International Institute for Earth System Sciences, School of Geography and Ocean Science, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China
Recent advances in solar-induced chlorophyll fluorescence (SIF), which is a complement to optical remote sensing based on greenness observation, have made it possible to monitor the photosynthesis of plants in terrestrial ecosystems using state-of-the-art technologies. With the rapid development of tower-based, unmanned aerial vehicle (UAV), airborne and space-borne SIF observation technology and improving understanding of SIF mechanism, SIF is providing essential data support and mechanism understanding for the estimation of biological traits and gross primary production of terrestrial ecosystem, early detection of abiotic stress, extraction of photosynthetic phenology and monitoring of transpiration. In this review, we first introduce the fundamental theory, the observation systems and technologies and the retrieval method of SIF. Then, we review the applications of SIF in terrestrial ecosystem monitoring. Finally, we propose a roadmap of activities to facilitate future directions and discuss critical emerging applications of SIF in terrestrial ecosystem monitoring that can benefit from cross-disciplinary expertise.
Fig. 1
Remote sensing of solar-induced chlorophyll fluorescence (SIF) and its applications in terrestrial ecosystem monitoring. GPP, gross primary production; LNC, leaf nitrogen content; LUE, light use efficiency; Vcmax, the maximum rate of Rubisco carboxylation; UAV, unmanned aerial vehicle.
Fig. 2
Illustration of solar-induced chlorophyll fluorescence (SIF) observation on multiple platforms at multiple scales. PAR, photosynthetically active radiation.
与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2)。如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等。这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算。塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述。值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定。因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据。此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响。因此在塔基测量中通常不进行大气校正。但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正。
Table 1
表1
表1地基日光诱导叶绿素荧光(SIF)观测系统
Table 1 Ground-based solar-induced chlorophyll fluorescence (SIF) observation systems
Some data products provide a variety of time resolution and spatial resolution, and the time resolution and spatial resolution listed in the table are the highest. Data product name is followed by * indicating that the product belongs to the reconstructed SIF product.
O2-A and O2-B refer to the absorption bands of oxygen near 760 and 687 nm, respectively. Red and Far-red refer to the red band and near-infrared band respectively, and the band range is related to the selected solar fraunhofer and telluric absorption features.
基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等。以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021)。
与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型。因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019)。这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019)。基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a)。差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008)。基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息。这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012)。通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022)。基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究。
2 SIF在陆地生态系统监测中的应用
2.1 生态系统功能
生态系统功能是指生态系统内部及其与外部环境之间的联系与相互作用, 主要表现为能量流动、物质循环和信息传递, 它决定了生态系统提供服务的质量与总量(Odum & Barrett, 1971)。新兴的SIF遥感技术为生态系统功能的研究带来了新机遇, 其与植物光合作用的密切联系, 可以为生态系统能量流动与物质循环过程中的关键要素(例如生理生化组分和生产力)反演提供新的手段(Ryu et al., 2019; 郭庆华等, 2020; Porcar-Castell et al., 2021)。
2.1.1 生理生化组分
生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020)。植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007)。理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a)。
植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014)。Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式。此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015)。近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设。结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子。
叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用。因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020)。由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b)。大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a)。基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015)。
大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022)。然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015)。例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b)。在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系。例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系。不同环境因子影响下的SIF-GPP的关系也存在差异。例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系。总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算。
陆面模式(LSM)是地球系统模型的关键组成部分, 可在区域和全球尺度模拟陆地表面与大气界面的碳、水通量和能量交换。Lee等(2015)将SIF和光合作用的耦合模块加入NCAR CLM4 (National Center for Atmospheric Research Community Land Model version 4)模型, 使得模拟全球尺度的SIF成为可能。Koffi等(2015)将SCOPE模型耦合到BETHY (Biosphere Energy Transfer Hydrology)模型, 使得SIF在碳同化系统中的应用成为可能, 并显著减小了模型中GPP估算的不确定性。Qiu等(2019)构建了适用于不同生态系统类型的荧光多次散射模拟方法, 发展了综合考虑发射、吸收和散射过程的冠层荧光计算方案, 并将该方案耦合到BEPS模型, 揭示了冠层结构对不同尺度SIF-GPP关系的影响, 有助于降低碳循环模拟的不确定性。Wang和Frankenberg (2022)评估了在CliMA Land模型使用5种不同的冠层复杂程度时冠层碳、水和SIF通量的差异, 表明在模型中添加复杂冠层的必要性。然而, 在陆面模式中耦合SIF仍需更多探索, 以更好地估算陆地生态系统生产力和精确地模拟全球尺度碳、水和能量循环。
2.2 生态系统过程
生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019)。陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008)。近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021)。SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等。
近年来, 极端天气频发, 全球绝大部分地区农业和生态干旱事件的发生频率和强度都在增加, 及时精确地监测大范围干旱胁迫对确保粮食安全和了解植被对气候变化的响应具有重要意义(Breshears et al., 2005)。由于干旱胁迫会引起植物一系列的生理反应, 例如叶片气孔关闭导致光合速率下降, NPQ上升, 因此SIF可以直接反映出植被对干旱胁迫的快速响应(Perez-Priego et al., 2005)。绝大多数地面实验研究表明, 在干旱胁迫的影响下, 植物冠层SIF会下降(Daumard et al., 2010; Wieneke et al., 2018; Xu et al., 2018, 2021; Liu et al., 2020a; Chen et al., 2021)。Xu等(2018)以玉米为对象, 通过近地面遥感平台获取高时间分辨率的SIF数据, 研究发现, 在干旱胁迫下, 由于冠层结构和光合作用共同调节, RSIF和FRSIF都会发生下降。此外, 复水后, FRSIF会明显升高, RSIF也有一定升高, 但升高幅度没FRSIF明显。Chen等(2021)使用连续3年的塔基观测数据, 研究了玉米在日变化和季节变化的尺度上SIF和GPP之间的关系及其对干旱胁迫的响应, 研究发现, 随着干旱胁迫程度的增加, GPP与SIF的比值下降, 冠层气孔导度同步下降, 证明了SIF数据不仅包含冠层结构信息也包含了大量的生理信息, 可以作为监测干旱和估算GPP的潜在指标。
同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022)。Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实。因此SIF为大尺度GPP动态变化监测提供了有效工具。2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响。 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化。总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020)。然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020)。这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化。
高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980)。高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019)。诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020)。在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield。Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性。因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究。
此外, SIF遥感也被应用于其他胁迫研究。除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015)。这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b)。Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016)。氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要。氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015)。通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高。Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021)。此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中。
2.2.2 物候
植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022)。相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022)。
在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近。Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力。Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致。这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017)。农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同。Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加。这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018)。
在北方常绿针叶林生态系统, 光合作用会发生季节性变化, 而冠层结构或者叶绿素含量没有显著变化, 基于NDVI等植被指数难以捕获常绿针叶林的物候动态。此时, 可以表征光合作用的SIF在监测其物候动态时具有独特优势(Walther et al., 2016)。基于GOME-2卫星SIF数据的北方常绿针叶林的物候研究表明, SIF揭示的生长季开始日期要比增强植被指数(EVI)的结果提前1个月, 主要是因为北方常绿森林在春季复苏阶段受积雪影响且植被绿度变化不明显, 因此植被光合作用不能被传统的绿度指标及时地监测出来(Walther et al., 2016)。基于地基冠层SIF观测芬兰南部的欧洲赤松(Pinus sylvestris)(Nichol et al., 2019), 美国科罗拉多州高山生态研究站Niwot Ridge的亚高山针叶林(Magney et al., 2019)和加拿大萨斯喀彻温省的云杉(Picea asperata)(Pierrat et al., 2022)的季节动态表明, SIF可以有效追踪到针叶林冬季光合速率的下降, 且与GPP的季节动态高度一致。然而, Yang等(2022)进一步分析Niwot Ridge站点数据, 发现亚高山针叶林的GPP和RSIF对光照和季节环境条件响应不一致, 这说明在针叶林中使用RSIF作为物候指标具有局限性。
蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019)。准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017)。一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015)。Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究。Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计。
Fig. 3
A roadmap of the standardized processing and modeling of solar-induced chlorophyll fluorescence (SIF) and its emerging and potential applications in ecology. Some subplots are from Zeng et al. (2022a). ФD, constitutive heat dissipation quantum efficiency; ФF, fluorescence quantum efficiency; ФN, non-photochemical quantum efficiency; ФP, photochemical quantum efficiency; GPP, gross primary production; RTMs, radiative transfer models; PS, photosystem.
卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据。然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用。尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号。未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022)。此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021)。2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021)。尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测。未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018)。GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演。在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF。地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多。但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量。另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021)。
3.2 基于SIF的植物生理信息提取
植物生理学是植物学的一个分支学科, 研究植物的所有内部活动与植物中发生的生命相关的化学和物理过程, 包括植物光合作用、植物呼吸作用和植物水分生理等(Taiz et al., 2015)。植物生理信息, 例如PSII量子效率(ΦPSII)和ΦF等, 可以直接反映植物的物质代谢、能量转化和生长发育等的规律与机理。冠层SIF是一个特殊的光学遥感信号, 它既包含着植物的生理信息也包含着植物的结构信息(Guanter et al., 2014)。近年来, SIF的机理研究的一个热点方向是通过拆分冠层SIF的生理与非生理信息, 以提取准确的植物生理信息, 进而可以避免不恰当使用冠层SIF而对潜在生态过程产生偏颇的理解。
如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc)。如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要。目前, FRSIF的逃逸概率的定量研究相对成熟。Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系。Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法。基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022)。此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差。Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系。Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究。其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降。Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应。ΦF在不同胁迫条件下的变化仍有待更多的研究。
除了以上两种基于植被反射率指数的方法, FRSIF的生理与非生理信息的拆分方法, 还可以通过结合SCOPE模型(van der Tol et al., 2009)模拟进行拆分。Liu等(2019c)通过随机森林训练SCOPE模拟数据集, 将冠层尺度的FRSIF降尺度到光系统尺度的FRSIFps, 表明随机森林方法对于估计SIF逃逸概率是有效的。Biriukova等(2021)通过结合SCOPE模型和奇异光谱分析(SSA)的方法, 解耦了冠层FRSIF的快速变化组分(生理信息)和缓慢变化组分(非生理信息), 表明基于SSA的方法是一种很有前景的方法, 可以从地基SIF传感器获取的数据中提取SIF的生理信息。
植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003)。然而, 这些方法缺乏空间信息。随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021)。此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a)。随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变。
3.3.5 植物生理表型
植物形态性状(株高、叶面积、冠幅、胸径等)的时空变化已被广泛研究, 并用于表征植物受胁迫后的响应(Su et al., 2019; Jin et al., 2021)。然而, 这些性状不足以捕获植物生理的快速变化。目前, 基于SIF的植物生理表型监测处于早期阶段, 且尚未实现与形态性状表型的同步观测。新兴的SIF成像系统逐渐被应用到精准农业和果树的病虫害监测(Pinto et al., 2016; Zarco-Tejada et al., 2021)。随着SIF的植物生理信息提取方法和技术的推进, 植物生理表型将更好地服务于精准农林业管理、胁迫早期可视化预警等。
Meta-analysis assessing potential of steady-state chlorophyll fluorescence for remote sensing detection of plant water, temperature and nitrogen stress
Water, energy, and carbon with Artificial Neural Networks (WECANN): a statistically-based estimate of global surface turbulent fluxes and gross primary productivity using solar-induced fluorescence
A new global estimate of surface turbulent fluxes, latent heat flux (LE) and sensible heat flux (H), and gross primary production (GPP) is developed using a machine learning approach informed by novel remotely sensed Solar-Induced Fluorescence (SIF) and other radiative and meteorological variables. This is the first study to jointly retrieve LE, H and GPP using SIF observations. The approach uses an artificial neural network (ANN) with a target dataset generated from three independent data sources, weighted based on triple collocation (TC) algorithm. The new retrieval, named Water, Energy, and Carbon with Artificial Neural Networks (WECANN), provides estimates of LE, H and GPP from 2007 to 2015 at 1° × 1° spatial resolution and on monthly time resolution. The quality of ANN training is assessed using the target data, and the WECANN retrievals are evaluated using eddy covariance tower estimates from FLUXNET network across various climates and conditions. When compared to eddy covariance estimates, WECANN typically outperforms other products, particularly for sensible and latent heat fluxes. Analysing WECANN retrievals across three extreme drought and heatwave events demonstrates the capability of the retrievals in capturing the extent of these events. Uncertainty estimates of the retrievals are analysed and the inter-annual variability in average global and regional fluxes show the impact of distinct climatic events - such as the 2015 El Niño - on surface turbulent fluxes and GPP.
Evaluation of SIF retrievals from narrow-band and sub-nanometer airborne hyperspectral imagers flown in tandem: modelling and validation in the context of plant phenotyping
Remote Sensing of Environment, 273, 112986. DOI: 10.1016/j.rse.2022.112986.
Stomata have played a key role in the Earth System for at least 400 million years. By enabling plants to control the rate of evaporation from their photosynthetic organs, stomata helped to set in motion non-linear processes that led to an acceleration of the hydrologic cycle over the continents and an expansion of climate zones favorable for plant life. Global scale modeling of land-atmosphere interactions provides a way to explore parallels between the influence of vegetation on climate over time, and the influence of spatial and temporal variation in the activities of vegetation in the current Earth System on climate and weather. We use the logic in models that simulate land-atmosphere interactions to illustrate the central role played by stomatal conductance in the Earth System. In the modeling context, most of the activities of plants and their manifold interactions with their genomes and with the environment are communicated to the atmosphere through a single property: the aperture or conductance of their stomata. We tend to think of the controls on vegetation responses in the real world as being distributed among factors such as seasonal patterns of growth, the changing availability of soil water, or changes in light intensity and leaf water potential over a day. However, the impact of these controls on crucial exchanges of energy and water vapor with the atmosphere are also largely mediated by stomata. The decisions 'made by' stomata emerge as an important and inadequately understood component of these models. At the present time we lack effective ways to link advances in the biology of stomata to this decision making process. While not unusual, this failure to connect between disciplines, introduces uncertainty in modeling studies being used to predict weather and climate change and ultimately to inform policy decisions. This problem is also an opportunity.
BertaniG, WagnerF, AndersonL, AragãoL. (2017).
Chlorophyll fluorescence data reveals climate-related photosynthesis seasonality in Amazonian forests
Performance of singular spectrum analysis in separating seasonal and fast physiological dynamics of solar-induced chlorophyll fluorescence and PRI optical signals
Journal of Geophysical Research: Biogeosciences, 126, e2020JG006158. DOI: 10.1029/2020JG006158.
Future drought is projected to occur under warmer temperature conditions as climate change progresses, referred to here as global-change-type drought, yet quantitative assessments of the triggers and potential extent of drought-induced vegetation die-off remain pivotal uncertainties in assessing climate-change impacts. Of particular concern is regional-scale mortality of overstory trees, which rapidly alters ecosystem type, associated ecosystem properties, and land surface conditions for decades. Here, we quantify regional-scale vegetation die-off across southwestern North American woodlands in 2002-2003 in response to drought and associated bark beetle infestations. At an intensively studied site within the region, we quantified that after 15 months of depleted soil water content, >90% of the dominant, overstory tree species (Pinus edulis, a piñon) died. The die-off was reflected in changes in a remotely sensed index of vegetation greenness (Normalized Difference Vegetation Index), not only at the intensively studied site but also across the region, extending over 12,000 km2 or more; aerial and field surveys confirmed the general extent of the die-off. Notably, the recent drought was warmer than the previous subcontinental drought of the 1950s. The limited, available observations suggest that die-off from the recent drought was more extensive than that from the previous drought, extending into wetter sites within the tree species' distribution. Our results quantify a trigger leading to rapid, drought-induced die-off of overstory woody plants at subcontinental scale and highlight the potential for such die-off to be more severe and extensive for future global-change-type drought under warmer conditions.
Improved nitrogen retrievals with airborne-derived fluorescence and plant traits quantified from VNIR-SWIR hyperspectral imagery in the context of precision agriculture
International Journal of Applied Earth Observation and Geoinformation, 70, 105-117.
Radiative transfer Vcmax estimation from hyperspectral imagery and SIF retrievals to assess photosynthetic performance in rainfed and irrigated plant phenotyping trials
Remote Sensing of Environment, 231, 111186. DOI: 10.1016/j.rse.2019.05.005.
Unpacking the drivers of diurnal dynamics of sun-induced chlorophyll fluorescence (SIF): canopy structure, plant physiology, instrument configuration and retrieval methods
Remote Sensing of Environment, 265, 112672. DOI: 10.1016/j.rse.2021.112672.
An Unmanned Aerial System (UAS) for concurrent measurements of solar-induced chlorophyll fluorescence and hyperspectral reflectance toward improving crop monitoring
Agricultural and Forest Meteorology, 294, 108145. DOI: 10.1016/j.agrformet.2020.108145.
Response times of remote sensing measured sun-induced chlorophyll fluorescence, surface temperature and vegetation indices to evolving soil water limitation in a crop canopy
Remote Sensing of Environment, 273, 112957. DOI: 10.1016/j.rse.2022.112957.
DammA, GuanterL, Paul-LimogesE, van der TolC, HueniA, BuchmannN, EugsterW, AmmannC, SchaepmanME. (2015).
