物候学是研究植物(包括农作物)、动物与环境条件(气候、水文、土壤)的周期性变化间相互关系的科学。陆地生态系统中的植被在全球物质与能量循环中起着重要作用。植被物候的定量测度反映了生物圈对气候、水文、土壤条件和人文等因子年内和年际变化的响应,对深入开展全球气候变化和陆地生态系统研究具有重要意义。　　 近30年来,由于遥感观测具有覆盖范围广、连续性强的特点,遥感技术成为物候研究的新手段。物候遥感监测数据已经被广泛应用于气候变化响应、生物量变化监测、农业生产管理等不同领域的研究。但是,目前国内外的遥感物候产品非常有限,实现业务化生产只有MLCD(MODIS Global Land Cover Dynamics Product)、NACP(The North American Carbon Program)和USGS(United StatesGeological Survey)三种遥感物候产品。其中,NACP和USGS物候产品只覆盖美国本土区域;MLCD物候产品虽然可以覆盖全球范围,但是在实际应用中也发现存在很多问题。　　 本文基于MODIS LAI时间序列提出一种具有普适性,相对稳定、可靠的遥感物候产品反演生产方法,并利用该算法生产遥感物候产品;同时,利用物候先验知识信息,提出了植被参数LAI时间序列重建方法,提高植被参数时间序列重建精度,进而间接提高物候提取精度;最后,利用植被物候遥感提取结果,进一步开展了遥感物候区划的提取方法研究。主要研究成果有:　　 (1)提出UMPM物候遥感监测方法　　 本文采用生长周期数和关键物候结点两个参数描述植被物候特征,提出了分步实现、主算法和备用算法联合反演的UMPM物候遥感监测方法:即首先确定生长周期数,再将Logistic函数拟合法作为主算法、分段线性拟合作为备用算法反演关键物候结点。本文针对UMPM算法中的一致性和差异性进行评价分析,并且讨论算法对缺失数据的数量和位置的敏感性。　　 (2)遥感物候产品的生产与精度分析　　 提出遥感物候产品数据集的描述方法;基于MODIS LAI产品数据,UMPM算法生产了2001-2009年遥感物候产品;采用地面物候观测数据和MODIS物候产品(MLCD)两种数据源,直接和间接验证分析本文遥感物候产品的精度。　　 (3)研究基于物候先验知识的LAI时间序列重建算法　　 利用MODIS LAI时间序列数据和遥感物候产品,分析年内年际间的植被物候变化规律,构建时间序列重建算法的理论基础:利用MODIS LAI历史时间序列,提取植被的标准物候变化过程作为物候先验知识;基于物候先验知识,实现MODISLAI时间序列的重建和预测。　　 (4)基于遥感物候产品研究遥感物候区划算法　　 基于植被物候变化规律,探讨遥感物候区划的理论基础和实际意义;基于遥感物候产品数据和生态系统信息,提出分级分层的遥感物候区划算法:即首先利用生长周期数和峰值类型实现物候区划初步分级,然后利用物候区划指标和参考植被类型的标准物候过程对物候区划进行细分。　　 本文提出发展了物候遥感监测方法,并且利用遥感物候产品在时间序列重建和遥感物候区划研究作了初步尝试。本文生产的遥感物候产品可以为后续遥感物候研究和应用提供重要的数据支持。