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。

2026年1月28日下午，课题组在西南交通大学犀浦校区X4520会议室召开了2025年度总结会议。尹高飞教授、张国东副教授、王美莲和陈瑞老师以及所有在读硕、博士研究生参加了本次年会。尹高飞教授主持会议，并系统回顾了过去一年课题组在人才培养、学术交流、科研项目等方面取得的进展，并明确了2026年的重点工作。随后，与会同学围绕年度工作内容、进展、心得体会及下一年计划逐一进行汇报交流。过去一年，课题组主要取得以下进展：

人才培养方面：课题组师资与研究生队伍持续优化。尹高飞教授入选国家高层次领军人才，张国东老师晋升副教授，陈瑞博士毕业并留校工作；毕业博士1名、硕士2名；新进博士研究生2名、硕士研究生7名；谢江流同学荣获博士研究生国家奖学金。

学术交流方面：课题组参加国内外学术会议30余人次，并牵头承办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。

科研项目方面：主持的国家重点研发计划课题/子课题和国家自然科学基金面上项目、青年项目稳步推进。

科学考察方面：完成川藏铁路林芝—拉萨段生态环境、国家重点研发计划项目植被分层结构参数观测等野外科学考察3次。

知识产权方面：发表学术论文12篇，其中SCI论文10篇(中科院1区6篇)、中文论文2篇；授权国家发明专利3项。

往昔已绘万木春，新程再攀百丈峰。西南交通大学植被生态遥感课题组全体师生将立足新起点，以笃行之志续写新篇。

2026年2月7日，国家重点研发计划“典型脆弱生态系统保护与修复”专项项目第一（“多尺度植被结构参量分层精细遥感反演技术”，北京师范大学主持）、第二课题（“生态系统关键过程参量遥感估算技术”，西南交通大学主持）2025年度联合总结会议以线上、线下结合方式在北京顺利召开。

会议邀请了中国科学院地理科学与资源研究所何洪林研究员、北京师范大学刘良云教授、北京大学范闻捷教授、中国科学院空天信息创新研究院肖青研究员、北京林业大学黄华国教授担任会议专家。项目负责人中国科学院空天信息创新研究院柳钦火研究员、课题负责人北京师范大学阎广建教授、西南交通大学尹高飞教授及项目组10余位骨干成员参加了本次会议。会议由何洪林研究员主持。

会议首先由柳钦火研究员介绍与会专家及参会成员，并致欢迎辞。各课题负责人围绕年度工作进展、年度考核目标完成情况、经费使用情况以及下年度工作安排进行了详细汇报，课题骨干就“水生植物辐射传输建模”、“多平台光合色素含量反演”及“碳水循环分层模拟模型构建”专题进行了汇报。本课题年度代表性成果包括：(1)基于植被辐射传输过程机理，构建了能有效抑制冠层结构影响的叶绿素敏感指数(CSI)，并借助GEE云平台生产了首套全球10m分辨率叶绿素含量产品；(2)基于光谱不变理论，提出了LCar/LCC(叶绿素与类胡萝卜素含量比值)敏感指数RCCI，并据此生产了首套全球10m分辨率LCar/LCC产品；(3)实现了考虑冠层垂直结构的植被总初级生产力、冠层导度、蒸散发等关键生态过程参数的高精度估算。依托相关成果，课题2025年度在JAG、AFM等期刊上共发表第一标注学术论文6篇；培养博士研究生1名，硕士研究生2名；课题负责人尹高飞教授入选国家高层次领军人才、课题骨干林尚荣晋升副教授。

专家组听取了进展汇报，并对课题的进展和成果表示高度肯定，同时提出了宝贵建议。会议最后，专家组与课题组成员进行了深入交流与讨论，进一步明确了下一阶段的研究重点与技术攻关方向。