Far-red sun-induced chlorophyll fluorescence shows ecosystem-specific relationships to gross primary production: an assessment based on observational and modeling approaches
Photosynthesis of the Amazon rainforest plays an important role in the regional and global carbon cycles, but, despite considerable in situ and space-based observations, it has been intensely debated whether there is a dry-season increase in greenness and photosynthesis of the moist tropical Amazonian forests. Solar-induced chlorophyll fluorescence (SIF), which is emitted by chlorophyll, has a strong positive linear relationship with photosynthesis at the canopy scale. Recent advancements have allowed us to observe SIF globally with Earth observation satellites. Here we show that forest SIF did not decrease in the early dry season and increased substantially in the late dry season and early part of wet season, using SIF data from the Tropospheric Monitoring Instrument (TROPOMI), which has unprecedented spatial resolution and near-daily global coverage. Using in situ CO eddy flux data, we also show that cloud cover rarely affects photosynthesis at TROPOMI's midday overpass, a time when the forest canopy is most often light-saturated. The observed dry-season increases of forest SIF are not strongly affected by sun-sensor geometry, which was attributed as creating a pseudo dry-season green-up in the surface reflectance data. Our results provide strong evidence that greenness, SIF, and photosynthesis of the tropical Amazonian forest increase during the dry season.
The photosynthetic capacity of leaves is related to the nitrogen content primarily bacause the proteins of the Calvin cycle and thylakoids represent the majority of leaf nitrogen. To a first approximation, thylakoid nitrogen is proportional to the chlorophyll content (50 mol thylakoid N mol Chl). Within species there are strong linear relationships between nitrogen and both RuBP carboxylase and chlorophyll. With increasing nitrogen per unit leaf area, the proportion of total leaf nitrogen in the thylakoids remains the same while the proportion in soluble protein increases. In many species, growth under lower irradiance greatly increases the partitioning of nitrogen into chlorophyll and the thylakoids, while the electron transport capacity per unit of chlorophyll declines. If growth irradiance influences the relationship between photosynthetic capacity and nitrogen content, predicting nitrogen distribution between leaves in a canopy becomes more complicated. When both photosynthetic capacity and leaf nitrogen content are expressed on the basis of leaf area, considerable variation in the photosynthetic capacity for a given leaf nitrogen content is found between species. The variation reflects different strategies of nitrogen partitioning, the electron transport capacity per unit of chlorophyll and the specific activity of RuBP carboxylase. Survival in certain environments clearly does not require maximising photosynthetic capacity for a given leaf nitrogen content. Species that flourish in the shade partition relatively more nitrogen into the thylakoids, although this is associated with lower photosynthetic capacity per unit of nitrogen.
FieldCB, RandersonJT, MalmströmCM. (1995).
Global net primary production: combining ecology and remote sensing
The future of evapotranspiration: global requirements for ecosystem functioning, carbon and climate feedbacks, agricultural management, and water resources
Reconstructed solar-induced fluorescence: a machine learning vegetation product based on MODIS surface reflectance to reproduce GOME-2 solar-induced fluorescence
Solar-induced fluorescence (SIF) observations from space have resulted in major advancements in estimating gross primary productivity (GPP). However, current SIF observations remain spatially coarse, infrequent, and noisy. Here we develop a machine learning approach using surface reflectances from Moderate Resolution Imaging Spectroradiometer (MODIS) channels to reproduce SIF normalized by clear sky surface irradiance from the Global Ozone Monitoring Experiment-2 (GOME-2). The resulting product is a proxy for ecosystem photosynthetically active radiation absorbed by chlorophyll (fAPAR). Multiplying this new product with a MODIS estimate of photosynthetically active radiation provides a new MODIS-only reconstruction of SIF called Reconstructed SIF (RSIF). RSIF exhibits much higher seasonal and interannual correlation than the original SIF when compared with eddy covariance estimates of GPP and two reference global GPP products, especially in dry and cold regions. RSIF also reproduces intense productivity regions such as the U.S. Corn Belt contrary to typical vegetation indices and similarly to SIF.
Advancing terrestrial ecosystem science with a novel automated measurement system for sun-induced chlorophyll fluorescence for integration with eddy covariance flux networks
Journal of Geophysical Research: Biogeosciences, 124, 127-146.
Using field spectroscopy to assess the potential of statistical approaches for the retrieval of sun-induced chlorophyll fluorescence from ground and space
Assessing the effects of forest health on sun-induced chlorophyll fluorescence using the FluorFLIGHT 3-D radiative transfer model to account for forest structure
Application of satellite solar-induced chlorophyll fluorescence to understanding large-scale variations in vegetation phenology and function over northern high latitude forests
Estimation of leaf nitrogen content and photosynthetic nitrogen use efficiency in wheat using sun-induced chlorophyll fluorescence at the leaf and canopy scales
European Journal of Agronomy, 122, 126192. DOI: 10.1016/j.eja.2020.126192.
Global monitoring of terrestrial chlorophyll fluorescence from moderate spectral resolution near-infrared satellite measurements: methodology, simulations, and application to GOME-2
New methods for retrieval of chlorophyll red fluorescence from hyper-spectral satellite instruments: simulations and application to GOME-2 and SCIAMACHY
Filling-in of near-infrared solar lines by terrestrial fluorescence and other geophysical effects: simulations and space-based observations from SCIAMACHY and GOSAT
The seasonal cycle of satellite chlorophyll fluorescence observations and its relationship to vegetation phenology and ecosystem atmosphere carbon exchange
JulittaT, BurkartA, ColomboR, RossiniM, SchicklingA, MigliavaccaM, CogliatiS, WutzlerT, RascherU. (2017). Accurate measurements of fluorescence in the O2A and O2B band using the FloX spectroscopy system—Results and prospects. 2022-06-06. http://refhub.elsevier.com/S0168-1923(22)00251-9/sbref0034.
Investigating the usefulness of satellite-derived fluorescence data in inferring gross primary productivity within the carbon cycle data assimilation system
Seasonal variations in the relationship between sun-induced chlorophyll fluorescence and photosynthetic capacity from the leaf to canopy level in a rice crop
TROPOMI observations allow for robust exploration of the relationship between solar-induced chlorophyll fluorescence and terrestrial gross primary production
Remote Sensing of Environment, 268, 112748. DOI: 10.1016/j.rse.2021.112748.
Phenological characteristics of temperate coniferous and broad-leaved mixed forests based on multiple remote sensing vegetation indices, chlorophyll fluorescence and CO2 flux data
Generation of a global spatially continuous TanSat solar-induced chlorophyll fluorescence product by considering the impact of the solar radiation intensity
Northern hemisphere evergreen forests assimilate a significant fraction of global atmospheric CO but monitoring large-scale changes in gross primary production (GPP) in these systems is challenging. Recent advances in remote sensing allow the detection of solar-induced chlorophyll fluorescence (SIF) emission from vegetation, which has been empirically linked to GPP at large spatial scales. This is particularly important in evergreen forests, where traditional remote-sensing techniques and terrestrial biosphere models fail to reproduce the seasonality of GPP. Here, we examined the mechanistic relationship between SIF retrieved from a canopy spectrometer system and GPP at a winter-dormant conifer forest, which has little seasonal variation in canopy structure, needle chlorophyll content, and absorbed light. Both SIF and GPP track each other in a consistent, dynamic fashion in response to environmental conditions. SIF and GPP are well correlated ( = 0.62-0.92) with an invariant slope over hourly to weekly timescales. Large seasonal variations in SIF yield capture changes in photoprotective pigments and photosystem II operating efficiency associated with winter acclimation, highlighting its unique ability to precisely track the seasonality of photosynthesis. Our results underscore the potential of new satellite-based SIF products (TROPOMI, OCO-2) as proxies for the timing and magnitude of GPP in evergreen forests at an unprecedented spatiotemporal resolution.
MaierSW, GüntherKP, StellmesM. (2004).
Sun-induced fluorescence: a new tool for precision farming
Digital Imaging and Spectral Techniques: Applications to Precision Agriculture, 66, 209-222.
LEDFLEX is a micro-lidar dedicated to the measurement of vegetation fluorescence. The light source consists of 4 blue Light-Emitting Diodes (LED) to illuminate part of the canopy in order to average the spatial variability of small crops. The fluorescence emitted in response to a 5-μs width pulse is separated from the ambient light through a synchronized detection. Both the reflectance and the fluorescence of the target are acquired simultaneously in exactly the same field of view, as well as the photosynthetic active radiation and air temperature. The footprint is about 1 m at a distance of 8 m. By increasing the number of LEDs longer ranges can be reached. The micro-lidar has been successfully applied under full sunlight conditions to establish the signature of water stress on pea (Pisum Sativum) canopy. Under well-watered conditions the diurnal cycle presents an M shape with a minimum (Fmin) at noon which is Fmin > Fo. After several days withholding watering, Fs decreases and Fmin < Fo. The same patterns were observed on mint (Menta Spicata) and sweet potatoes (Ipomoea batatas) canopies. Active fluorescence measurements with LEDFLEX produced robust fluorescence yield data as a result of the constancy of the excitation intensity and its geometry fixity. Passive methods based on Sun-Induced chlorophyll Fluorescence (SIF) that uses high-resolution spectrometers generate only flux data and are dependent on both the 3D structure of vegetation and variable irradiance conditions along the day. Parallel measurements with LEDFLEX should greatly improve the interpretation of SIF changes.
