2023年9月18日至28日课题组赴凉山彝族自治区的安宁河谷沿线开展了为期10天的野外科学考察。本次科学考察的主要目的是采集无人机高光谱数据，以及开展地面同步植被叶绿素含量、植被覆盖度和叶面积指数等生态参量测量，以支撑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”项目需求。

9月18日，实验人员顺利到达凉山彝族自治区冕宁县并完成了无人机试飞工作。随后，以冕宁县为起点，沿安宁河谷一路向南测量，途径凉山彝族自治区的西昌市、德昌县，直至攀枝花市的米易县。本次实验以机载高光谱数据获取为主，沿安宁河谷样线进行分段采样，共获取了二十余条无人机样带。为和无人机保持同步，在无人机安全起飞后，在无人机拍摄区域进行地面测量，地面测量区域的选择考虑了地势，地面植被异质性，以及植被类型多样性等情况，在保证安全的情况下，每条无人机样带对应1-2个地面站点。

本次科学考察是课题组第一次进行大范围无人机测量工作，虽然前期测量过程中频频遭遇困难和意外，但是大家都用积极的心态面对挑战，在团结和愉快的氛围中顺利完成了野外实验任务。通过本次野外实验，小组成员不仅熟悉了无人机的相关操作，对地面植被参数测量也有了一定的认识和见解，为课题组后续开展野外调查工作提供了参考。本次科学考察获取的数据有助于更好地了解川滇生态屏障区的植被状况，为推动遥感技术在生态环境监测中的应用提供支持。

山区占地球总陆地面积的25%，占中国陆地面积比超过60%，在地球系统中具有独特的地位。崎岖地形使光学遥感观测产生畸变，进而影响山区的土地覆盖分类和生物理化参数反演精度。因此，地形校正是山区遥感应用的先决条件。从20世纪80年代开始，国内外学者就开始研究山区遥感辐射订正技术，建立了多种地形校正方法来缓解遥感影像中的地形效应。但目前还没有从文献计量角度对地形校正相关研究进行系统梳理，从而限制了对地形校正研究现状的全面认知。本文结合1980到2022年426篇地形校正相关文献，系统梳理了地形效应产生的机制，分析总结了常用地形校正方法的优缺点，对地形校正相关文献进行了概述，探讨了地形校正的关键科学问题并展望了地形校正未来主要发展方向。

研究方法

文章基于Web of Science和Scopus数据库的文献数据，检索了1980年到2022年与光学遥感地形校正相关的文献（426篇）。首先基于VOSviewer对关键词进行共现网络分析，就当前地形校正研究的热点进行讨论。然后提取每篇文献中的各类信息并借助Meta分析方法对上述信息进行科学量化分析，构建光学遥感地形校正研究的知识图谱，主要就文献的发展历程、时空模式等展开讨论，目的是定量揭示地形校正的研究现状（图1）。

主要研究结果

1. 时空分布特征分析

地形校正研究整体上呈现逐年增加趋势，这显示出对山地生态系统研究的兴趣日益浓厚和卫星数据可用性的增加（图2）。免费开放的数据政策（Landsat卫星数据于2008年免费开放获取）极大地促进了地形校正的研究。

不同国家发文量和研究站点的空间分布在全球尺度上表现出明显的不平衡，大部分研究集中在亚洲，其次为欧洲（发文量和研究站点占比分别为28.9%、19.4%和16.9%）（图3）。从具体的分布来看，研究区主要集中在喜马拉雅山脉、阿尔卑斯山脉和落基山脉；从所处的海拔来看，研究区主要集中在低海拔地区（0-1000 m），其平均海拔（1298 m）略低于全球山区的平均海拔（1467 m）。

2. 研究热点分析

关键词共现网络分析结果直观地揭示了遥感观测（红色集群），地形校正方法和数字高程模型（绿色集群），以及地形校正应用（蓝色集群）的相互关系（图4）。关键词的时间趋势也表明未来的地形校正研究更趋向于基于物理的地形校正方法开发和基于google earth engine云平台的时间序列分析等。

