本文的主要作者包括刘晓亮、王志华、杨晓梅、程维明、张俊瑶、刘岳明、刘彬、孟丹和曾晓伟，皆来自中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室以及中国科学院大学。本研究发表在《地理学报》（Acta Geographica Sinica）2024年第79卷第9期，文章围绕自然场景下土地覆被的遥感分类展开研究，侧重于提出一种基于物候分析的遥感分区模式。
土地覆被的空间分布特征及动态变化在生物地球化学循环、生态水文过程以及气候变化模拟预测等科学领域有重要意义。遥感技术凭借其时空连续观测特点，成为进行全球或区域土地覆被动态监测的核心工具。然而，自然场景下复杂的地表条件导致遥感影像中出现“同物异谱”（同类土地覆被在不同时空下呈现的光谱特征差异）及“异物同谱”（不同土地覆被表现出相似的光谱特征）等现象，极大地增加了遥感分类的精度和效率挑战。因此，为克服这一难题，分区分类被视为能有效降低分类复杂性的重要策略。
植被物候（phenology）的空间分异性被认为是引发上述光谱现象的关键原因之一，但已有分区多基于经验与定性分析，缺乏科学依据，且在更新时效性和精度提升的适用性上存在局限。基于此，本文旨在基于近十年遥感数据，构建以植被物候模式为核心的分区方法，提升土地覆被分类任务的科学性和效率。
研究的核心目标是提出适用于自然场景土地覆被遥感分类的物候模式分区方法，并在两级分区框架下对中国区域划分，期望成果可为进一步的大尺度土地覆被分类提供理论依据与数据支持。
本文使用了以下四类数据集：
1. 遥感植被指数数据：利用2013-2021年由VIIRS提供的双波段增强型植被指数（EVI2）数据，空间分辨率0.05°，时间分辨率16天。采用EVI2作为表征植被绿度变化的核心指标，并通过多年均值分析其时序特征。
2. 遥感地表物候数据：基于VNP22C2数据产品，计算了关键物候指标如生长季始期（SOS）、生长季末期（EOS）、成熟期始期（OM）及生长季长度（LOS）。通过滤波与曲率变化率算法获取像元尺度的物候关键节点。
3. 区划参考数据：采用1:25万尺度中国地貌区划中的第五级分区（地貌小区）作为划分的最小单元，并辅以基于生态地理区划的宏观参考框架。
4. 土地覆被数据：选用多源产品（如glc_fcs30和mcd12q1等）评估分区的土地覆被复杂性，与主要土地覆被类型的面积统计相结合进行评价。
全国共划分为9个一级分区，分区依据如下：
1. 植被物候不显著分区：包括以常绿植被为主的东南沿海及云贵高原区域（分区I），占全国常绿植被面积的近50%；以及以裸地或稀疏植被为主的青藏高原北部（分区II）和塔里木盆地及河西走廊（分区III）。
2. 植被物候显著分区：基于物候指标对物候特征显著的区域划分了6个一级分区（分区IV至IX），分别涵盖内蒙古、东北、西北及中部等区域。分区之间呈现出植被物候指标的显著差异，例如SOS（生长季开始时间）从东南沿海到高寒地区逐渐推迟，反映了气候格局的空间变异性。
根据一级分区的基础，通过二级分区进一步提升了区域内部的同质性与分类精度。总体共划分出33个二级分区，不同一级分区的二级区划指标有所不同。例如，东北及内蒙古的分区以OM和LOS为主要分区指标，而华北平原以EOS作为主要分区指标。这表明物候指标间的相关性分析对分区具体方法提供了科学依据。青藏高原东南部因其特殊地形与与生态环境被单独调整为一独立分区。
为验证结果合理性，本文基于Kruskal-Wallis检验了各分区的物候指标差异显著性结果，发现分区之间存在显著差异（p<0.05）。此外，通过对主次要土地覆被类型及其面积比例进行统计，证明不同分区内土地覆被复杂程度得到了显著降低，如分区I中常绿植被区主导类型面积占比均高于50%。
本文提出的遥感物候模式分区从数据驱动的角度优化了传统的分区方法，通过结合多源遥感数据，与基于专家经验的分区相比具备更高的科学性、客观性与适用性。本研究的两个主要贡献包括：
1. 分类精度提升：通过分区策略有效降低了“同物异谱”与“异物同谱”现象干扰，不仅提升了分区内样本一致性，也强化了区域间对遥感分类的差异化表达。
2. 宏观地理规律揭示：分区结果不仅反映了植被物候的空间分异特征，同时为理解全球或区域生态环境的变化规律提供了方法支持。