退耕还林还草工程是我国一项重大的生态恢复工程，不但遏制了土地退化的风险，而且起到了促进林地固碳和涵养水源的作用，其对气候等生态服务功能的反馈作用已经引起了广泛的国际社会关注。精准获取农田退耕还林的时空分布与演变特征是准确评估其社会、经济以及生态效益的必要措施。遥感技术因具有宏观、多时相、多尺度和综合性等特点，为快速准确获取退耕还林地时空多维度信息提供了强有力的手段。然而，由于农田退耕在时间和空间上呈现分散性与碎片化的特点，以及退耕还林工程实施的区域性差异，并存在普遍的林耕套种和间种等复杂现象，因此，如何在大区域范围内，利用卫星遥感技术获取退耕还林长时序动态分布信息，是一项国际性难题。

地球科学与工程学院水资源环境遥感研究团队19级博士生赵萱同学，深入剖析了退耕还林的时间序列遥感特征，分别在农田退耕精化模型、时序遥感亚像元尺度优化农田退耕模型以及结合GEE与时间分割算法的高精度退耕还林信息检测方法方面取得了进展，实现了大时空尺度农田退耕还林信息的高精度遥感提取。

（1）作物生长物候参数与多时相遥感影像相结合的新型农田退耕信息提取方法研究。针对山区地势复杂且下垫面地物破碎化的问题，在减少植被背景干扰的同时提升了山区农田退耕信息提取的精度与效率。成果发表在TOP期刊GIScience & Remote Sensing（JCR 1区），赵萱为该论文的共同一作。

（2）时序卫星亚像素尺度优化农田退耕模型。针对农田退耕过程在空间上分散的特点且存在间种和套种等复杂的现象，引入时间序列算法减少背景信息的干扰以及降低混合像元的影响，首次在亚像素层面实现高效提取大区域范围内农田退耕信息。成果发表在TOP期刊Computers and Electronics in Agriculture（JCR 1区），赵萱为该论文的第一作者，通讯作者为吴太夏教授。

（3）结合GEE与时间分割算法的农田退耕还林信息遥感提取方法。针对农田退耕后林地恢复的区域性差异问题以及还林过程的逐渐或突然变化，引入时间分割算法，实现了大范围的农田退耕还林空间分布信息以及时间节点信息的检测。成果发表在TOP期刊IEEE Transactions on Geoscience and Remote Sensing（JCR 1区），赵萱为该论文的第一作者，通讯作者为吴太夏教授。 

图1 退耕还林地时序演变过程及其年内植被指数曲线动态特征

（黑色虚线对应着物候参数以及模型构建，红色边框为2009-2018年检测结果，文章一） 

图2 分区模拟退耕地物候参数，引入时间序列算法亚像素检测农田退耕信息（文章二）

图3农田变化遥感检测，获取大范围（三北防护林区）退耕还林时空分布信息（文章三）

相关论文及链接如下：

[1] WU T, ZHAO X, WANG S*, et al. Phenology-based cropland retirement remote sensing model: A case study in Yan’an, Loess Plateau, China [J]. GIScience & Remote Sensing, 2022, 59(1): 1103-20. https://doi.org/10.1080/15481603.2022.2100043. (IF: 6.397)

[2] ZHAO X, WU T*, WANG S*, et al. Cropland abandonment mapping at sub-pixel scales using crop phenological information and MODIS time-series images [J]. Computers and Electronics in Agriculture, 2023, 208: 107763. https://doi.org/10.1016/j.compag.2023.107763. (IF: 6.757)

[3] ZHAO X, WU T*,WANG S, et al. Detecting spatiotemporal differences in cropland abandonment and reforestation across the Three-North region of China based on Landsat time series [J]. IEEE Transactions on Geoscience and Remote Sensing, 2023, 61: 1-12. https://doi.org/10.1109/TGRS.2023.3277491. (IF: 8.125)