甄博士的研究工作主要围绕复杂场景三维辐射传输机理建模、物理反演方法及其在城市与农林生态中的应用这一核心主线展开，共有15篇SCI论文、2项授权专利及2项获奖成果符合考核条件，研究成果可归纳为以下三大类：（1）三维辐射传输机理建模与微分计算方法研究；（2）复杂非均质地表（城市/热红外）物理反演与混合像元分解研究；（3）多源多角度遥感在植被监测与全球变化中的应用研究。

第一类：三维辐射传输机理建模与微分计算方法研究

针对传统辐射传输模型难以处理动态生长过程、计算效率低以及无法直接计算梯度的问题，甄博士构建了支持4D动态、可微分计算和像元级模拟的新一代模型。

1. 成果

·          论文成果：

[1]     Zhen Zhijun, Chen Shengbo^*, Yin Tiangang, Han Cheng, Chavanon Eric,   Lauret Nicolas, Guilleux Jordan, Gastellu-Etchegorry Jean-Philippe^*.   A Dynamic L-system based Architectural Maize Model for 3D Radiative Transfer   Simulation. IEEE Transactions on   Geoscience and Remote Sensing, 2024, 62: 4401620. (唯一第一作者，吉大C刊，中科院1区，JCR Q1，IF=8.6)

[2]   Démoulin Romain^*, Gastellu-Etchegorry Jean-Philippe,   Lefebvre Sidonie, Briottet Xavier, Zhen Zhijun, Adeline Karine,   Marionneau Matthieu, Le Dantec Valérie. Modeling 3D radiative transfer for   maize traits retrieval: A growth stage-dependent study on hyperspectral   sensitivity to field geometry, soil moisture, and leaf biochemistry. Remote Sensing of Environment, 2025,   327: 114784. (参与作者，吉大D刊，中科院1区，JCR Q1，IF=11.4)

[3]     Cao Lisai, Zhen Zhijun^*, Chen Shengbo^*,   Yin Tiangang. A physically based differentiable radiative transfer model   (DRTM) for land surface optical and biochemical parameters retrieval. Remote Sensing of Environment, 2025,   325: 114764. (共同通讯第一位，吉大D刊，中科院1区，JCR   Q1，IF=11.4)

[4]     Wang Yingjie^*, Kallel Abdelaziz, Zhen Zhijun, Lauret   Nicolas, Guilleux Jordan, Chavanon Eric, Gastellu-Etchegorry Jean-Philippe.   3D Monte Carlo differentiable radiative transfer with DART. Remote Sensing of Environment, 2024,   308: 114201. (参与作者，吉大D刊，中科院1区，JCR   Q1，IF=11.4)

[5]     Cao Lisai, Zhen Zhijun^*, Chen Shengbo^*,   Gastellu-Etchegorry Jean-Philippe, Yin Tiangang. Radiosity-Graphics based   Model (RGM) at Pixel Scale for Simulation on Bidirectional Reflectance Factor   (BRF) of Large-scale Heterogeneous canopy. IEEE Transactions on Geoscience and Remote Sensing, 2025, 63:   4400614. (共同通讯第一位，吉大C刊，中科院1区，JCR Q1，IF=8.6)

·          专利/获奖：

[6]     专利：曹利赛; 甄治钧; 陈圣波; 李竺强; 王凯司; 乌云娜; 一种高分辨率遥感场景的三维辐射度计算方法及应用, 2025-12-26, 中国, 202510514856.9

[7]     获奖：甄治钧(12/15); 2024年度创新技术奖一等奖, 中国仿真学会, 数字月球建模仿真与重大工程应用, 2024 (张鹏; 刘召芹; 刘建忠; 陈圣波; 刘成保; 牛冉; 杨瀚哲; 王晔昕; 薄正; 万文辉; 雷丹泓; 甄治钧; 刘琬玥; 韩东旭; 林茜)

2. 创新点与科学意义

·          针对传统模型仅能模拟静态场景的局限，开发了DLAmaize模型[1]，创新性地将L-System与玉米生长方程耦合，实现了作物从出苗到成熟全生命周期的4D（3D空间+时间）辐射传输模拟（图1），为作物生长监测提供了精细的物理机理支撑。将DLAmaize与三维辐射传输模型DART相结合[2]，并引入主动学习策略与核岭回归方法实现了性状估算（图2）。

