光合有效辐射吸收比率（FAPAR）通常定义为植被对波长在400nm－700nm间太阳辐射能量的吸收比率，是衡量植被光合作用能力和生态系统生产力的重要参数，在全球陆地生态系统碳循环研究中具有重要作用。目前国际上已发布多套全球尺度FAPAR遥感产品（如MODIS、GLASS和GEOV2），然而现有产品之间仍存在明显差异且空间分辨率较低，在异质地表易产生混合像元，导致产品精度变差，难以满足复杂地表植被精细化信息提取的要求。此外，随着计算机技术的发展，以深度学习为代表的人工智能技术能够有效构建FAPAR与遥感信号间的映射关系，可用于FAPAR遥感反演研究。不过纯数据驱动的深度学习模型在复杂冠层结构和观测几何条件下的反演稳定性与物理可解释性仍有待提高。
为应对上述挑战，成都山地所山地地表过程智能监测与模拟创新团队联合武汉大学、香港大学研究人员，发展了一种基于知识指导和迁移策略的高分辨率FAPAR遥感反演方法。通过引入物理知识指导机制，增强深度学习反演模型的可解释性，并结合迁移学习提升模型泛化能力。在数据层面，基于长时序Landsat遥感数据生成了空间分辨率为30m的全球尺度Hi－GLASS FAPAR产品。研究发现，该产品算法反演结果与地面实测数据具有较好的一致性，尤其针对森林植被，其反演精度的显著提升证实了所发展方法适用于异质冠层；Hi－GLASS产品可精细刻画不同植被类型FAPAR的空间格局，并能较好地捕捉植被的季节动态与年际波动，从而为全球尺度植被动态监测、生态系统生产力评估以及陆地碳循环研究提供科学数据支撑。
相关成果以“High spatial resolution GLASS FAPAR （version 2） product from Landsat imagery： Algorithm development using a knowledge transfer strategy”为题发表在遥感领域一区TOP期刊International Journal of Applied Earth Observation and Geoinformation。成都山地所硕士研究生乔雨亭为论文第一作者，靳华安研究员为通讯作者。该研究得到了国家重点研发计划（2020YFA0608704）、国家自然科学基金（42222109、42571455）等项目资助。
Hi－GLASS FAPAR空间制图效果
Hi－GLASS与GLASS、MODIS GEOV2 FAPAR产品空间分布对比