This work addresses the question of occurrence and function of photosystem II (PSII) in bundle sheath (BS) cells of leaves possessing NADP-malic enzyme-type C4 photosynthesis (Zea mays). Although no requirement for PSII activity in the BS has been established, several component proteins of PSII have been detected in BS cells of developing maize leaves exhibiting O2-insensitive photosynthesis. We used the basal fluorescence emissions of PSI (F 0I) and PSII (F 0II) as quantitative indicators of the respective relative photosystem densities. Chl fluorescence induction was measured simultaneously at 680 and 750 nm. In mature leaves, the F m(680)/F 0(680) ratio was 10.5 but less in immature leaves. We propose that the lower ratio was caused by the presence of a distinct non-variable component, F c, emitting at 680 and 750 nm. After F c was subtracted, the fluorescence of PSI (F 0I) was detected as a non-variable component at 750 nm and was undetectably low at 680 nm. Contents of Chls a and b were measured in addition to Chl fluorescence. The Chl b/(a + b) was relatively stable in developing sunflower leaves (0.25-0.26), but in maize it increased from 0.09 to 0.21 with leaf tissue age. In sunflower, the F 0I/(F 0I + F 0II) was 0.39 ± 0.01 independent of leaf age, but in maize, this parameter was 0.65 in young tissue of very low Chl content (20-50 mg m(-2)) falling to a stable level of 0.53 ± 0.01 at Chl contents >100 mg m(-2). The values of F 0I/(F 0I + F 0II) showed that in sunflower, excitation was partitioned between PSII and PSI in a ratio of 2:1, but the same ratio was 1:1 in the C4 plant. The latter is consistent with a PSII:PSI ratio of 2:1 in maize mesophyll cells and PSI only in BS cells (2:1:1 distribution). We suggest, moreover, that redox mediation of Chl synthesis, rather than protein accumulation, regulates photosystem assembly to ensure optimum excitation balance between functional PSII and PSI. Indeed, the apparent necessity for two Chls (a and b) may reside in their targeted functions in influencing accumulation of PSI and PSII, respectively, as opposed to their spectral differences.
Sun-induced chlorophyll fluorescence from high-resolution imaging spectroscopy data to quantify spatio-temporal patterns of photosynthetic function in crop canopies
Monitoring drought impacts on crop productivity of the US Midwest with solar-induced fluorescence: GOSIF outperforms GOME-2 SIF and MODIS NDVI, EVI, and NIRv
Agricultural and Forest Meteorology, 323, 109038. DOI: 10.1016/j.agrformet.2022.109038.
Quantifying global terrestrial photosynthesis is essential to understanding the global carbon cycle and the climate system. Remote sensing has played a pivotal role in advancing our understanding of photosynthesis from leaf to global scale; however, substantial uncertainties still exist. In this review, we provide a historical overview of theory, modeling, and observations of photosynthesis across space and time for decadal intervals beginning in the 1950s. Then we identify the key uncertainties in global photosynthesis estimates, including evaluating light intercepted by canopies, biophysical forcings, the structure of light use efficiency models and their parameters, like photosynthetic capacity, and relationships between sun-induced chlorophyll fluorescence and canopy photosynthesis. Finally, we review new opportunities with big data and recently launched or planned satellite missions.
SchlesingerWH, JasechkoS. (2014).
Transpiration in the global water cycle
Agricultural and Forest Meteorology, 189-190, 115-117.
A newly developed fluorescence measuring system is employed for the recording of chlorophyll fluorescence induction kinetics (Kautsky-effect) and for the continuous determination of the photochemical and non-photochemical components of fluorescence quenching. The measuring system, which is based on a pulse modulation principle, selectively monitors the fluorescence yield of a weak measuring beam and is not affected even by extremely high intensities of actinic light. By repetitive application of short light pulses of saturating intensity, the fluorescence yield at complete suppression of photochemical quenching is repetitively recorded, allowing the determination of continuous plots of photochemical quenching and non-photochemical quenching. Such plots are compared with the time courses of variable fluorescence at different intensities of actinic illumination. The differences between the observed kinetics are discussed. It is shown that the modulation fluorometer, in combination with the application of saturating light pulses, provides essential information beyond that obtained with conventional chlorophyll fluorometers.
Vegetation transpiration (T) is the process of plant water loss through the stomata on the leaf surface and plays a key role in the energy and water balance of the land surface, especially with dense vegetation cover. To date, however, estimation of ecosystem-scale T is still rather uncertain mainly due to errors in modeling canopy resistance or conductance. Considering the intrinsic link between photosynthesis and chlorophyll fluorescence, the recent available remote sensing of solar-induced chlorophyll fluorescence (SIF) provides a valuable opportunity to estimate plants T at large scales. In this study, we demonstrate how remote sensing of SIF relates to canopy stomatal conductance and transpiration at diurnal and seasonal scales with continuous ground measurements of SIF at three flux sites in forest, cropland and grassland ecosystems. The results show that both ground and spaceborne SIF observations are good indicators of canopy conductance at both diurnal and seasonal scales (R-2 = 0.57 and 0.74 for forest, R-2 = 0.62 and 0.80 for cropland, R-2 = 0.52 and 0.63 for grassland, respectively). Then, empirical SIF-based canopy conductance models are employed to estimate hourly and daily transpiration. We evaluate our ecosystem T estimations against latent heat fluxes measured by eddy covariance systems with more satisfactory results for forest (R-2 = 0.57 and 0.71), and cropland (R-2 = 0.77 and 0.83) than for grassland (R-2 = 0.13 and 0.22) at hourly and daily time scales. Our results suggest the potential of remotely-sensed SIF for estimating canopy conductance and plant transpiration, but a more mechanistic understanding is needed for their link.
Chlorophyll fluorescence better captures seasonal and interannual gross primary productivity dynamics across dryland ecosystems of southwestern north America
Overview of solar-induced chlorophyll fluorescence (SIF) from the Orbiting Carbon Observatory-2: retrieval, cross-mission comparison, and global monitoring for GPP
Estimating chlorophyll content and photochemical yield of photosystem II (ΦPSII) using solar-induced chlorophyll fluorescence measurements at different growing stages of attached leaves
A framework for harmonizing multiple satellite instruments to generate a long-term global high spatial-resolution solar-induced chlorophyll fluorescence (SIF)
Remote Sensing of Environment, 239, 111644. DOI: 10.1016/j.rse.2020.111644.
Global retrieval of marine and terrestrial chlorophyll fluorescence at its red peak using hyperspectral top of atmosphere radiance measurements: feasibility study and first results
Diurnal cycling of plant carbon uptake and water use, and their responses to water and heat stresses, provide direct insight into assessing ecosystem productivity, agricultural production and management practices, carbon and water cycles, and feedbacks to the climate. Temperature, light, atmospheric water demand, soil moisture and leaf water potential vary over the course of the day, leading to diurnal variations in stomatal conductance, photosynthesis and transpiration. Earth observations from polar-orbiting satellites are incapable of studying these diurnal variations. Here, we review the emerging satellite observations that have the potential for studying how plant functioning and ecosystem processes vary over the course of the diurnal cycle. The recently launched ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station (ECOSTRESS) and Orbiting Carbon Observatory-3 (OCO-3) provide land surface temperature, evapotranspiration (ET), gross primary production (GPP) and solar-induced chlorophyll fluorescence data at different times of day. New generation operational geostationary satellites such as Himawari-8 and the GOES-R series can provide continuous, high-frequency data of land surface temperature, solar radiation, GPP and ET. Future satellite missions such as GeoCarb, TEMPO and Sentinel-4 are also planned to have diurnal sampling capability of solar-induced chlorophyll fluorescence. We explore the unprecedented opportunities for characterizing and understanding how GPP, ET and water use efficiency vary over the course of the day in response to temperature and water stresses, and management practices. We also envision that these emerging observations will revolutionize studies of plant functioning and ecosystem processes in the context of climate change and that these observations and findings can inform agricultural and forest management and lead to improvements in Earth system models and climate projections.