·          针对传统物理模型反演依赖查找表或神经网络黑箱的问题，提出了可微辐射传输模型DRTM[3]，实现玉米叶片生化参数反演（图3），并参与了DART模型的可微化工作[4]，实现光谱梯度图像模拟（图4）。利用链式求导技术，实现了物理模型正向模拟与反向梯度的直接传播。这种方法不需要大量训练数据，直接利用物理规律寻找最优解，大大提高了参数反演的物理可解释性和效率，并有望将该方法应用于地外星体的辐射传输建模[7]。

·          针对RGM模型计算效率低的瓶颈，提出了像元尺度的RGM优化算法[5]，并申请专利[6]将成果推向实际应用，使得大规模非均质冠层的BRF模拟成为可能（图5），为国产高分卫星的数据模拟提供了支撑。

图1 植物三维结构模拟结果图。（a）三维树木场景；（b）三维玉米场景。

图2 不同植被变量测量值与15个训练KRR模型平均预测值的散点图。(a)叶面积指数(LAI)；(b) 叶绿素含量(LCC)；(c) 叶氮含量 (LNC)；(d) 叶比质量(LMA)及(e)叶水含量(LWC)。预测值标准差以误差条表示。

图3 玉米叶片生化参数反演实验结果图。（a）研究区；（b）生化参数反演结果。

图4 光谱梯度计算结果图。（a）单次散射雅可比梯度值；（b）有限差分雅可比梯度值。

图5 辐射传输模型的模拟结果与机载观测数据的比较。（a）红光；（b）近红外。

第二类：复杂非均质地表物理反演与混合像元分解研究

针对城市等复杂三维场景中普遍存在的混合像元和多重散射难题，利用上述建模成果，提出了一系列基于物理梯度的非线性解混与反演新方法。

1. 成果

·          论文成果：

[1]     Zhen Zhijun, Chen Shengbo^*, Lauret Nicolas, Kallel   Abdelaziz, Chavanon Eric, Yin Tiangang, León-Tavares Jonathan, Cao Biao,   Guilleux Jordan, Gastellu-Etchegorry Jean-Philippe^*. A   gradient-based 3D nonlinear spectral model for providing components optical   properties of mixed pixels in shortwave urban images. Remote Sensing of Environment, 2025, 321: 114657. (唯一第一作者，吉大D刊，中科院1区，JCR Q1，IF=11.4)

[2]     Zhen Zhijun, Chen Shengbo^*, Lauret Nicolas, Kallel   Abdelaziz, Yin Tiangang, León-Tavares Jonathan, Cao Biao, Gastellu-Etchegorry   Jean-Philippe^*. A gradient-based nonlinear multi-pixel physical   method for simultaneously separating component temperature and emissivity   from nonisothermal mixed pixels with DART. Remote Sensing of Environment, 2025, 324: 114738. (唯一第一作者，吉大D刊，中科院1区，JCR Q1，IF=11.4)

[3]     Zhen Zhijun, Gastellu-Etchegorry Jean-Philippe^*,   Chen Shengbo^*, Yin Tiangang, Chavanon Eric, Lauret Nicolas,   Guilleux Jordan. Quantitative Analysis of DART Calibration Accuracy for   Retrieving Spectral Signatures Over Urban Area. IEEE Journal of Selected Topics in Applied Earth Observations and   Remote Sensing, 2021, 14: 10057–10068. (唯一第一作者，吉大E刊，中科院2区，JCR Q1，IF=5.5)

[4]     Zhen Zhijun, Chen Shengbo^*, Yin Tiangang,   Gastellu-Etchegorry Jean-Philippe^*. Spatial Resolution   Requirements for the Application of Temperature and Emissivity Separation   (TES) Algorithm over Urban Areas. IEEE   Journal of Selected Topics in Applied Earth Observations and Remote Sensing,   2022, 15: 8990–9003. (唯一第一作者，吉大E刊，中科院2区，JCR Q1，IF=5.5)

2. 创新点与科学意义

·          针对城市复杂场景中混合像元的光谱混淆问题，提出了US-DART模型[1]。该方法摒弃了传统的线性解混假设，利用DART模型计算的三维辐射传输光谱梯度替代丰度，能够从粗分辨率图像中精确提取出不透光（建筑）和半透光（植被）组分的光学属性，解决了城市异质性带来的非线性效应难题。利用从Sentinel-2反演获得的地物光谱特性，模拟了巴塞尔和布鲁塞尔对应影像，取得了很好的一致性（图6）。

·         针对热红外遥感领域中的非等温混合像元，提出了TRUST-DART[2]。这是首个基于梯度能够利用3D模型同时分离组分温度和发射率的多像元物理方法。这一工作突破了传统方法难以在城市三维结构中准确反演热环境参数的局限，对城市热岛效应监测具有重要意义。从ASTER反演获得的地物的发射率和温度特性，模拟巴塞尔和布鲁塞尔对应影像，取得了很好的一致性（图7）。

