1、 全球土地覆被数据融合：土地覆被是陆地表层的重要参数。各种土地覆被数据产品都有自身的局限性和缺陷，因此，数据融合技术正成为集成融合现有的土地覆被数据集的有效方法。在这一研究中，我们基于贝叶斯理论发展了一种协同综合集成的数据融合方法，并把现有的5大全球土地覆被产品数据融合成一套全球土地覆被数据集(命名为synGLC)。验证结果表明， 这个集成数据集的精度总体上优于任何一个现有的全球土地覆被数据集。该全球土地覆被数据集，可免费提供使用，欢迎垂询。 

Guang Xu（许光）, Hairong Zhang（张海荣）, Baozhang Chen (*Corresponding author， 陈报章，通讯作者), Huifang Zhang（张慧芳）, Jianwu Yan（严建武）, Jing Chen（陈婧）, Mingliang Che（车明亮）, Xiaofeng Lin（林晓凤）， Xianming Dou（窦贤明） , A Bayesian Based Method to Generate a Synergetic Land-Cover Map from Existing Land-Cover Products. Remote Sens. 2014, 6, 5589-5613.  

2、 植被物候遥感：基于遥感数据准确估算植被物候参数，在动态植被和生态学过程研究中具有重要的意义。我们综合不对称高斯方程和对数方程，发展了一种S曲线方程遥感观测的叶面积曲线，进而通过渐近线和曲率极值获取植被的各物候相参数（萌芽、生长、成熟、衰老、落叶和休眠）。通过山东省有物候观测资料地区的验证、对比，发现这一新发展的S曲线方法提取植被物候参数的效果好于传统的不对称高斯方程和对数方程方法。  

Mingliang Che（车明亮）,  Baozhang Chen (*Corresponding author，陈报章， 通讯作者), Huifang Zhang（张慧芳）, Shifeng Fang（房世峰）, Guang Xu（许光）, Xiaofeng Lin（林晓凤）, Yuchen Wang（王雨辰）, A new equation for deriving vegetation phenophase from time series of leaf area index (LAI) data. Remote Sens. 2014, 6, 5650-5670.  

　　以上研究成果得到国家重大科学研究计划（2010CB950901）、中国科学院地理资源所135项目（2012ZD010）和中国科学院战略性先导科技专项（XDA05040403的资助。 

附件: 

1. 1RS2014(Xu and Chen, LC fusion).pdf  

    

    

2. 2RS2014 (che and Chen） .pdf