Aims Maximum leaf carboxylation rate is one of the key parameters determining the photosynthetic capacity of plants. It is affected by irradiance, temperature, moisture, atmospheric CO2 concentration, leaf nitrogen content, and some other factors. Accurate simulation of the responses of the maximum leaf carboxylation rate to varying environmental conditions is the premise for predicting the changes in vegetation productivity and carbon cycle in future environments. Most of the process-based terrestrial carbon cycle models use the Farqhuar photosynthesis model to simulate plant photosynthesis. However, the methods in simulating the relationship between maximum leaf carboxylation rate and leaf nitrogen content differ from each other. Methods We collected data on maximum leaf carboxylation rate and leaf nitrogen content from literature published during 1990-2013, and analyzed the variations in the relationship between maximum leaf carboxylation rate at 25 ℃ (Vcmax,25) and area-based leaf nitrogen concentration (Na) across different plant functional types and seasons, and in responses to rising atmospheric CO2 and nitrogen supply. Moreover, we reviewed possible causes of those variations and the influencing factors. Important findings The results showed that: 1) the relationship between Vcmax,25 and Na varied with plant functional types, and the average values of the slope ranged from 16.29 to 50.25 μmol CO2·g N-1·s-1. Deciduous trees generally showed a steeper slope and greater photosynthetic nitrogen use efficiency than evergreen trees due to the differences in leaf mass per area (LMA) and nitrogen allocation to Rubisco. 2) The relationship between Vcmax,25 and Na had seasonal and annual variations. In years without water stress, the highest value of the slope mostly occurred in spring or summer. A change of the slope was related to seasonal variations in LMA and nitrogen allocation to Rubisco. The slope increased in drought seasons or years. 3) The slope of the linear relationship between Vcmax,25 and Na for perennial needle leaf was reduced due to a decrease in Rubisco content in response to elevated CO2. The maximum leaf carboxylation rate, nitrogen content, and the slope of their linear relationship increased with increment of nitrogen application rate. On the basis of these analyses, we suggest that simulating the relationship between maximum leaf carboxylation and leaf nitrogen should consider seasonal variations in LMA and nitrogen allocation to Rubisco, the influences of water stress, atmospheric CO2 concentration, and nitrogen supply level. More multi-factor experimental studies are needed to further investigate the underlying mechanisms of the variations in the relationship between maximum leaf carboxylation rate and leaf nitrogen content, to obtain more observational data with systematic approaches, and thus to further improve ecosystem process-based models.
Gross primary production (GPP) and red solar induced fluorescence (SIF) respond differently to light and seasonal environmental conditions in a subalpine conifer forest
Agricultural and Forest Meteorology, 317, 108904. DOI: 10.1016/j.agrformet.2022.108904.
YangP, van der TolC, CampbellP, MiddletonE. (2021).
Unraveling the physical and physiological basis for the solar-induced chlorophyll fluorescence and photosynthesis relationship using continuous leaf and canopy measurements of a corn crop
YangPQ, van der TolC, CampbellPKE, MiddletonEM. (2020).
Fluorescence Correction Vegetation Index (FCVI): a physically based reflectance index to separate physiological and non-physiological information in far-red sun-induced chlorophyll fluorescence
Remote Sensing of Environment, 240, 111676. DOI: 10.1016/j.rse.2020.111676.
The 2010 Russian drought impact on satellite measurements of solar-induced chlorophyll fluorescence: insights from modeling and comparisons with parameters derived from satellite reflectances
The Orbiting Carbon Observatory-2 (OCO-2) collects solar-induced chlorophyll fluorescence (SIF) at high spatial resolution along orbits ((SIF) over bar oco(2_orbit)), but its discontinuous spatial coverage precludes its full potential for understanding the mechanistic SIF-photosynthesis relationship. This study developed a spatially contiguous global OCO-2 SIF product at 0.05 degrees and 16-day resolutions ((SIF) over bar (oco2_005)) using machine learning constrained by physiological understandings. This was achieved by stratifying biomes and times for training and predictions, which accounts for varying plant physiological properties in space and time. (SIF) over bar (oco2_005) accurately preserved the spatiotemporal variations of SIFoco2_orbit across the globe. Validation of (SIf) over bar (oco2_005) with Chlorophyll Fluorescence Imaging Spectrometer airborne measurements revealed striking consistency (R-2 = 0.72; regression slope = 0.96). Further, without time and biome stratification, (1) (SIF) over bar (oco2_005) of croplands, deciduous temperate, and needleleaf forests would be underestimated during the peak season, (2) (SIF) over bar (oco2_005) of needleleaf forests would be overestimated during autumn, and (3) the capability of (SIF) over bar (oco2_005) to detect drought would be diminished. Plain Language Summary Newly available observations of solar-induced chlorophyll fluorescence (SIF) from satellite sensors represent a major step toward quantifying photosynthesis globally in real time. However, existing satellite SIF records are restricted to low spatial resolutions, sparse data acquisition, or both. These limitations impede the full capability of SIF for improving our understanding of dynamics of photosynthesis and its response to environmental changes (particularly in heterogeneous landscapes) to better support carbon source/sink attribution and verification. This study developed a novel high-resolution time series of spatially contiguous SIF for the globe, leveraging NASA's Orbiting Carbon Observatory-2 measurements. We combined machine learning algorithms with known physiological constraints for this effort. Comparison with independent airborne SIF measurements revealed strong consistency, confirming the high quality of this new SIF data set. The high-resolution and global contiguous coverage of this data set will greatly enhance the synergy between satellite SIF and photosynthesis measured on the ground at consistent spatial scales. Potential applications with this data set include advancing dynamic drought monitoring and mitigation, informing agricultural planning and yield estimation in a more spatially explicit way, and providing a benchmark for upcoming satellite missions with SIF capabilities at higher spatial resolutions.
YueYM, WangKL, ZhangB, ChenZC. (2008).
Applications of hyperspectral remote sensing in ecosystem: a review
Remote Sensing Technology and Application, 23, 471-478.
Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera
Sun-induced chlorophyll fluorescence is more strongly related to photosynthesis with hemispherical than nadir measurements: evidence from field observations and model simulations
Remote Sensing of Environment, 279, 113118. DOI: 10.1016/j.rse.2022.113118.
Angle matters: Bidirectional effects impact the slope of relationship between gross primary productivity and sun-induced chlorophyll fluorescence from Orbiting Carbon Observatory-2 across biomes
Reduction of structural impacts and distinction of photosynthetic pathways in a global estimation of GPP from space-borne solar-induced chlorophyll fluorescence
Remote Sensing of Environment, 240, 111722. DOI: 10.1016/j.rse.2020.111722.
Temporal resolution of vegetation indices and solar-induced chlorophyll fluorescence data affects the accuracy of vegetation phenology estimation: a study using in situ measurements
Meta-analysis assessing potential of steady-state chlorophyll fluorescence for remote sensing detection of plant water, temperature and nitrogen stress
3
2015
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... ., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Water, energy, and carbon with Artificial Neural Networks (WECANN): a statistically-based estimate of global surface turbulent fluxes and gross primary productivity using solar-induced fluorescence
... 叶绿素荧光是指叶绿素分子吸收光量子后, 激发态的叶绿素分子跃迁回基态的过程中发射的一种光谱信号(Meroni et al., 2009).植物吸收的光能有3个去向: 光合作用、热耗散和叶绿素荧光, 三者在植物生理上密切关联.因此, 叶绿素荧光被誉为光合作用的“探针”, 在细胞和叶片尺度上已经被广泛应用于植物光合作用研究(Baker, 2008).叶绿素荧光测量最初仅限于实验室内, 随着脉冲振幅调制(PAM)技术的发展, 逐渐走向野外测量, 促进了野外实地光合作用探测的研究, 并帮助阐明叶绿素荧光参数与CO2同化之间的关系(Schreiber et al., 1986; Porcar-Castell et al., 2014).然而, 由于PAM技术仅局限于叶片尺度, 其在冠层和景观尺度观测难度较大.为了填补这一空白, 叶绿素荧光研究出现新的发展趋势——尝试利用遥感平台实现区域及全球尺度叶绿素荧光观测. ...
Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems: past, present and future
1
2003
... 植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003).然而, 这些方法缺乏空间信息.随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021).此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a).随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变. ...
Evaluation of SIF retrievals from narrow-band and sub-nanometer airborne hyperspectral imagers flown in tandem: modelling and validation in the context of plant phenotyping
Performance of singular spectrum analysis in separating seasonal and fast physiological dynamics of solar-induced chlorophyll fluorescence and PRI optical signals
1
2021
... 除了以上两种基于植被反射率指数的方法, FRSIF的生理与非生理信息的拆分方法, 还可以通过结合SCOPE模型(van der Tol et al., 2009)模拟进行拆分.Liu等(2019c)通过随机森林训练SCOPE模拟数据集, 将冠层尺度的FRSIF降尺度到光系统尺度的FRSIFps, 表明随机森林方法对于估计SIF逃逸概率是有效的.Biriukova等(2021)通过结合SCOPE模型和奇异光谱分析(SSA)的方法, 解耦了冠层FRSIF的快速变化组分(生理信息)和缓慢变化组分(非生理信息), 表明基于SSA的方法是一种很有前景的方法, 可以从地基SIF传感器获取的数据中提取SIF的生理信息. ...