·          针对光学及热红外影像中广泛存在的混合像元问题，利用DART校准从PlanetScope图像中反演地物光谱特性并模拟对应的影像（图8），系统评估了DART校准精度[3]；分析空间分辨率对TES算法的影响[4]，量化了三维结构对温度发射率分离算法（TES）带来的不确定性（图9），发现空间分辨率越高，三维结构的影响就越大，可能是因为异质性效应的增强，该研究为高空间分辨率城市定量遥感的必要性提供了理论支撑。

图6 短波光学影像模拟结果图。（a）巴塞尔；（b）布鲁塞尔。RGB真彩色合成。

图7 长波热红外影像模拟结果图。（a）巴塞尔；（b）布鲁塞尔。伪彩色合成（R:11.3,G: 9.1, B: 8.3 μm）。

图8 DART校准结果图。（a）巴塞尔地区的PlanetScope影像；（b）使用每个城市组分恒定光谱特性模拟的DART影像；（c）经过校准程序后的DART影像。所有影像均为RGB彩色合成图。

第三类：多源多角度遥感在植被监测与全球变化中的应用研究

结合多角度、高光谱及立体观测数据，将上述模型与方法推广至大尺度植被监测、作物分类及全球变化响应的应用研究。

1. 成果

• 论文成果：

[1]   Zhen Zhijun^#, Chen Shengbo^#, Yin Tiangang, Gastellu-Etchegorry   Jean-Philippe^*. Improving Crop Mapping by Using Bidirectional   Reflectance Distribution Function (BRDF) Signatures with Google Earth Engine.   Remote Sensing, 2023, 15(11): 2761.   (共同一作第一位，吉大E刊，中科院2区，JCR Q1，IF=5.0).

[2]   Zhen Zhijun, Chen Shengbo^*, Yin Tiangang, Gastellu-Etchegorry   Jean-Philippe^*. Globally quantitative analysis of the impact of   atmosphere and spectral response function on 2-band enhanced vegetation index   (EVI2) over Sentinel-2 and Landsat-8.   ISPRS Journal of Photogrammetry and Remote Sensing, 2023, 205: 206–226. (唯一第一作者，吉大D刊，中科院1区，JCR Q1，IF=12.2)

[3]   Cao Lisai, Chen Shengbo^*, Zhen Zhijun^*, Li   Zhuqiang, Wang Kaisi. Improved PROSAIL Inversion via Auto Differentiation for   Estimating Leaf Area Index and Canopy Chlorophyll Content. IEEE Transactions on Geoscience and Remote Sensing, 2025, 63:   4411817. (共同通讯第二位，吉大C刊，中科院1区，JCR Q1，IF=8.6)

[4]   Yin Tiangang^*, Montesano Paul M, Cook Bruce D, Chavanon   Eric, Neigh Christopher SR, Shean David, Peng Dongju, Lauret Nicolas, Mkaouar   Ameni, Morton Douglas C, Regaieg Omar, Zhen Zhijun,   Gastellu-Etchegorry Jean-Philippe. Modeling forest canopy surface retrievals   using very high-resolution spaceborne stereogrammetry:(I) methods and   comparisons with actual data. Remote   Sensing of Environment, 2023, 298: 113825. (参与作者，吉大D刊，中科院1区，JCR Q1，IF=11.4)

[5]   Yin Tiangang^*, Montesano Paul M, Cook Bruce D, Chavanon   Eric, Neigh Christopher SR, Shean David, Peng Dongju, Lauret Nicolas, Mkaouar   Ameni, Regaieg Omar, Zhen Zhijun, Qin Rongjun, Gastellu-Etchegorry   Jean-Philippe, Morton Douglas C. Modeling forest canopy surface retrievals   using very high-resolution spaceborne stereogrammetry:(II) optimizing   acquisition configurations. Remote   Sensing of Environment, 2023, 298: 113824. (参与作者，吉大D刊，中科院1区，JCR Q1，IF=11.4)

[6]   Wu Huizhu, Liu Bing, Zhu Bingxue^*, Zhen Zhijun, Song   Kaishan, Ren Jingquan. Combining Vegetation Indices to Identify the Maize   Phenological Information Based on the Shape Model. Agriculture, 2024, 14(9): 1608. (参与作者，吉大E刊，中科院2区，JCR Q1，IF=3.6)