3. 地形校正方法性能Meta分析

文章系统评估了地形校正方法在不同地点、地形和季节中缓解地形效应的综合性能（图5）。R²的范围和均值表示了抑制干扰因素（不同照明条件、地形和传感器）的能力，其范围和平均值越小则性能越好。结果表明经验方法（如SCS+C何SE）、物理方法以及通过简化辐射传输模型发展的PLC方法对照明条件，地形和传感器配置等的敏感性较低。

总结及未来展望

地形校正是山区开展一系列研究的先决条件。考虑到不同地形校正方法的性能和适用性，本研究强烈建议在未来的研究中优先选择对照明条件，地形和传感器配置等的敏感性较低的地形校正方法，并进行多准则评估，以增强其可靠性。文章研究结果定量展示了光学遥感地形校正的发展历程和研究热点，将有助于后续研究更明确地开展研究选题、创新研究方法，并为其他领域开展此类研究提供一定借鉴。

坡向差异形成了不同的小气候，例如在北半球，南坡比北坡接收更多辐射，使南坡旱热、北坡湿冷。这种小气候差异会影响植被生长及其对气候变化的响应，不妨称该现象为坡向效应。本研究提出了一种坡向效应的量化指标——绿度非对称指数(GAI)，定义为给定空间窗口内北坡和南坡的平均归一化植被指数（NDVI）之间的比值。我们发现，青藏高原的坡向效应受背景气候影响，寒冷地区南坡植被优于北坡，干旱地区北坡植被优于南坡。但不管在何种气候区，北坡变绿趋势(greening)强于南坡。坡向效应形成的“天然实验室”可以指示植被生长的水热权衡，有利于加深植被对气候变化响应机制的理解，增强地球系统模型对未来植被动态的预测能力。

研究背景

高纬度和高海拔地区的生态系统受到低温的强烈限制。卫星观测表明，气候变暖促使植被出现明显的“变绿”趋势，进而增加了植被吸收的光合有效辐射，提高了生产力。然而，未来全球变暖对植被生长的积极影响是否会持续尚不确定。

坡向作为一个重要的地形变量，能够影响植被接收的太阳辐射量和时间，这种辐射差异形成了不同的小气候。因此，坡向是植被绿度的关键决定因素。南北坡之间的绿度差异取决于水和温度限制之间的权衡，绿度在不同坡向之间的差异可以看作“天然实验室”，用于研究温度和水对植被生长的相对影响。目前已有部分样地实验表明，北坡植被比南坡植被生长得更好，这在干旱和半干旱生态系统尤为显著。然而，由于采样点分布稀疏，这种现象在区域尺度内是否普遍存在尚不清楚。目前也没有针对南北坡绿度非对称性年际变化的研究，而这对于更好地理解植被的气候变化响应具有至关重要意义。基于此，本研究使用绿度非对称指数(GAI)，分析了青藏高原草地生长坡向依赖性的空间分布和年际变化规律。

主要结果

在空间分布上，63.6%青藏高原草地GAI > 1（北坡绿度强于南坡），主要分布在青藏高原西部和东北部。相比之下，GAI < 1.0（南坡强于北坡） 的区域较少 (36.4%)，主要分布在东部和中部。

GAI的空间格局主要由温度和降水量共同决定的，在温暖和干燥的地区，北坡植被生长优于南坡，而在寒冷和潮湿的地区，情况相反。

此外，1991至2020间，南北坡的 NDVI均增加，但北坡增幅大于南坡，即北坡植被在气候变化中受益更多。

我们还比较了南北坡NDVI的温度敏感性（S_T），以量化坡向是否会调节植被对气候变暖的响应。结果表明，北坡St显著高于南坡（P < 0.01）。

2023年8月，课题组联合中国科学院空天信息创新研究院、生态环境部卫星环境应用中心赴阿坝羌族藏族自治州开展野外科学考察。野外考察主要目的是采集相关项目所需野外数据、同时深入了解高山植被的生长状况，增强专业知识，提升野外实践能力。

