国家重点研发计划支持下的植被生产力监测设备——日光诱导叶绿素荧光自动观测系统

在植物生理过程中，植物吸收的光能除了光合作用和以热的形式耗散掉外，还会以荧光的形式释放出来，叶绿素荧光包含丰富的光合信息，是植被光合作用直接探测的新方法，日光诱导植被叶绿素荧光（Sun-Induced ChlorophyII Fluorescence，SIF）的研究已成为生态学、碳循环及遥感科学的新兴、热点研究领域。

目前研究表明日光诱导叶绿素荧光（SIF）与总初级生产力（Gross Primary Productivity，GPP）、蒸腾作用（Transpiration，T）高度相关，也可以作为陆地-大气物质能量交换和植物健康状况的“探针”，间接了解植物的逆境生理、生长以及水、肥、病害等受胁迫状态。冠层导度作为植物生态系统气孔交换的整体指标，控制着光合作用对二氧化碳的吸收以及蒸腾作用中水蒸气的释放，因此，利用SIF探测技术通过估计冠层导度可有效估计GPP和T。

SIF探测技术突破了传统的激光态荧光，成为研究植被生理生态功能的重要工具之一。SIF探测技术开拓了光合作用和碳循环研究的新方向，有助于进一步了解光合作用的机理和时空变异。SIF探测技术的遥感研究也迅速发展，多个卫星传感器以及近地面的遥感监测提供了研究光合作用以及其他植被生态系统功能的新工具。

在激发光能从吸光叶绿素转移到反应中心的共振能量传递过程中，部分能量以长波（650-800nm）SIF方式释放出来。自然光照条件下，植被反射辐亮度光谱既包括太阳诱导荧光的发射光谱，又包括叶片对入射光的反射光谱。在实际观测过程中，SIF明显弱于植被反射光，仅占太阳入射能量的不到1%。然而，在夫琅禾费暗线位置，SIF所占比例显著增大。因此，基于夫琅禾费暗线理论，通过比较太阳入射辐照度光谱和植被反射辐亮度光谱中某个夫琅禾费暗线与其相邻谱区的相对强度可以得到SIF值。

从太阳光谱到日光诱导叶绿素荧光的计算原理主要分为三步：

（1）通过辐射标定，将光谱仪记录的无物理意义的DN（Digital Number）数值（标准光源观测值和暗电流值）转换为具有物理意义的辐照度（W/m²/nm）或辐亮度（W/m²/nm/sr），定标系数由以下公式计算：

式中，α为计算的辐射定标系数，L为标准光源单位时间的辐亮度或辐照度，DN和DC为光谱仪在积分时间IT内的标准光源观测值和不进光的情况下所测的暗电流值，通过辐射校准后的光谱是单位面积单位波长的功率输出。

（2）假设太阳光照恒定、植被冠层表面各向异性，光纤接收器与植被冠层之间的辐射传输路径较短，可以忽略两者之间的大气的影响，则下行太阳入射辐照度（E）、上行地表反射辐亮度（L）、植被冠层反射率ρ和SIF之间的关系为：

（3）FLD求取SIF的方法，主要是通过建立夫琅禾费吸收线内（in）外（out）太阳辐亮度（I）和冠层反射辐亮度（L）光谱方程计算SIF值：

3.1 植被总初级生产力估算

总初级生产力（GPP）是指植被进行光合作用时单位面积及单位时间内固定的有机碳总量，是生态系统碳循环的关键参数。GPP估算是全球碳循环研究的重要命题之一。目前，SIF 已被反复证明在生产力或季节周期的广泛梯度上与 GPP 成比例关系，因此SIF已成为GPP估算的有效方法，其估算流程和效果如下图所示。

3.2 植被蒸腾量估算

植被蒸腾作用（T）是指植物通过气孔从叶片释放水蒸气到大气中的过程。植被在蒸腾的时候，会打开气孔释放水蒸气，气孔还允许氧气进入叶片，供光合作用使用，同时使二氧化碳从大气中进入植物，用于光合作用的碳合成。它是水循环和碳循环之间的耦合机制。因此，SIF和植被蒸腾有非常密切的联系。以植被冠层辐射传输过程为基础，通过构建一个由SIF驱动的植被光合蒸腾模型，并包含植被光合机理模型、气孔导度模型，可实现对植被蒸腾量的有效估计。目前文献中常用的由SIF驱动的植被光合蒸腾模型和估算效果如下所示。

（1）线性模型方法（引自 Lu X., et al, 2018）

其中，a₁,b₁都是拟合系数。

（2）半机械模型方法（引自 Shan N., et al, 2021）

先计算冠层气孔导度gc：

再利用两层的Penman-Monteith (P-M) 模型估计T：

其中，T是蒸腾作用产生的潜热通量（W/m²），Ac是冠层的可用能量（W/m²），Δ是饱和水蒸气压力随气温变化的斜率（kPa/℃），是恒压下的平均空气密度（kg/m³），Cp是空气比热（J/kg/℃），r_a是空气动力阻力（s/m），γ是湿度计算常数（kPa/℃），R_n是净辐射（W/m²），LAI是叶面积指数，SZA是日倾角。