光合作用是生物圈与大气之间碳交换的核心过程。陆地生物圈模型(TBMs)通常采用大叶(BL)、双叶(TL)或多层(MTL)模型模拟冠层尺度的光合作用。其中，MTL模型由于对冠层结构刻画更为精细，在理论上具有更高精度。然而，不同模型在总初级生产力(GPP)模拟中的相对表现仍有待系统评估。课题组基于全球通量塔观测数据，系统比较了MTL、TL和BL模型在GPP估算中的精度差异。结果表明，MTL和TL模型均显著优于BL模型，RMSE分别降低32.23%和26.51%；其中MTL模型(2.25 g C m^-2 d^-1)精度略高于TL模型(2.44 g C m^-2 d^-1)。MTL模型在模拟分层光合作用方面具有明显优势，可揭示光合作用环境响应的垂直异质性。然而，在缺乏高精度冠层垂直结构数据的条件下，MTL相较于TL等简化模型的精度提升较为有限。本研究强调，激光雷达技术(如GEDI)提供的高质量冠层结构数据，是充分发挥MTL模型模拟碳通量潜力的关键。该成果近期发表于国际知名期刊Agricultural and Forest Meteorology上，并得到了国家重点研发计划课题(2023YFF1303602)支持。

研究背景

总初级生产力(GPP)是表征生态系统光合作用强度的关键指标，对于认识全球碳循环过程及预测未来陆地碳汇变化具有重要意义。在全球变化持续加剧的背景下，准确估算大尺度GPP已成为生态学与地球系统科学领域的核心研究问题。然而，通量观测塔的空间覆盖范围有限，难以直接支撑区域乃至全球尺度的GPP评估，因此，基于过程的陆地生物圈模型(TBMs)成为模拟陆地生态系统碳动态及其对气候变化响应的主要工具。在这类模型中，通常需要将叶片尺度的光合作用过程上推至冠层尺度，但光合作用是叶片生理、生化及环境因子的非线性函数，而这些因子在冠层垂直方向上具有显著的空间异质性，直接将叶片尺度模型应用于冠层尺度往往会引入尺度转换误差。为缓解这一问题，TBMs发展出多种冠层结构表达方式，包括大叶模型、双叶模型和多层模型，它们在模型复杂度与模拟精度之间形成不同程度的权衡。然而，目前针对不同冠层上推方法在GPP模拟中的适用性与优势仍缺乏系统评估，尤其是在遥感数据支持不断增强的背景下，多层模型是否能够稳定优于传统的大叶或双叶模型仍有待进一步验证。同时，叶片在冠层中的聚集分布会显著影响光照分配格局与光合效率，从而增加GPP估算的不确定性，其在不同冠层模型结构中的作用机制尚不明确。因此，有必要系统比较不同冠层模型的表现，并探讨叶片聚集效应对GPP模拟的影响，以为TBMs中冠层结构方案的选择与改进提供理论依据。

研究方法

本研究评估了三种叶片到冠层尺度的上推方法：大叶(BL)模型、双叶(TL)模型和多层(MTL)模型。在多层模型中，我们假设冠层垂直方向的温度、湿度等环境条件保持一致，以便重点分析冠层垂直结构异质性导致的辐射分布差异对GPP估算的影响。

BL模型首先计算25℃条件下冠层尺度的最大羧化速率和最大电子传递速率，随后直接基于叶片尺度光合作用模型(FvCB模型)估算冠层GPP。

TL模型将单个叶片视为光照叶片和遮阴叶片两部分。首先计算两类叶片在25℃下的平均最大羧化速率和最大电子传递速率，然后采用叶片尺度光合作用模型分别计算光照叶片和遮阴叶片的平均光合速率。最后，通过光照叶片和遮阴叶片在冠层中的叶面积比例加权求和，得到冠层GPP。

MTL模型将冠层划分为多层，对每层叶片分别计算25℃下的最大羧化速率和最大电子传递速率，并利用叶片尺度光合作用模型计算每层叶片的光合速率。随后，根据每层叶面积占比进行加权求和，得到整体冠层GPP。在MTL模型中，叶面积的垂直分布采用Beta概率密度分布函数进行模拟。