8月6日，考察人员顺利抵达红原县。随后，以若尔盖塔基平台（102.53°E，32.81°N）为中心，进行为期两天的实地考察和草地观测实验，开展植被盖度、高度、叶绿素含量、生物量等参数的测量。为了保证观测结果对塔基平台搭载的光谱仪视场的空间代表性，本次实验以塔基平台为中心，在东西-南北垂直布设样方内开展野外观测。

通过本次实验，我们深刻体会到理论知识与实际操作的紧密联系，为日后的研究和科研实践奠定了基础；实验中的分工合作让我们能高效完成任务，培养了团队协作意识，这对未来的合作研究大有帮助。最后，本次野外实验不仅培养了我们野外实践能力还加深了我们对高山植被生态的认识，对后续小组开展的植被生态相关研究具有重要意义。

8月12日考察人员顺利返回成都，川西北野外考察圆满结束。

准确监测秋季光合物候是了解碳循环的关键。绿-红植被指数（the green-red vegetation index，GRVI）是基于宽波段红光和绿光反射率计算得出的指数，被越来越多地用作估算植被光合物候。然而，GRVI在大范围上的表现仍然不清楚。本文系统评估了归一化差异植被指数（NDVI）、归一化差异绿度指数（NDGI）、植被近红外反射率指数（NIRv）、太阳诱导叶绿素荧光（SIF）和GRVI在追踪站点和区域尺度高寒草地秋季光合物候的表现。结果发现，GRVI在提取站点和整个青藏高原尺度草地秋季光合物候的表现与SIF相当。然而，用于刻画植被光合生理的SIF的使用会受到空间分辨率和时间跨度的局限。相比之下，GRVI因其数学形式简洁且便于获得，在估算大范围秋季光合物候上具有独特优势，对碳吸收研究具有重要意义。

1.研究背景

植被通过光合作用将二氧化碳转化为有机化合物，从而调节全球碳循环和能量交换。光合物候是指由周期性变化的环境触发的光合活动节律变化，光合物候的转变极大地影响了陆地生态系统的碳平衡。秋季光合物候在决定植被光合作用持续时间方面起着关键的作用。因此，提高对秋季光合物候的理解对于准确识别陆地生态系统中的碳源和碳汇至关重要。

植被通过光合作用吸收的碳量可以通过总初级生产力（GPP）直接量化。然而，直接利用GPP监测光合物候的时空动态并不是一项简单的任务，因为基于光能利用效率理论的卫星GPP模型仍未得到良好的校准和验证，无法以高可靠性实现全球时空连续的光合物候监测。SIF是光合作用光反应过程中重新发射的小部分能量，可作为区域到全球尺度上植被光合作用的探针。然而，包括低时空分辨率和短时间跨度等在内的几个技术问题限制了SIF在追踪秋季光合物候方面的广泛应用。近几十年来，NDVI、NDGI和NIRv等遥感卫星植被指数（VI）已被广泛应用于提取秋季光合物候。然而，大部分的植被指数都只捕捉到冠层绿度，从而衡量了潜在的光合作用，而在衰老期间，潜在光合作用通常与实际光合作用脱离。相反，绿红植被指数（GRVI）虽然是一种简单的光学指数，但其可以量化叶片光合速率，并成功捕捉到了植被生长季结束期的光合作用下调。然而，现有的对GRVI的研究都只基于通量站点尺度，其在追踪大范围尺度秋季光合物候方面的表现仍不清楚。

作为“世界屋脊”，青藏高原（TP）在区域生态系统碳循环中起着关键作用。高寒草地占据了青藏高原总面积的60%以上，是其主要植被类型，对气候变化和人类活动非常敏感。因此，监测高寒草地秋季光合物候的动态变化将有助于改善未来气候变化情景下青藏高原草地生态系统碳循环的预测。基于此，本研究旨在评估GRVI在提取青藏高原高寒草地秋季光合物候方面的性能。

