在全球气候变暖背景下,全球植物物候发生了显著变化。但植被生长显然不是对大陆平均温度的变化做出响应,而是对局部区域温度的空间异质性变化更为敏感。正是由于地表空间异质性的普遍存在,在不同空间分辨率遥感影像上反演植被物候必然存在空间尺度效应。当前,尺度问题已成为植被物候遥感反演研究中面临的一个突出问题。一方面,受云、雨和雪等天气影响及遥感传感器本身物理性能的限制,导致物候尺度效应研究所需要的高时空分辨率数据在很大程度上缺失;另一方面,目前对于物候尺度效应的研究还不够深入。虽然目前从多种不同时空分辨率的遥感数据集中反演了大量遥感地表物候数据,但不同观测尺度上反演的遥感地表物候（land surface phenology,LSP）结果及其所揭示的规律往往呈现出明显的差异。因此,通过时空融合算法生成更加精细空间分辨率的时序数据,在此基础上进行物候尺度效应研究显得尤为必要。开展物候尺度效应研究,有利于正确地揭示物候变化规律,研究结果可为遥感时空融合技术应用于物候研究提供参考。本研究首先基于时空数据融合模型FSDAF（flexible spatiotemporal data fusion,FSDAF）将Landsat与MODIS NDVI时间序列数据进行融合。在此基础上分别对融合生成的30m高分辨率影像和四种不同空间分辨率的MODIS影像,采用阈值法和斜率法,进行物候参数提取。最后选取了融合影像生长季开始时间（start of the growing season,SOS）、生长季结束时间（end of the growing season,EOS）分别与对应的MOD13Q1 SOS、EOS进行尺度分析。SOS、EOS均在五个异质性水平下与高分辨率的20个时序数据进行了比较,共计200次。然后分别利用平均绝对偏差、均方根差、偏差和线性回归来评价物候参数尺度效应,并分析了融合SOS、EOS与对应MOD13Q1物候参数的关系。本研究的主要结论如下:（1）融合结果较好的保留了地物的原始光谱特征,经融合生成的数据与真实影像数据间具有较好的空间一致性。在整个植被生长发育过程中,融合生成的预测影像与真实影像NDVI相关系数均表现较好,绝大多数都在0.9以上,RMSE大多小于0.1,且融合影像与真实影像的结构相似性SSIM大多在0.9以上,表明二者相似度较高,因而融合结果可用于植被物候参数反演。（2）斜率法和阈值法提取的物候参数在空间分布特征上表现出了一致的规律:SOS草地较晚,林地较早;EOS草地较晚,林地较早;LOS（length of the growing season,LOS）草地较短,林地较长。但斜率法提取的SOS、EOS总体上都晚于阈值为0.5的阈值法反演的SOS和EOS。高分辨率影像更加不易因物候反演方法选择的不同,而造成物候参数反演结果的差异。（3）不同空间分辨率影像之间存在空间尺度效应。对特定百分位聚合的融合SOS、EOS,随着异质性水平增加,AAD、RMSD、偏差也都在增大。如果考虑所有高置信度像元（PSD=0-100%）,则AAD、RMSD、偏差均与中等异质性水平的值相似。（4）在相同异质性水平下,使用不同的融合SOS、EOS百分位数聚合,AAD、RMSD变化幅度也都是在均质（PSD=0-20%）区域较小,而在异质（PSD=80-100%）区域较大。在不同异质性水平下,随着异质性水平不断增加,MOD13Q1 SOS、EOS与融合SOS、EOS的R~2总体上均呈下降趋势。无论是SOS还是EOS,考虑区域内所有良好观测像元（PSD=0-100%）时,则其R~2与中等异质性水平相当。（5）高分辨率影像反演的SOS取第50个百分位点时,可以很好的估算低分辨率影像的SOS值;高分辨率影像反演的EOS取第40个百分位点时,可以很好的估算低分辨率影像的EOS值。