近日，国际地球系统科学研究所张永光教授课题组，在陆地碳循环遥感领域取得重要进展，构建了不依赖于生态系统类型变化的植被生产力遥感模型，实现了基于直接观测的全球尺度陆地生态系统光合作用模拟。相关成果"Reduction of structural impacts and distinction of photosynthetic pathways in a global estimation of GPP from space-borne solar-induced chlorophyll fluorescence"和"From canopy-leaving to total canopy far-red fluorescence emission for remote sensing of photosynthesis: first results from TROPOMI" 分别发表于地学领域权威期刊《Remote Sensing of Environment》和《Geophysical Research Letters》上。
植被通过光合作用吸收人类活动排放CO2的30%左右，在全球碳循环中有非常重要的作用。总初级生产力（GPP）是植物通过光合作用固定的碳总量，如何准确模拟植被GPP的时空变化趋势对全球碳源汇的优化计算至关重要。植被光合作用是陆地生态系统碳循环的关键组成部分，模拟不同时空尺度上的光合作用活动有助于解决陆地碳收支的难题，也是准确预测未来气候变化方向的重要途径和科学认识陆地生态系统对人类社会可持续发展支持能力的重要前提。日光诱导叶绿素荧光(SIF)遥感是近年快速发展起来的新型遥感技术，SIF与光合过程的紧密联系使得其成为指示植被光合变化的有效探针，也是监测GPP强有力的手段。减少冠层结构和SIF的方向性效应对SIF~GPP模型的影响，提高卫星SIF模拟GPP能力，如何利用SIF模拟全球陆地生态系统光合作用是目前亟待解决的问题之一。
针对这一问题，研究团队提出了一种不依赖于生态系统类型变化的植被GPP遥感模型，显著提高了模型的普适性，实现了基于直接观测的全球尺度陆地生态系统GPP模拟。该模型充分考虑了冠层结构、观测角度、土壤背景等因素对不同生态系统SIF和GPP关系模型的影响，改进了冠层叶片总激发SIF（SIFtotal）计算方法，对于利用全球卫星SIF遥感数据提高全球GPP模拟精度、预测生态系统对全球变化响应等具有重要意义。
在这项工作当中，研究人员结合四尺度几何光学模型和光谱不变理论可以计算冠层SIF逃逸概率和叶片总激发SIF（SIFtotal），减少了冠层结构、观测角度和土壤背景对SIF观测的影响，估算了消除土壤背景影响的SIF冠层逃逸概率和叶片总激发SIFtotal，成功应用于卫星SIFtotal的全球估算。以2018年TROPOMI SIF数据为例分析SIFobs和SIFtotal的空间分布，相比于原始观测SIFobs，SIFtotal真实反映出了不同植被类型的光合作用差异，与GPP的空间分布图更加一致，尤其是北方寒温带针叶林地区（图1）。
图1（A）TROPOMI SIFobs全球分布图；（B）TROPOMI SIFtotal全球分布图。(C-F)分别是目前一些算法估算的全球植被GPP的空间分布。(G-L)不同生态系统类型间的SIF以及GPP的比较。
结果表明，不同植被类型的冠层结构对SIFtotal~GPP关系模型影响明显降低，所有C3植物的SIF-GPP模型趋近于一个统一的模型。并且冠层结构影响校正前后C3和C4光合作用途径下SIF ~ GPP模型有显著差异，因此在应用SIF模拟GPP时，需要分别考虑C3和C4植被SIF ~ GPP关系模型。在此基础上，研究人员构建了不随植被类型变化的普适GPP遥感模型，基于C3和C4植被SIFtotal ~ GPP模型模拟的全球GPP可以很好地描述GPP的空间分布，模拟的2015-2017全球陆地生态系统GPP年平均为129.56±6.54 PgC/year（图2）。
图2 （A）全球OCO-2 SIFtotal ~ GPP空间分布图（2015-2017），（B-D）不同GPP产品空间分布（2015-2017）
该工作实现了基于直接观测的全球陆地生态系统GPP模拟，显著提高了全球植被光合作用的估算精度。将以往陆地碳循环遥感中常用的基于不同植被类型构建模型的方法拓展到不依赖于生态系统类型的统一植被GPP遥感模型，显著提高了植被GPP遥感模型的普适性，极大地促进了SIF遥感在陆地碳循环研究中的应用，为进一步改进植被生产力遥感模型提供了重要的支持，对减少陆地生态系统碳汇计算不确定性具有重要意义，有助于明确植被对减缓全球变暖的贡献。
37000cm威尼斯国际地球系统科学研究所为论文第一单位。本文第一作者为2016级博士生章钊颖，张永光教授为论文通讯作者。该研究受到国家重点研发计划、国家自然科学基金等项目资助。
论文全文链接
https://doi.org/10.1016/j.rse.2020.111722
https://doi.org/10.1029/2019GL084832
English