三种模型均采用双流近似方法模拟冠层或叶片吸收的辐射，并统一使用FvCB叶片光合作用模型。在全球167个涡度协方差观测站点上，我们基于站点观测和遥感数据，采用三种模型估算小时尺度的GPP，并通过比较不同模型估算的GPP差异，量化冠层分层策略对GPP估算的影响。

主要结果

MTL和TL模型的模拟精度普遍优于BL模型：在小时尺度上，MTL(0.152 g C m^-2 h^-1)和TL模型(0.156 g C m^-2 h^-1)的RMSE低于BL模型(0.203 g C m^-2 h^-1)，且与观测GPP间的偏差小于BL模型。在日尺度上，三种模型模拟的GPP与观测GPP高度一致(R² = 0.69~0.70)，其中MTL模型的RMSE最低(2.25 g C m^-2 d^-1)，其次为TL模型(2.44 g C m^-2 d^-1)，而BL模型最高(3.32 g C m^-2 d^-1)。然而，三种模型均存在GPP的高估现象，其中BL模型高估最严重(ME = 1.34 g C m^-2 d^-1)，MTL模型高估最小(ME = 0.34 g C m^-2 d^-1)，TL模型的高估程度介于两者之间(ME = 0.62 g C m^-2 d^-1)。总体来看，MTL和TL模型在GPP模拟上均优于BL模型，且MTL模型表现更佳。

与忽略叶片聚集的情况相比，在TL和BL模型中考虑叶片聚集能够提高模拟精度：TL模型的RMSE下降了0.14 g C m^-2 d^-1，BL模型下降了0.07 g C m^-2 d^-1；TL模型的ME减少了0.25 g C m^-2 d^-1，BL模型减少了0.1 g C m^-2 d^-1。在MTL模型中考虑叶片聚集并未显著改善GPP模拟精度，但可以缓解GPP的高估，ME下降了0.16 g C m^-2 d^-1。

MTL模型可以模拟光合作用速率的垂直变化，进而捕捉光合作用对环境变化响应的垂直异质性。在US-xSE(38.89°N, 79.56°W)和US-Ho1(45.20°N, 68.74°W)站点的进一步分析表明，当采用beta函数模拟的叶面积垂直分布廓线与GEDI观测的廓线更加一致时可以提高多层模型模拟GPP的精度。

山区具有高度复杂的微气候环境，孕育了丰富的植被多样性，对植被动态的精准监测对于生物多样性保护具有重要意义。高分辨率归一化植被指数(NDVI)是刻画植被时空变化的关键指标，但在多云山区，由于长期云覆盖和显著的空间异质性，NDVI重建面临较大挑战。本研究在Google Earth Engine(GEE)平台上开发了一种全局拟合与局部优化(Global Fitting and Local Refinement，GFLR)方法，用于重建Landsat NDVI。该方法首先利用近40年的像元级NDVI时序进行全局拟合，构建稳定的物候基准曲线。随后利用3年滑动观测窗口进行局部优化，以刻画植被动态。与现有常用重建方法相比，GFLR在精度上表现更优，且在不同云覆盖和地形复杂度条件下均表现出较强的稳健性。因此，基于GFLR的NDVI产品为复杂多云山区植被动态研究提供了可靠且稳健的数据支持。为促进方法的可重复性与应用推广，GFLR的完整代码已公开，可通过以下链接获取：https://code.earthengine.google.com/faf7a2d54025d0069bbe936dea313da8。该成果近期发表于中科院一区期刊Global and Planetary Change。