2. 研究思路与实验方法

2.1植被指数的计算

式中，NIR、R、G分别表示为近红外、红光、和绿光波段反射率。

2.2 秋季光合物候提取

本文分别采用具有代表性的三种方法：50%动态阈值法、最大变化率法和分段逻辑函数法，对各指标进行秋季光合物候的提取。同时为了避免因某种方法偶然性引入的误差，我们以三种方法提取结果的平均值作为最终的物候值。

2.3 评估方法

（1）以通量站点GPP为基准，比较了NDVI、NDGI、NIRv、GRVI和SIF在站点尺度提取秋季光合物候的表现；

（2）在青藏高原范围内，评估NDVI、NDGI、NIRv、GRVI追踪SIF代表的秋季光合物候期及其变化趋势的能力。

3. 重要结果

结果显示基于NDVI、NDGI、NIRv和GRVI提取的EOS相比于GPP都普遍延迟（图1）。其中，NDVI的R²最低，偏差最大，分别为0.15和20.72天（图1(a)）。虽然NDGI和NIRv提供了令人满意的R²（分别为0.40和0.42），但偏差较大（13.62天和6.56天）。与NDVI和NDGI相比，GRVI和SIF估计的EOS的滞后明显减轻。偏差分别减少到4.39天和0.71天。结果表明，SIF可以作为提取秋季光合物候的可靠代理，GRVI与SIF的表现相当。

进一步，我们以SIF为基准，分析了四种植被指数在区域尺度提取秋季光合物候的表现（图2）。结果显示在NDVI和NDGI的结果中，EOS普遍晚于SIF（分别为总面积的96％和95％），并且这些差异显示出从青藏高原东部到西部逐渐减小的空间梯度（图2(a)和2(b)）。不同的是，GRVI的与SIF结果的差异明显较小（图2(d)，2.97±5.67 d，平均值±标准差）。而在趋势分析中，NDVI和NDGI都在青藏高原东部/西部高估/低估了EOS的变化（图2(e)和(f)）。与NDVI和NDGI相比，GRVI和NIRv的结果中这种空间模式得到了缓解（图2(g)和(h)）。

4. 研究结论

植被绿度与生理在秋季的脱钩导致常用结构植被指数如NDVI、NDGI和NIRv估算EOS的严重滞后，而GRVI可以成功捕捉到秋季光合作用的下调，与SIF提取的秋季光合物候相当。同时红光和绿光波段的反射率在大多数现有光学传感器（如Landsat和Sentinel）上很容易获取，具有高分辨率和长时间跨度的优势，因此GRVI可以作为秋季光合物候监测的一个有效工具。随着遥感产品分辨率的不断提高，GRVI有潜力在米乃至亚米尺度上实现光合物候监测，这可能最终实现对全球陆地碳平衡更准确的估计。同时借助于GRVI对植被生理变化的独特敏感性，我们甚至可以利用GRVI监测植被对极端气候事件的响应以及全球高精度植被生产力的估算。

连雨不知春去，一晴方觉夏深；秋风迎来新涩，烈日送别青春。

时光荏苒，春去夏来，在这烈日酷夏，VEGRS小组首届硕士生毕业啦！

回往过去，有太多难忘的瞬间。是凌晨 十二点半实验室仍然明亮的灯光，是早上 六点大步向前的徐徐阳光；是每月两次的组会水果狂欢盛宴，是闲暇之余的夏日黑夜中的捉鬼大战，是迎着晚霞的羽毛球老年人休息场，是紧张刺激的户外真人 CS；是论文投稿被拒的失望，是论文接收后的希望！VEGRS小组就是一个大家庭，它见证了我们的成长与蜕变，也承载了我们的欢笑和泪水。愿我们带着美好的记忆，拥抱明天的太阳，成为更好的我们！