Regional vegetation die-off in response to global-change-type drought
1
2005
... 近年来, 极端天气频发, 全球绝大部分地区农业和生态干旱事件的发生频率和强度都在增加, 及时精确地监测大范围干旱胁迫对确保粮食安全和了解植被对气候变化的响应具有重要意义(Breshears et al., 2005).由于干旱胁迫会引起植物一系列的生理反应, 例如叶片气孔关闭导致光合速率下降, NPQ上升, 因此SIF可以直接反映出植被对干旱胁迫的快速响应(Perez-Priego et al., 2005).绝大多数地面实验研究表明, 在干旱胁迫的影响下, 植物冠层SIF会下降(Daumard et al., 2010; Wieneke et al., 2018; Xu et al., 2018, 2021; Liu et al., 2020a; Chen et al., 2021).Xu等(2018)以玉米为对象, 通过近地面遥感平台获取高时间分辨率的SIF数据, 研究发现, 在干旱胁迫下, 由于冠层结构和光合作用共同调节, RSIF和FRSIF都会发生下降.此外, 复水后, FRSIF会明显升高, RSIF也有一定升高, 但升高幅度没FRSIF明显.Chen等(2021)使用连续3年的塔基观测数据, 研究了玉米在日变化和季节变化的尺度上SIF和GPP之间的关系及其对干旱胁迫的响应, 研究发现, 随着干旱胁迫程度的增加, GPP与SIF的比值下降, 冠层气孔导度同步下降, 证明了SIF数据不仅包含冠层结构信息也包含了大量的生理信息, 可以作为监测干旱和估算GPP的潜在指标. ...
Towards consistent assessments of in situ radiometric measurements for the validation of fluorescence satellite missions
1
2022
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
A method for uncertainty assessment of passive sun-induced chlorophyll fluorescence retrieval using an infrared reference light
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Improved nitrogen retrievals with airborne-derived fluorescence and plant traits quantified from VNIR-SWIR hyperspectral imagery in the context of precision agriculture
Radiative transfer Vcmax estimation from hyperspectral imagery and SIF retrievals to assess photosynthetic performance in rainfed and irrigated plant phenotyping trials
1
2019
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Integrating remote sensing with ecology and evolution to advance biodiversity conservation
Exploring the physiological information of Sun-induced chlorophyll fluorescence through radiative transfer model inversion
1
2018
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Regional ecosystem structure and function: ecological insights from remote sensing of tropical forests
1
2007
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
Unpacking the drivers of diurnal dynamics of sun-induced chlorophyll fluorescence (SIF): canopy structure, plant physiology, instrument configuration and retrieval methods
1
2021
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
An Unmanned Aerial System (UAS) for concurrent measurements of solar-induced chlorophyll fluorescence and hyperspectral reflectance toward improving crop monitoring
2
2020
... 近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
1
2002
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Effects of drought on the relationship between photosynthesis and chlorophyll fluorescence for maize
2
2021
... 近年来, 极端天气频发, 全球绝大部分地区农业和生态干旱事件的发生频率和强度都在增加, 及时精确地监测大范围干旱胁迫对确保粮食安全和了解植被对气候变化的响应具有重要意义(Breshears et al., 2005).由于干旱胁迫会引起植物一系列的生理反应, 例如叶片气孔关闭导致光合速率下降, NPQ上升, 因此SIF可以直接反映出植被对干旱胁迫的快速响应(Perez-Priego et al., 2005).绝大多数地面实验研究表明, 在干旱胁迫的影响下, 植物冠层SIF会下降(Daumard et al., 2010; Wieneke et al., 2018; Xu et al., 2018, 2021; Liu et al., 2020a; Chen et al., 2021).Xu等(2018)以玉米为对象, 通过近地面遥感平台获取高时间分辨率的SIF数据, 研究发现, 在干旱胁迫下, 由于冠层结构和光合作用共同调节, RSIF和FRSIF都会发生下降.此外, 复水后, FRSIF会明显升高, RSIF也有一定升高, 但升高幅度没FRSIF明显.Chen等(2021)使用连续3年的塔基观测数据, 研究了玉米在日变化和季节变化的尺度上SIF和GPP之间的关系及其对干旱胁迫的响应, 研究发现, 随着干旱胁迫程度的增加, GPP与SIF的比值下降, 冠层气孔导度同步下降, 证明了SIF数据不仅包含冠层结构信息也包含了大量的生理信息, 可以作为监测干旱和估算GPP的潜在指标. ...
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
The global distribution of leaf chlorophyll content
1
2020
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Weed management in glufosinate-resistant corn (Zea mays)
1
1999
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Response times of remote sensing measured sun-induced chlorophyll fluorescence, surface temperature and vegetation indices to evolving soil water limitation in a crop canopy
1
2022
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Remote sensing of sun-induced fluorescence to improve modeling of diurnal courses of gross primary production (GPP)
1
2010
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
FLD-based retrieval of sun-induced chlorophyll fluorescence from medium spectral resolution airborne spectroscopy data
1
2014
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Far-red sun-induced chlorophyll fluorescence shows ecosystem-specific relationships to gross primary production: an assessment based on observational and modeling approaches
Towards advanced retrievals of plant transpiration using sun-induced chlorophyll fluorescence: first considerations
1
2018
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Phenological characteristics of global ecosystems based on optical, fluorescence, and microwave remote sensing
Global net primary production: combining ecology and remote sensing
1
1995
... 总初级生产力(GPP)是初级生产者(一般是植物)通过光合作用将无机碳转化成有机物的量, 是表征生态系统物质生产和能量流动的关键因子(Field et al., 1995; Anav et al., 2015).近十年来, SIF被广泛应用于陆地生态系统GPP估算, 其理论基础是光能利用率模型(Monteith, 1972): ...
The future of evapotranspiration: global requirements for ecosystem functioning, carbon and climate feedbacks, agricultural management, and water resources
1
2017
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Effect of canopy structure on sun-induced chlorophyll fluorescence
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Remote sensing of solar-excited plant fluorescence as a measure of photosynthetic rate
1
2002
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
The inverse relationship between solar-induced fluorescence yield and photosynthetic capacity: benefits for field phenotyping
1
2020
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Surface reflectance and Sun-induced fluorescence spectroscopy measurements using a small hyperspectral UAS.
2
2017
... 近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
DART: recent advances in remote sensing data modeling with atmosphere, polarization, and chlorophyll fluorescence
1
2017
... 植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003).然而, 这些方法缺乏空间信息.随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021).此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a).随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变. ...
Footprint determination of a spectroradiometer mounted on an unmanned aircraft system
1
2020
... 近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
物候学研究进展及中国现代物候学面临的挑战
1
2010
... 植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022).相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022). ...
物候学研究进展及中国现代物候学面临的挑战
1
2010
... 植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022).相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022). ...
Reconstructed solar-induced fluorescence: a machine learning vegetation product based on MODIS surface reflectance to reproduce GOME-2 solar-induced fluorescence
2
2018
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
Analysis of airborne optical and thermal imagery for detection of water stress symptoms
1
2018
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Leaf chlorophyll fluorescence corrected for re-absorption by means of absorption and reflectance measurements
1
1998
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Remote estimation of canopy chlorophyll content in crops
1
2005
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Solar induced fluorescence measurements using a field spectroradiometer
2
2006
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Gross primary production of a wheat canopy relates stronger to far red than to red solar-induced chlorophyll fluorescence
1
2017
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Can we measure terrestrial photosynthesis from space directly, using spectral reflectance and fluorescence?
2
2007
... SIF是叶绿素荧光研究的突破性进展, 实现了从遥感平台大尺度测量叶绿素荧光, 从而监测生态系统的光合作用动态(Ryu et al., 2019).在日照下, 植物发射的叶绿素荧光仅占植物反射太阳辐射的1%至5%, 是非常微弱的光学信号(Grace et al., 2007).由于太阳表层物质元素和地球大气对太阳光谱的吸收, 导致到达地表的太阳光谱有许多波段宽度为0.1至10 nm的暗线, 即夫琅禾费光谱线.当太阳光照射到植被并被反射出来时, 植被反射光在夫琅禾费吸收谱线波段也很微弱, 而植被发射的SIF可以对荧光波段的暗线进行一定的填充, 从而产生明显的反射峰(Meroni et al., 2009).因此, SIF遥感探测原理就是计算来自植物的荧光辐射将暗线填充的程度(详细可见1.3反演算法介绍). ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
PhotoSpec: a new instrument to measure spatially distributed red and far-red Solar-Induced Chlorophyll Fluorescence
2
2018
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Advancing terrestrial ecosystem science with a novel automated measurement system for sun-induced chlorophyll fluorescence for integration with eddy covariance flux networks
2
2019
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
... ., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
Using field spectroscopy to assess the potential of statistical approaches for the retrieval of sun-induced chlorophyll fluorescence from ground and space
1
2013
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
Global and time-resolved monitoring of crop photosynthesis with chlorophyll fluorescence
3
2014
... 式中, PAR为到达植被冠层的光合有效辐射; fPAR为植被吸收光合有效辐射比.PAR与fPAR的乘积表示植物吸收的光合有效辐射(APAR).类比于GPP的定义, SIF可以表示为(Guanter et al., 2014): ...
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
... 植物生理学是植物学的一个分支学科, 研究植物的所有内部活动与植物中发生的生命相关的化学和物理过程, 包括植物光合作用、植物呼吸作用和植物水分生理等(Taiz et al., 2015).植物生理信息, 例如PSII量子效率(ΦPSII)和ΦF等, 可以直接反映植物的物质代谢、能量转化和生长发育等的规律与机理.冠层SIF是一个特殊的光学遥感信号, 它既包含着植物的生理信息也包含着植物的结构信息(Guanter et al., 2014).近年来, SIF的机理研究的一个热点方向是通过拆分冠层SIF的生理与非生理信息, 以提取准确的植物生理信息, 进而可以避免不恰当使用冠层SIF而对潜在生态过程产生偏颇的理解. ...