• 专利/获奖：

[7]   专利： 甄治钧; 陈圣波; 曹利赛; 赵欣伟; 基于多角度卫星观测数据的作物分类方法, 2024-12-10, 中国, 202411335936.X

[8]   获奖： 甄治钧(11/12); 2024年度有色金属工业科学技术奖二等奖, 中国有色金属学会, 星空地一体化有色金属矿产资源遥感勘查关键技术及系统集成, 2024(陈圣波; 杨选江; 王猛; 汪大明; 李志忠; 黄照强; 李健; 路鹏; 曹利赛; 李竺强; 甄治钧; 于亚凤)

2. 创新点与科学意义

• 证实了利用多角度观测获取的BRDF特征可以显著提高作物制图的精度[1]，比较了固定角度观测数据和多角度观测数据使用GEE中分类器的农作物分类精度（图10），并申请专利[7]将科研成果推向实际应用，这为挖掘多角度卫星（如MODIS）在农业监测中的潜力提供了新思路。

·          针对EVI2指数进行了全球尺度的定量分析[2]，揭示了大气效应和光谱响应函数在不同传感器（Sentinel-2， Landsat-8）间的差异，校正了光谱相关系数获得了更好的精度（图11），论证了EVI2在雪盖区域的优越性，为全球植被产品的标准化提供了依据，此外，引入植被指数LSWI以更好表征农作物物候（图12）[6]。

·          结合前述的微分模型，提出利用自动微分改进PROSAIL反演[3]，无需大量训练样本即可高精度反演LAI和叶绿素含量（图13），展示了物理模型+AI反演方法在精准农业中的应用前景。

·          参与通过DART模拟构建了高分辨率森林场景的立体像对（图14）[4]，并系统评估了采集配置对林冠表面提取的影响（图15）[5]，为森林结构参数的主被动遥感协同反演及植被覆盖区矿产资源调查[8]提供了理论支撑。

这三大类研究层层递进，从底层物理模型的构建，到基于梯度的反演理论突破，最后落地于具体的农林生态监测，形成了一套完整的研究体系。不仅在底层构建了支持动态生长和可微计算的三维辐射传输模型（DLAmaize， DRTM），还在此基础上发展了基于物理梯度的非线性反演理论（US-DART， TRUST-DART），解决了城市和复杂植被场景下的混合像元分解难题。同时，甄博士将这些理论方法拓展应用到全球植被监测和作物分类实践中，形成了从机理建模到反演方法再到行业应用的完整闭环。

在上述成果中，甄博士展现了明确的学术独立性和领导力，以第一作者共发表论文7篇，主导了US-DART、TRUST-DART、DLAmaize模型的设计、编码与验证。以通讯作者共发表论文3篇，协助指导学生完成了DRTM、Differentiation   PROSAIL和   RGMps的开发，证明了甄博士具备带领团队攻克复杂物理建模问题的能力。甄博士的研究成果（如US-DART、TRUST-DART、DLAmaize）已作为核心模块集成到国际知名辐射传输模型   DART 中（https://dart.omp.eu），供全球科研人员使用，显示了甄博士的工作在国际社区中的独立影响力和认可度。

图9 在九种空间分辨率下，每种像元类型的可接受像元比例P：a) 5米，b) 10米，c) 30米，d) 50米，e) 70米，f) 90米，g) 120米，h) 300米，i) 1000米。“0%”和“nan”之间的区别在于，“0%”表示没有相应的可接受像元，但存在相应类型的像元，而“nan”则表示不存在相应类型的像元。

图10 使用Google Earth Engine（GEE）提供的四种分类器（RF：随机森林；CART：分类与回归树；SVM：支持向量机；NB：朴素贝叶斯）对天顶反射率数据（NR）和多角度观测因子数据（MF）进行分类的作物制图影像。

图11（a）2017年至2021年间，利用Sentinel-2卫星分别采用c（1.45）和c'（1.51）光谱对应系数计算植被EVI2的绝对误差。（b）在2022年，利用原始c值（2.08）在Sentinel-2上计算EVI2的绝对误差。

图12 农作物在不同站点随物候期的反射率值与参考曲线对比图。(a) 展示站点物候期对应NDVI值落在参考曲线上的情况；(b) 对应NDPI值的情况；(c) 对应LSWI值的情况。

图13 均质性场景叶片与冠层理化参数反演结果图。（a）多光谱影像结果；（b）高光谱影像结果。

图14 基于DART模拟的林冠正射校正反射率影像（左、中）及其相关性分析（右）。(a) GPNA1配置；(b) GPNA2配置。

图15 不同中心点间距（CA）条件下，轴向地理定位偏移（平均值分别为0.5 m（a）和5.0 m（b））对GPNA场地DSM垂向偏差和RMSE’的影响。