研究背景

山区约占全球陆地面积的24%，地形起伏通过调控辐射输入、温度梯度和水分分布，形成与区域气候部分脱耦的微气候环境。这些微气候为物种提供了气候变化背景下的重要庇护空间，是维持高生物多样性的关键。然而，随着气候变暖加剧，山区微气候格局及其庇护功能可能发生变化，从而影响植被分布与生态系统稳定性。因此，有必要系统评估地形通过微气候调制对植被分布与动态变化的影响机制。高分辨率NDVI为揭示地形对植被的影响提供了重要工具，但在多云山区，长期云覆盖和地形复杂性导致Landsat数据存在大量缺失，限制了对植被长期变化趋势的准确刻画。现有的时空融合与时间插值方法虽在一定程度上改善了数据连续性，但在持续多云、地形驱动异质性显著的山区仍面临尺度平滑效应、空间信息不足以及等问题。因此，亟需一种能够适用于多云山区的NDVI重建方法，以提升复杂山区植被监测的稳定性与可靠性。

研究方法

GFLR方法通过全局拟合和局部优化两个步骤对Landsat NDVI进行重建。全局拟合步骤包括物候曲线的构建与调整；局部优化步骤则主要采用改进的加权Savitzky-Golay(SG)滤波方法实现。相应的流程图及具体实现步骤如下：

(1) 物候曲线构建与曲线调整
本研究首先基于1986-2024年共39年的Landsat NDVI观测数据，为每个像元构建标准植被物候曲线。具体做法是将不同年份的影像按照年积日(DOY)进行堆叠，将其视为一个合成年份的完整物候过程，并采用七参数线性谐波模型拟合NDVI的季节变化特征，从而获得稳定的长期物候基准曲线。在此基础上，利用3年滑动时间窗口内的有效观测对物候曲线进行局地调整，以刻画实际植被动态。为保证数据质量，在调整前通过相对百分比差异(RPD)筛除异常值，剔除明显受噪声影响的观测数据。随后，根据研究区植被物候特征，将生长季划分为返青期和衰退期，并在两者重叠的过渡阶段采用加权方式实现平滑衔接。通过建立观测NDVI与物候曲线对应值之间的线性关系，对物候曲线进行分阶段校正，最终获得兼具长期稳定性与短期动态响应能力的NDVI时间序列。

(2) 改进的加权SG滤波
为进一步提升调整后物候曲线与实际观测之间的一致性，本研究对Savitzky–Golay(SG)滤波方法进行了改进。首先，在存在高质量观测的日期，将调整后物候曲线对应的NDVI值替换为实测值，并根据数据来源赋予不同权重，以体现对观测数据更高的可信度。随后，在滑动时间窗口内采用最小二乘法拟合多项式，计算标准SG滤波系数，并将其与数据来源权重相结合形成复合权重。考虑到原始SG卷积系数可能包含负值，为避免对平滑结果产生不利影响，对系数进行了归一化处理，使权重保持为正并合理缩放。最终，通过归一化后的复合权重对NDVI时间序列进行平滑处理，从而获得兼顾观测可靠性与时间连续性的重建结果。

主要结果

从两个研究区的NDVI空间分布来看(图2和图3)，GFLR重建结果与参考NDVI最为接近，而GFSG和FF在高NDVI区域引入了明显的低值噪声。在局部放大图中，GFSG和FF在刻画地形驱动的植被差异方面表现不足。基于密度散点图及统计指标分析(图2和图3)，GFLR在空间格局刻画方面表现最佳。在云影响分析方面(图4)，无论从云发生频率(COF)还是云覆盖比例(CCF)角度来看，GFLR均保持较高稳定性，而GFSG和FF在COF超过60%后精度明显下降，且随CCF增加呈现R²逐渐降低的趋势。地形因子分析表明(图5)，三种方法在高海拔地区精度均受一定影响，但GFLR受高程影响最小。在坡向方面，GFSG和FF在南坡表现较好，在北坡精度下降，而GFLR几乎不受坡向影响。总体而言，GFLR在不同云条件和复杂地形环境下均表现出更高的稳定性与重建精度。

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。