新一代遥感技术助力生态系统生态学研究
3
2020
... 生态系统功能是指生态系统内部及其与外部环境之间的联系与相互作用, 主要表现为能量流动、物质循环和信息传递, 它决定了生态系统提供服务的质量与总量(Odum & Barrett, 1971).新兴的SIF遥感技术为生态系统功能的研究带来了新机遇, 其与植物光合作用的密切联系, 可以为生态系统能量流动与物质循环过程中的关键要素(例如生理生化组分和生产力)反演提供新的手段(Ryu et al., 2019; 郭庆华等, 2020; Porcar-Castell et al., 2021). ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... 生态系统功能是指生态系统内部及其与外部环境之间的联系与相互作用, 主要表现为能量流动、物质循环和信息传递, 它决定了生态系统提供服务的质量与总量(Odum & Barrett, 1971).新兴的SIF遥感技术为生态系统功能的研究带来了新机遇, 其与植物光合作用的密切联系, 可以为生态系统能量流动与物质循环过程中的关键要素(例如生理生化组分和生产力)反演提供新的手段(Ryu et al., 2019; 郭庆华等, 2020; Porcar-Castell et al., 2021). ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Inference of photosynthetic capacity parameters from chlorophyll a fluorescence is affected by redox state of PSII reaction centers
1
2022b
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Potential of hotspot solar-induced chlorophyll fluorescence for better tracking terrestrial photosynthesis
1
2021a
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Adjusting solar-induced fluorescence to nadir-viewing provides a better proxy for GPP.
1
2022
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Practical approaches for normalizing directional solar-induced fluorescence to a standard viewing geometry
1
2021b
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Solar-induced chlorophyll fluorescence and short-term photosynthetic response to drought
1
2020
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
Assessing the effects of forest health on sun-induced chlorophyll fluorescence using the FluorFLIGHT 3-D radiative transfer model to account for forest structure
1
2017
... 植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003).然而, 这些方法缺乏空间信息.随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021).此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a).随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变. ...
Tidal influence on the relationship between solar-induced chlorophyll fluorescence and canopy photosynthesis in a coastal salt marsh
1
2022
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
Application of satellite solar-induced chlorophyll fluorescence to understanding large-scale variations in vegetation phenology and function over northern high latitude forests
1
2017
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
太阳诱导叶绿素荧光的卫星遥感反演方法研究进展
1
2019
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
太阳诱导叶绿素荧光的卫星遥感反演方法研究进展
1
2019
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
Estimation of leaf nitrogen content and photosynthetic nitrogen use efficiency in wheat using sun-induced chlorophyll fluorescence at the leaf and canopy scales
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... , 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Difference and potential of the upward and downward sun-induced chlorophyll fluorescence on detecting leaf nitrogen concentration in wheat
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Lidar sheds new light on plant phenomics for plant breeding and management: recent advances and future prospects
1
2021
... 植物形态性状(株高、叶面积、冠幅、胸径等)的时空变化已被广泛研究, 并用于表征植物受胁迫后的响应(Su et al., 2019; Jin et al., 2021).然而, 这些性状不足以捕获植物生理的快速变化.目前, 基于SIF的植物生理表型监测处于早期阶段, 且尚未实现与形态性状表型的同步观测.新兴的SIF成像系统逐渐被应用到精准农业和果树的病虫害监测(Pinto et al., 2016; Zarco-Tejada et al., 2021).随着SIF的植物生理信息提取方法和技术的推进, 植物生理表型将更好地服务于精准农林业管理、胁迫早期可视化预警等. ...
利用随机森林法协同SIF和反射率光谱监测小麦条锈病
1
2019
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
利用随机森林法协同SIF和反射率光谱监测小麦条锈病
1
2019
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Global monitoring of terrestrial chlorophyll fluorescence from moderate spectral resolution near-infrared satellite measurements: methodology, simulations, and application to GOME-2
4
2013
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... ., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
New methods for retrieval of chlorophyll red fluorescence from hyper-spectral satellite instruments: simulations and application to GOME-2 and SCIAMACHY
1
2016
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
First observations of global and seasonal terrestrial chlorophyll fluorescence from space
3
2011
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... )和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
Filling-in of near-infrared solar lines by terrestrial fluorescence and other geophysical effects: simulations and space-based observations from SCIAMACHY and GOSAT
1
2012
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
The seasonal cycle of satellite chlorophyll fluorescence observations and its relationship to vegetation phenology and ecosystem atmosphere carbon exchange
2
2014
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Quantifying high-temperature stress on soybean canopy photosynthesis: the unique role of sun-induced chlorophyll fluorescence
1
2021
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
Investigating the usefulness of satellite-derived fluorescence data in inferring gross primary productivity within the carbon cycle data assimilation system
3
2015
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
... 陆面模式(LSM)是地球系统模型的关键组成部分, 可在区域和全球尺度模拟陆地表面与大气界面的碳、水通量和能量交换.Lee等(2015)将SIF和光合作用的耦合模块加入NCAR CLM4 (National Center for Atmospheric Research Community Land Model version 4)模型, 使得模拟全球尺度的SIF成为可能.Koffi等(2015)将SCOPE模型耦合到BETHY (Biosphere Energy Transfer Hydrology)模型, 使得SIF在碳同化系统中的应用成为可能, 并显著减小了模型中GPP估算的不确定性.Qiu等(2019)构建了适用于不同生态系统类型的荧光多次散射模拟方法, 发展了综合考虑发射、吸收和散射过程的冠层荧光计算方案, 并将该方案耦合到BEPS模型, 揭示了冠层结构对不同尺度SIF-GPP关系的影响, 有助于降低碳循环模拟的不确定性.Wang和Frankenberg (2022)评估了在CliMA Land模型使用5种不同的冠层复杂程度时冠层碳、水和SIF通量的差异, 表明在模型中添加复杂冠层的必要性.然而, 在陆面模式中耦合SIF仍需更多探索, 以更好地估算陆地生态系统生产力和精确地模拟全球尺度碳、水和能量循环. ...
Global retrievals of solar induced chlorophyll fluorescence with TROPOMI: first results and inter-sensor comparison to OCO-2
2
2018
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
Simulations of chlorophyll fluorescence incorporated into the Community Land Model version 4
1
2015
... 陆面模式(LSM)是地球系统模型的关键组成部分, 可在区域和全球尺度模拟陆地表面与大气界面的碳、水通量和能量交换.Lee等(2015)将SIF和光合作用的耦合模块加入NCAR CLM4 (National Center for Atmospheric Research Community Land Model version 4)模型, 使得模拟全球尺度的SIF成为可能.Koffi等(2015)将SCOPE模型耦合到BETHY (Biosphere Energy Transfer Hydrology)模型, 使得SIF在碳同化系统中的应用成为可能, 并显著减小了模型中GPP估算的不确定性.Qiu等(2019)构建了适用于不同生态系统类型的荧光多次散射模拟方法, 发展了综合考虑发射、吸收和散射过程的冠层荧光计算方案, 并将该方案耦合到BEPS模型, 揭示了冠层结构对不同尺度SIF-GPP关系的影响, 有助于降低碳循环模拟的不确定性.Wang和Frankenberg (2022)评估了在CliMA Land模型使用5种不同的冠层复杂程度时冠层碳、水和SIF通量的差异, 表明在模型中添加复杂冠层的必要性.然而, 在陆面模式中耦合SIF仍需更多探索, 以更好地估算陆地生态系统生产力和精确地模拟全球尺度碳、水和能量循环. ...
