中大新闻网讯（通讯员王晶）近日，中山大学生态学院王晶副教授在精细尺度叶片物候遥感监测研究中取得新进展，以共同第一作者（排名第一）在生态遥感顶级期刊Remote Sensing of Environment (IF:13.85)发表题为“An ecologically-constrained deep learning model for tropical leaf phenology monitoring using PlanetScope satellites”的研究论文。
在热带森林中，植物叶片物候（展叶、落叶的周期性变化）从单颗树冠到生态系统尺度表现出显著的差异，体现了植物对各种资源不同的适应和竞争策略以及对气候变化的不同响应机制，其控制着大气系统和森林生态系统的物质、能量交换过程，是衡量森林生态系统对全球气候变化敏感度的重要参数。新一代遥感卫星微小卫星（Planet Scope）数据具有 3 米的空间分辨率和近乎每天的全球覆盖范围，为大尺度空间范围内单颗树冠到生态系统尺度的物候变化监测提供了前所未有的机会。然而目前仍缺乏一种鲁棒的方法从微小卫星数据中提取具有明确生物物理含义的指标来准确刻画叶片物候特征。为此，我们针对微小卫星数据开发了一种基于生态约束的深度学习(IG-ECAE) 方法获取具有明确生物物理含义的植被落叶度指标（即每个3米像素内具有落叶状态的上层树冠的百分比）来刻画叶片物候。
该研究在具有大降水梯度（1,470-2,819 毫米每年）的 16 个热带森林地点（图1）测试了该方法的有效性。在这些站点中分别使用超高分辨率卫星 WorldView-2（n=9 个站点）和地面物候相机 phenocams（n=9 个站点）对微小卫星（PlanetScope）获取的落叶度进行了精度评估。
图1. 十六个研究站点分布图及其中五个代表性研究地点的旱季-雨季的微小卫星图像对
该研究的结果表明（图2），微小卫星获取的植被落叶度与 WorldView-2 获取的落叶度在斑块级别 (90m×90m) 的空间评估中非常吻合（r2=0.89）；并且与从phenocam获取的落叶度在生态系统尺度的季节性评估中非常一致（r2在0.62-0.96之间）。这些结果从个体树冠到生态系统的空间维度以及从单个日期到全年的时间维度均表明，该方法在刻画植被落叶度的有效性，探索了高分辨率卫星在大尺度物候模式监测的可能性，将有助于提升热带森林对未来气候变化响应的预测能力。
图2. 针对微小卫星提取的植被落叶度分别在空间和时间维度精度评估的部分结果展示
香港大学吴锦助理教授为论文的通讯作者，宋广钦为共同第一作者，澳大利亚James Cook 大学的Michael Liddell教授，澳大利亚悉尼科技大学的Alfredo Huete教授，巴西的圣保罗州立大学的Patricia Morellato教授和Bruna Alberton博士，巴西的国家亚马逊研究所的Bruce W. Nelson教授，美国的布鲁克海文国家实验室的杨德地，美国的普林斯顿大学的Matteo Detto的博士，兰州大学的马轩龙教授，以及香港大学的Michael Ng教授，张鸿生助理教授，Calvin K.F. Lee博士，赵颖怡，Henry C.H. Yeung为本文的共同作者。
论文链接：
