日光诱导叶绿素荧光与GPP关系的
不确定性分析
研究目的和意义
植被总初级生产力（Gross Primary Production,GPP）反映的是生态系统水平上,陆地植物通过光合作用所固定的有机碳量,是全球最大的碳通量,也是生态系统功能的驱动力。精确地掌握生态系统GPP的时空动态特征,不仅可以加深对生态系统与气候系统的相互反馈作用的认知,而且对于全面理解碳循环和制定应对气候变化相关政策具有重要意义。[1]
植被叶绿素荧光遥感是近年植被遥感领域最具突破性的研究前沿。日光诱导叶绿素荧光（Sun-Induced Chlorophyll Fluorescence,以下简称SIF）是植物在太阳光照条件下，由光合中心发射出的光谱信号（650-800nm），具有红光（690nm左右）和近红外（740nm左右）两个波峰，能直接反映植物实际光合作用的动态变化。SIF遥感是近年来迅速发展起来的植被遥感技术，可弥补当前植被遥感观测的不足，为陆地生态系统碳循环和植被监测等提供了新的思路和技术。以基于“绿度”观测的植被指数（如NDVI）为代表的植被遥感在过去30年极大地促进了从宏观尺度上来理解和认识地球生物圈，但其只能通过“绿度”来探测植物“潜在光合作用”。叶绿素荧光在植被光合生理探测方面具有独特的技术优势，是“实际光合作用”的直接探测方法。[2]被动荧光探测是获取日光诱导的叶绿素荧光信号, 适合在自然环境下对植被大面积无损观测, 因此是一种非常有潜力的遥感手段。[3]
在一些研究中，研究者使用通量塔观测的相关数据，使用SIF构建线性回归模型对玉米冠层GPP进行了反演。[4]并认为SIF与GPP有着高度的相关性。如果可以建立SIF与GPP的联系，可能精度会优于目前光反射率的模拟方法。[5]
2．国内外研究现状
2.1国内研究现状
我国基于SIF的遥感已经初见成效，在GPP的建模分析[1]，农情监测[4]以及国内小区域GPP的反演[2]都有相应的应用。
已有研究表明，SIF与GPP之间呈现显著相关，且这种关系比传统的植被指数在反映GPP时空变化上更具优势。如关琳琳在对多种生态系统SIF与GPP进行分析的基础上，系统的探讨了不同生态系统下远红光区SIF、近红外SIF与GPP关系的异同，并进而基于卫星SIF数据开展了全球GPP估算。[1]刘青瑞基于中国8个典型生态系统进行了SIF 与GPP的对比分析，发现GPP与SIF的季节变化特征相同，并认为在生长GPP季节，SIF的模拟更为精确。[6]陈敬华团队针对也热带人工针叶林，利用荧光测量额涡度相关通量观测数据，探讨荧光参数与GPP和光能利用率的关系。[7]
虽然大量研究认为SIF与GPP呈简单线性关系，但两者之间受环境因素、时间尺度、植被条件等因素的影响，使得SIF与GPP关联中仍存在较大的不确定性，同时不同SIF反演方法、不同遥感传感器获得SIF数据也存在不同。如孙雷刚结合通量观测，分析了SIF与GPP日变化特征，其认为不同作物在每日GPP的变化呈现多峰现象，但是SIF日变化体现为单峰，这体现了SIF与GPP之间的关系并非线性，同时，其研究也指出不同的传感器对于SIF的观测差异也是大相径庭。[8]董恒等认为植被冠层条件影响到叶绿素荧光的冠层逃逸率，从而使得冠层SIF与GPP之间的关系非线性，通过植被指数来模拟荧光的冠层逃逸率, 进一步提升模型的估算精度[9]。李振旺采用北方草地的相关数据，开展了基于PRI和SIF反演两种方法的区别研究，发现在8日尺度和月尺度的分析下，SIF与GPP相关性比较好，但是在植被覆盖率不足够的情况下，两者相关程度则显得不高。[10]丑述仁在三个不同的农田进行了分析，在不同的光照，水量，即其他光合作用相关环境因素的调整下，对SIF和GPP的相关性进行了多角度多层次的比较，其研究也体现了SIF与GPP的关系受多种环境因素的影响。[11]纪梦豪等在探讨SIF反演算法时，认为传感器性能误差，云层覆盖的影响，遥感角度效应，降尺度分析和日尺度的转换均对SIF反演精度造成影响[12]。
在模型研究领域，张永光团队章钊颖基于SCOPE模型对水稻的GPP和SIF进行了模型的分析和拟合并认为SCOPE模型是当前用于SIF与GPP估算较为可靠的模型[13]。
