat-Sentinel虚拟星座的一体化数据融合提供了关键支撑。后续将进一步拓展其在水体、冰雪与城市等复杂地表类型中的适用性，并部署于Google Earth Engine平台，推动全球尺度的高效遥感数据处理与应用实现。