天涯海角有尽处，只有师恩无穷期。匆匆三年，感谢尹老师对我们的谆谆教诲，感谢您在科研中对我们的每一次指导，感谢您让我们在人生旅途中更加成熟和坚定，衷心的祝愿您生活愉快，工作顺利！最后，请让我们再道一声：尹老师，您辛苦啦！

夏天的蝉声连绵不绝，我们的未来洒满阳光。愿毕业生们保持心中的热爱，奔赴山海，载梦飞翔！下次再见时，可以鲜活又明亮！

昔日的场景心中回荡，从前的欢笑耳边回响。毕业不是终点，前方路还长，愿有岁月可回首，且以今朝共叙旧！

VEGRS小组全体祝：古洪凡、潘慧勤、杨雅洁、付锐四位硕士毕业快乐!愿你们无畏风雨，纵马扬鞭，谱写更精彩的人生新篇章！

2023年6月11日，博士研究生王昶景、硕士研究生李望超和唐愉松等多人组成的团队，前往四川阿坝州红原县国家若尔盖高原湿地生态站展开野外科研考察。本次野外考察的主要目标为：①收集增温梯度对高原草甸物候的影响实验的阶段性数据，并对仪器进行保养维护；②试飞搭载高光谱传感器的无人机。

在专业人员的指导下，团队接受了无人机操作培训，并亲自操作无人机采集了高原草地的高光谱影像数据。这些数据能够提供关于草地生态系统的丰富信息，如植被覆盖度、植物物种分布和草地生理状况等，为团队开展基于无人机平台的草地生态监测实验提供了基础。

此后，可以利用无人机遥感技术对实验样地进行定期监测，以了解高原草甸的动态变化情况，进行草地的生态环境评估，分析植被生理特征和结构差异，评估草地健康状况，为高原草甸管理和保护提供科学依据。

准确估算光合物候对了解陆地植物对气候变化的响应具有重要意义。植被近红外反射率植被指数(near-infrared reflectance of vegetation，NIRv)被越来越多地用作估算光合物候。然而，崎岖地形使照明条件产生畸变进而影响NIRv衍生的光合物候。本文以涡度协方差GPP估算的物候指标为参考，系统评估了光照对三种形式的NIRv即原始NIRv、NIRvP（NIRv与太阳入射辐射PAR的乘积）和地形校正NIRv（即TCNIRv）衍生的物候指标的影响。结果表明，NIRv在光合物候提取中存在明显的季节性差异（SOS基本和GPP保持一致，EOS存在明显的滞后性），NIRvP中的辐射约束纠正了基于NIRv的EOS估计的偏差。路径长度校正PLC减轻了原始NIRv的照明影响，使TCNIRv在估计SOS和EOS方面与NIRvP相当。本文对理解物候对气候变化的响应和气候-碳反馈具有重要意义，特别是在地形复杂的山区。

01研究背景

植物的光合作用具有明显的季节性，可以通过光合物候来表征，例如光合作用季节的开始（start of season, SOS）和结束（end of season, EOS）。全球变暖通常会导致SOS提前和EOS延后，这种变化极大地影响陆地生态系统的碳吸收。因此，更好地了解光合物候对于更准确地预测未来的气候变化是必要的。

物候监测可以通过三种不同的测量尺度来实施：原位观测、近地观测和遥感观测。涡度协方差网络提供了一种直接获取光合物候的方法。然而，涡度协方差通量塔的光合物候往往受到其相对较小的覆盖足迹和稀疏分布的限制。近地表面传感器，如“PhenoCams”网络，可以提供植被状况的永久和定期的视觉记录并通过光谱指数对物候进行量化。然而，近地表面传感器观测到的范围较小同样不适合大规模的物候监测。遥感提供了另一种获取光合物候的手段。近几十年来，从遥感观测中获取的植被指数（VIs）广泛用于提取物候及其对气候变化的响应。

