陆表植被是地球生态的重要组成部分，植被物候控制着植被的生理，物理与及化学等进程，对植被与其周边环境能量交换起到重要的作用，是影响地球系统碳平衡的一个关键因子。因此提取植被物候信息，分析植被物候特征，监测植被物候变化是一个具有高研究价值的研究方向，特别是在全球气候具有快速变暖趋势的当前。而遥感技术对于植被物候监测来说，是一个不可或缺的重要利器，其省时、高效，可快速实现大面积监测，而且其具有丰富的历史存档数据。论文以中高分辨率遥感数据作为数据源，提取大尺度区域的植被物候信息，并进行特征分析。论文的主要研究内容分为以下3部分：首先以中分辨率的遥感数据MOD09Q1和物候相机地面观测数据(PhenoCam Dataset v2.0)作为输入数据，系统地对比了6种传统遥感植被物候信息提取算法的效果；其次使用中分辨的MOD09Q1数据提取并分析了城区植被物候的特征；接着基于超级计算机天河2号的计算环境，结合ESTARFM算法和6种遥感植被物候信息提取算法，研发大尺度区域的30 m高分辨率的植被物候信息提取与制图，并对局部区域进行高分辨率的植被物候特征分析。论文主要内容如下。

(1) 6种广泛应用的遥感植被物候提取算法对比分析。利用阈值法、一阶导数法、二阶导数法、相对变化率法、三阶导数法和最大变化曲率法(AT、FOD、SOD、RCR、TOD和CCR)从MOD09Q1 EVI2中估算植被物候日期。在与PhenoCam观测提取的植被物候日期的回归分析中，使用第1~6种方法提取的植被生长季节开始日期(SOS)的相关系数(r)值分别为0.75、0.76、0.75、0.76、0.64与0.67，而提取的植被生长季节结束日期(EOS)的r值分别为0.58、0.59、0.57、0.56、0.36和0.40。在这6种方法中前4种方法在中分辨率遥感影像种提取植被物候日期表现得更为稳定与可靠，并且他们在提取植被SOS时的效果要比EOS好。

(2) 中分辨率遥感城区植被物候信息提取与特征分析。以北半球的32个城市作为研究对象，对比分析城区与农村的植被物候特征。通过分析发现城乡之间的植被物候存在差异。尽管植被物候对城区环境的响应因地域而异，但通过对城乡植被物候之间的回归分析表明，城区区域的SOS早于其对应的农村区域，而EOS则晚于其对应的农村区域，导致城区的植被生长季节长度(GSL)扩展，城区环境使得植被的生长得到增强。而且这种城区环境增强植被生长的现象通过地面站点分析得出的结论与卫星观测是一致的。

(3) 30 m高分辨率的植被物候信息提取与制图。以超级计算机天河2号硬件环境为依托，开发一套大尺度30 m高分辨率的植被物候信息提取流程框架。首先利用ESTARFM算法，获得时间分辨率为8 d，空间分辨率30 m的Landsat-MOD09Q1融合时间序列数据集，并通过该数据集获得EVI2植被指数。再利用6种遥感植被物候信息提取算法从EVI2中成功获得了2期(2017期与2018期)美国本土区域的30 m植被物候信息制图。通过以Landsat云量少于10%为基准估算的Landsat-MOD09Q1的EVI2并获得的植被物候日期与PhenoCam观测提取的植被物候日期的对比分析发现: 6种算法提取的SOS与物候相机观测的SOS进行回归分析，AT、FOD、SOD、RCR、TOD和CCR 6种方法取得的r值分别为0.43、0.44、0.41、0.29、0.46与0.52，而对于EOS与物候相机观测的EOS进行回归分析比较，AT、FOD、SOD、RCR、TOD和CCR 6种方法取得的r值分别为0.68、0.58、0.68、0.73、0.65与0.56，总的来说提取效果是理想的。