中大新聞網訊（通訊員王晶）近日，中山大學生態學院王晶副教授在精細尺度葉片物候遙感監測研究中取得新進展，以共同第一作者（排名第一）在生態遙感頂級期刊Remote Sensing of Environment (IF:13.85)發表題為“An ecologically-constrained deep learning model for tropical leaf phenology monitoring using PlanetScope satellites”的研究論文。
在熱帶森林中，植物葉片物候（展葉、落葉的周期性變化）從單顆樹冠到生態系統尺度表現出顯著的差異，體現了植物對各種資源不同的適應和競爭策略以及對氣候變化的不同響應機制，其控制著大氣系統和森林生態系統的物質、能量交換過程，是衡量森林生態系統對全球氣候變化敏感度的重要參數。新一代遙感衛星微小衛星（Planet Scope）數據具有 3 米的空間分辨率和近乎每天的全球覆蓋范圍，為大尺度空間范圍內單顆樹冠到生態系統尺度的物候變化監測提供了前所未有的機會。然而目前仍缺乏一種魯棒的方法從微小衛星數據中提取具有明確生物物理含義的指標來準確刻畫葉片物候特征。為此，我們針對微小衛星數據開發了一種基于生態約束的深度學習(IG-ECAE) 方法獲取具有明確生物物理含義的植被落葉度指標（即每個3米像素內具有落葉狀態的上層樹冠的百分比）來刻畫葉片物候。
該研究在具有大降水梯度（1,470-2,819 毫米每年）的 16 個熱帶森林地點（圖1）測試了該方法的有效性。在這些站點中分別使用超高分辨率衛星 WorldView-2（n=9 個站點）和地面物候相機 phenocams（n=9 個站點）對微小衛星（PlanetScope）獲取的落葉度進行了精度評估。
圖1. 十六個研究站點分布圖及其中五個代表性研究地點的旱季-雨季的微小衛星圖像對
該研究的結果表明（圖2），微小衛星獲取的植被落葉度與 WorldView-2 獲取的落葉度在斑塊級別 (90m×90m) 的空間評估中非常吻合（r2=0.89）；并且與從phenocam獲取的落葉度在生態系統尺度的季節性評估中非常一致（r2在0.62-0.96之間）。這些結果從個體樹冠到生態系統的空間維度以及從單個日期到全年的時間維度均表明，該方法在刻畫植被落葉度的有效性，探索了高分辨率衛星在大尺度物候模式監測的可能性，將有助于提升熱帶森林對未來氣候變化響應的預測能力。
圖2. 針對微小衛星提取的植被落葉度分別在空間和時間維度精度評估的部分結果展示
香港大學吳錦助理教授為論文的通訊作者，宋廣欽為共同第一作者，澳大利亞James Cook 大學的Michael Liddell教授，澳大利亞悉尼科技大學的Alfredo Huete教授，巴西的圣保羅州立大學的Patricia Morellato教授和Bruna Alberton博士，巴西的國家亞馬遜研究所的Bruce W. Nelson教授，美國的布魯克海文國家實驗室的楊德地，美國的普林斯頓大學的Matteo Detto的博士，蘭州大學的馬軒龍教授，以及香港大學的Michael Ng教授，張鴻生助理教授，Calvin K.F. Lee博士，趙穎怡，Henry C.H. Yeung為本文的共同作者。
論文鏈接：