VIs在提取光合物候年际变化的性能取决于VI定义、植被类型及其季节性和提取物候指标的方法等因素。因此，选择合适的VIs是准确提取光合物候的先决条件。归一化差异植被指数NDVI被广泛用于估算物候。然而，大气条件、土壤背景和饱和效应等因素会强烈影响其值。与NDVI相比，植被的近红外反射率NIRv通过最小化土壤背景的影响来代表植被组分的近红外反射率，并且对高植被区不敏感。因此，NIRv目前被视为GPP的可靠代理。最近的研究表明，NIRv在跟踪GPP的季节动态方面优于NDVI。然而，从NIRv提取的光合物候已被证明在季节性表现上存在明显的差异，即NIRv导出的SOS估计与基于GPP的估计具有良好的一致性，而EOS滞后于基于GPP的EOS。Dechant等开发的NIRvP作为NIRv和太阳入射辐射的乘积包含有关辐射的信息，是提取EOS的一种有前景的替代方法。

在山区，地形显著影响照明条件，从而扭曲由遥感观测中得出的非波段比值型植被指数。因此，NIRv所估算的光合作用物候在山地地区存在相当大的不确定性。然而，据我们所知，地形对照明条件的影响是否改变了在山地地区估算的NIRv光合作用物候尚未进行评估。

路径长度校正PLC是一种通过简化辐射传输方程推导出来的地形校正方法，可以有效补偿不同坡度和坡向区域之间太阳辐照度的差异。因此，我们假设由Chen等开发的经过地形校正的NIRv（TCNIRv），可能会缓解光照条件对NIRv衍生光合物候的影响。然而，它在光合作用物候提取方面的表现仍不清楚。

基于此，本文的主要目的是评估光照效应对NIRv、NIRvP和TCNIRv估算的光合作用物候指标（即SOS和EOS）的影响。

02研究思路与实验方法

A. 三种不同形式的NIRv植被指数：

式中，NIR和R分别表示为近红外和红光波段反射率。PAR为光合有效辐射。Ω₁和Ω₂分别为太阳和观测方向；S和S_t分别为水平表面和倾斜表面上的路径长度。

B. 实验方法

首先，根据Landsat-8影像、光合有效辐射PAR和DEM计算离散的NIRv、NIRvP和TCNIRv（图1）。然后，采用CACAO方法生成时间连续的NIRv、NIRvP和TCNIRv序列。采用留一法验证重建的NIRv、NIRvP和TCNIRv时间序列的可靠性。然后评估照明条件对NIRv、NIRvP和TCNIRv的影响。最后，将NIRv、NIRvP和TCNIRv提取的物候指标（即SOS和EOS）与GPP的物候指标进行比较来评价光照条件对物候提取的影响。

03重要结果

在图2中，分别展示了BE-Bra和CH-Lae站点重构的NIRv、NIRvP、TCNIRv和GPP时间序列。NIRv、NIRvP和TCNIRv有效地捕捉到了GPP的季节动态和年际变化。此外，更仔细的观察发现，春季的NIRv、NIRvP和TCNIRv曲线与GPP的曲线相似，而秋季的曲线则非常不同。在秋季，NIRv明显滞后于GPP，而NIRvP和TCNIRv能够很好地纠正这种季节性的偏移，并与GPP高度一致。

图3展示了2014年至2018年期间从GPP和重建的NIRv、NIRvP和TCNIRv中得出的平均SOS和EOS的差异。对于BE-Bra/CH-Lae站点，NIRv、NIRvP导出的SOS估计值与GPP导出的估计值具有良好的一致性，而EOS估计值差异非常明显。对于CH-Lae站点，TCNIRv导出的SOS和EOS与GPP导出的物候值具有良好的一致性。

04研究结论

NIRvP中的辐射约束缓解了NIRv估算的EOS偏差。耦合在TCNIRv中的路径长度校正PLC同样缓解了光照条件对NIRv的影响，使TCNIRv在估计SOS和EOS方面与NIRvP相当。TCNIRv的主要优点是它是一种完全基于影像的VI，无需额外的辅助信息，公式简单，是一种准确监测山区植被物候的有用工具。