（3）混合模型方法（引自 Shan N., et al, 2021）

将SIF驱动的机器学习模型获得的g_c与P-M模型结合。首先利用随机森林模型计算g_c，即g_c~RF(VPD,SIF)，再将g_c代入P-M模型的T估计公式，即

其中各符号的含义同上。

3.3 遥感SIF数据验证

近年来, SIF卫星遥感反演技术得到了长足的发展, 已经成功利用多个卫星平台的高光谱数据生成了全球SIF产品，具体如下表所示。

表 1 全球遥感SIF产品

通过卫星遥感SIF产品可以实现对地面观测站得到的SIF进行验证，目前已有诸多文献展示了在该方面的工作，具体如下图所示。

日光诱导叶绿素荧光自动观测系统主要由叶绿素荧光光谱仪组成，通过光纤分别测量上行和下行辐射。光谱仪和配套系统都安装在一个坚固耐用、防水、控温、中间添加陶瓷纤维隔温材料的双层铝箱中。

本系统根据夫琅禾费暗线填充原理，结合高分辨率的光谱传感器和权威、准确的算法，进行日光诱导叶绿素荧光的塔基测量。仪器采用双光纤快速切换模式，几乎同时采集太阳光光照信息和地物辐射亮度信息，用于获取最准确的叶绿素荧光。设备可以灵活搭载到塔基、无人机等多种平台，无损测量不同尺度的日光诱导叶绿素荧光。

日光诱导叶绿素荧光测量系统从本质上属于高分辨率超高光谱测量系统，为了提取微弱的SIF信号，观测需实现高光谱分辨率（亚纳米）的太阳入射光和冠层反射光近乎同步的观测，一般包括：

? 光谱采集和接收模块

用来采集和传递太阳和地物光谱信号；用来测量太阳入照和地物反射的光谱信号。

· 高传输，保证不同光纤通道观测同步

· 低损失，保证足够透光强度和积分时间

· 全角度，避免太阳角度、云层等影响采样间隔有效性

? 控制模块

用来控制工作环境的温湿度，保证光谱仪处于最佳的工作状态。

· 新材料低功耗控温技术实现野外低功耗稳定地温度控制，确保光谱仪能在野外环境条件下正常运行

· 多传感器综合集成控制可以有效集成多种辐射及环境要素传感器，并保证观测同步性的能力

· 多系统协调网络化观测，协调控制与涡动相关系统的同步观测与数据融合，网络化控制多套系统的数据综汇

? 标定模块

减弱光谱漂移和光谱仪噪声的影响。

· 高分辨率，精准区分冠层反射辐亮度和植被冠层发射的SIF信号

· 荧光专用，专为冠层荧光观测设计，适用于野外长期定位观测

· 原位校正，通过荧光标准光源校正环境因素对测量过程的实际影响，提高原位现场标校能力

本产品参与了国家重点研发计划“生态系统植被碳储量与生产力监测设备研制与示范”中的专题3：“植被生产力荧光光谱仪研制与示范”。在项目支持下设备的硬件研制有了新进展，并基于项目研究内容和自研设备，在中国科学院千烟洲站开展了野外对比测试。

注：如有兴趣，可联系销售人员获取产品详细资料。

1 中国农业科学院草原研究所

2 福建师范大学“通量-大气-遥感”观测平台

3 福建武夷学院移动观测平台

[1] Guo C, Liu Z, X, et al. Improved estimation of gross primary productivity (GPP) using solar-induced chlorophyll fluorescence (SIF) from photosystem II [J]. Agricultural and Forest Meteorology, 2024, 354: 110090.

[2] Yang X, Tang J, Mustard J F, et al. Solar‐induced chlorophyll fluorescence that correlates with canopy photosynthesis on diurnal and seasonal scales in a temperate deciduous forest [J]. Geophysical Research Letters, 2015, 42(8): 2977-2987.

[3] Maes W H, Pagán B R, Martens B, et al. Sun-induced fluorescence closely linked to ecosystem transpiration as evidenced by satellite data and radiative transfer models [J]. Remote Sensing of Environment, 2020, 249: 112030.

[4] Lu, X., Liu, Z., An, S., Miralles, D.G., Maes, W., Liu, Y., Tang, J., 2018. Potential of solar induced chlorophyll fluorescence to estimate transpiration in a temperate forest. Agricultural and Forest Meteorology. 252, 75–87. https://doi.org/10.1016/j. agrformet.2018.01.017.

[5] Shan, N., Zhang, Y., Chen, J.M., Ju, W., Migliavacca, M., Pe?nuelas, J., Yang, X., Zhang, Z., Nelson, J.A., Goulas, Y., 2021. A model for estimating transpiration from remotely sensed solar-induced chlorophyll fluorescence. Remote Sens. Environ. 252, 112134 https://doi.org/10.1016/j.rse.2020.112134.

[6] Du S, Liu X, Chen J, et al. Addressing validation challenges for TROPOMI solar-induced chlorophyll fluorescence products using tower-based measurements and an NIRv-scaled approach[J]. Remote Sensing of Environment, 2023, 290: 113547.