Forest productivity and water stress in Amazonia: observations from GOSAT chlorophyll fluorescence
4
2013
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Seasonal variations in the relationship between sun-induced chlorophyll fluorescence and photosynthetic capacity from the leaf to canopy level in a rice crop
3
2020a
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
生物多样性与生态系统服务——关系、权衡与管理
1
2019
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
生物多样性与生态系统服务——关系、权衡与管理
1
2019
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
A global 0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2, MODIS, and reanalysis data
2
2019
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
TROPOMI observations allow for robust exploration of the relationship between solar-induced chlorophyll fluorescence and terrestrial gross primary production
1
2022
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Synergistic use of SMAP and OCO-2 data in assessing the responses of ecosystem productivity to the 2018 US drought
1
2020b
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
Solar-induced chlorophyll fluorescence and its link to canopy photosynthesis in maize from continuous ground measurements
5
2020c
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
植被冠层日光诱导叶绿素荧光塔基自动观测方法及系统介绍
2
2021
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
植被冠层日光诱导叶绿素荧光塔基自动观测方法及系统介绍
2
2021
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
The role of chlorophyll fluorescence in the detection of stress conditions in plants
1
1988
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Remotely monitoring vegetation productivity in two contrasting subtropical forest ecosystems using solar-induced chlorophyll fluorescence
2022
全球碳盘点卫星遥感监测方法、进展与挑战
3
2022
... 陆地生态系统通过植物光合作用吸收大气中大量的CO2, 对陆地生态系统碳汇有重要的影响, 是目前较为经济可行和环境友好的减缓大气CO2浓度升高的重要途径(Wang et al., 2020).因此, 准确监测植被光合作用对陆地生态系统碳水循环过程的研究至关重要.遥感观测能够提供大尺度且时空连续的植被变化信息, 是监测陆地生态系统不可或缺的技术手段(张扬建等, 2017; 刘良云等, 2022; Zeng et al., 2022b). ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
... 卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据.然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用.尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号.未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022).此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021).2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
全球碳盘点卫星遥感监测方法、进展与挑战
3
2022
... 陆地生态系统通过植物光合作用吸收大气中大量的CO2, 对陆地生态系统碳汇有重要的影响, 是目前较为经济可行和环境友好的减缓大气CO2浓度升高的重要途径(Wang et al., 2020).因此, 准确监测植被光合作用对陆地生态系统碳水循环过程的研究至关重要.遥感观测能够提供大尺度且时空连续的植被变化信息, 是监测陆地生态系统不可或缺的技术手段(张扬建等, 2017; 刘良云等, 2022; Zeng et al., 2022b). ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
... 卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据.然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用.尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号.未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022).此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021).2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
Detection of vegetation light-use efficiency based on solar-induced chlorophyll fluorescence separated from canopy radiance spectrum
1
2010
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Directly estimating diurnal changes in GPP for C3 and C4 crops using far-red sun-induced chlorophyll fluorescence
1
2017
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Assessing photosynthetic light-use efficiency using a solar-induced chlorophyll fluorescence and photochemical reflectance index
2
2013a
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... 近年来, 极端天气频发, 全球绝大部分地区农业和生态干旱事件的发生频率和强度都在增加, 及时精确地监测大范围干旱胁迫对确保粮食安全和了解植被对气候变化的响应具有重要意义(Breshears et al., 2005).由于干旱胁迫会引起植物一系列的生理反应, 例如叶片气孔关闭导致光合速率下降, NPQ上升, 因此SIF可以直接反映出植被对干旱胁迫的快速响应(Perez-Priego et al., 2005).绝大多数地面实验研究表明, 在干旱胁迫的影响下, 植物冠层SIF会下降(Daumard et al., 2010; Wieneke et al., 2018; Xu et al., 2018, 2021; Liu et al., 2020a; Chen et al., 2021).Xu等(2018)以玉米为对象, 通过近地面遥感平台获取高时间分辨率的SIF数据, 研究发现, 在干旱胁迫下, 由于冠层结构和光合作用共同调节, RSIF和FRSIF都会发生下降.此外, 复水后, FRSIF会明显升高, RSIF也有一定升高, 但升高幅度没FRSIF明显.Chen等(2021)使用连续3年的塔基观测数据, 研究了玉米在日变化和季节变化的尺度上SIF和GPP之间的关系及其对干旱胁迫的响应, 研究发现, 随着干旱胁迫程度的增加, GPP与SIF的比值下降, 冠层气孔导度同步下降, 证明了SIF数据不仅包含冠层结构信息也包含了大量的生理信息, 可以作为监测干旱和估算GPP的潜在指标. ...
Tracking photosynthetic injury of paraquat-treated crop using chlorophyll fluorescence from hyperspectral data
1
2013b
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Soil water deficit promotes the effect of atmospheric water deficit on solar-induced chlorophyll fluorescence
2020a
Simulating solar-induced chlorophyll fluorescence in a boreal forest stand reconstructed from terrestrial laser scanning measurements
1
2019a
... 植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003).然而, 这些方法缺乏空间信息.随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021).此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a).随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变. ...
Atmospheric correction for tower-based solar-induced chlorophyll fluorescence observations at O2-A band
1
2019b
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
Downscaling of solar-induced chlorophyll fluorescence from canopy level to photosystem level using a random forest model
1
2019c
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Improving chlorophyll fluorescence retrieval using reflectance reconstruction based on principal components analysis
2
2015
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Improving the potential of red SIF for estimating GPP by downscaling from the canopy level to the photosystem level
3
2020b
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
基于多种遥感植被指数、叶绿素荧光与CO2通量数据的温带针阔混交林物候特征对比分析
1
2018
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
Resistance and resilience of grasslands to drought detected by SIF in Inner Mongolia, China
1
2021
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
Potential of solar-induced chlorophyll fluorescence to estimate transpiration in a temperate forest
1
2018
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Generation of a global spatially continuous TanSat solar-induced chlorophyll fluorescence product by considering the impact of the solar radiation intensity
2
2020
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Solar-induced fluorescence does not track photosynthetic carbon assimilation following induced stomatal closure
1
2020
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
Retrieval of maize canopy fluorescence and reflectance by spectral fitting in the O2-A absorption band
1
2012
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
植物功能性状与环境和生态系统功能
1
2007
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
植物功能性状与环境和生态系统功能
1
2007
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
The hyperspectral irradiometer, a new instrument for long-term and unattended field spectroscopy measurements
1
2011
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
Performance of spectral fitting methods for vegetation fluorescence quantification
2
2010
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Leaf level detection of solar induced chlorophyll fluorescence by means of a subnanometer resolution spectroradiometer
1
2006
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Remote sensing of solar-induced chlorophyll fluorescence: review of methods and applications
3
2009
... 叶绿素荧光是指叶绿素分子吸收光量子后, 激发态的叶绿素分子跃迁回基态的过程中发射的一种光谱信号(Meroni et al., 2009).植物吸收的光能有3个去向: 光合作用、热耗散和叶绿素荧光, 三者在植物生理上密切关联.因此, 叶绿素荧光被誉为光合作用的“探针”, 在细胞和叶片尺度上已经被广泛应用于植物光合作用研究(Baker, 2008).叶绿素荧光测量最初仅限于实验室内, 随着脉冲振幅调制(PAM)技术的发展, 逐渐走向野外测量, 促进了野外实地光合作用探测的研究, 并帮助阐明叶绿素荧光参数与CO2同化之间的关系(Schreiber et al., 1986; Porcar-Castell et al., 2014).然而, 由于PAM技术仅局限于叶片尺度, 其在冠层和景观尺度观测难度较大.为了填补这一空白, 叶绿素荧光研究出现新的发展趋势——尝试利用遥感平台实现区域及全球尺度叶绿素荧光观测. ...
... SIF是叶绿素荧光研究的突破性进展, 实现了从遥感平台大尺度测量叶绿素荧光, 从而监测生态系统的光合作用动态(Ryu et al., 2019).在日照下, 植物发射的叶绿素荧光仅占植物反射太阳辐射的1%至5%, 是非常微弱的光学信号(Grace et al., 2007).由于太阳表层物质元素和地球大气对太阳光谱的吸收, 导致到达地表的太阳光谱有许多波段宽度为0.1至10 nm的暗线, 即夫琅禾费光谱线.当太阳光照射到植被并被反射出来时, 植被反射光在夫琅禾费吸收谱线波段也很微弱, 而植被发射的SIF可以对荧光波段的暗线进行一定的填充, 从而产生明显的反射峰(Meroni et al., 2009).因此, SIF遥感探测原理就是计算来自植物的荧光辐射将暗线填充的程度(详细可见1.3反演算法介绍). ...
... 在遥感传感器接收到的地表反射的光谱信号中, 叶绿素荧光部分所占比重非常小, 因此从遥感光谱数据中分离出荧光信号较为困难(Meroni et al., 2009).然而, 光谱信号中具有许多太阳和地球大气吸收特征波段, 在这些吸收特征波段内, 辐射亮度信号较弱, 荧光信号在这些吸收特征波段占据的比例达到最大, 即荧光会对吸收特征波段进行一定的填充, 从而改变探测到的植被反射率.在可见光与近红外波段, 具有两个氧气吸收特征波段, 分别为O2-B (687 nm)与O2-A (760 nm), 以及一些太阳大气吸收特征, 这些吸收特征表现为波段宽度0.1-10 nm的暗线.荧光反演是基于荧光对于吸收波段深度的填充来分离荧光与辐亮度, 通过比较有无荧光贡献的光谱吸收波段的深度来进行荧光的提取, 这一原理称之为夫琅禾费光谱线填充原理(Fraunhofer line discrimination, FLD).如表4所示, 根据反演SIF所用的波段, 反演算法大致可以分为两大类: 基于地球大气吸收线(主要是O2-A和O2-B)和基于太阳夫琅禾费光谱线(Mohammed et al., 2019).根据反演的SIF波段和范围, 也可以分为单波段反演算法和全波段反演算法, 其中全波段算法是基于单波段算法反演640-850 nm范围内的多个吸收暗线波段的SIF, 结合先验函数或主成分重构全波段SIF (Zhao et al., 2014, 2018; Cogliati et al., 2015b; Liu et al., 2015). ...
Sun-induced chlorophyll fluorescence, photosynthesis, and light use efficiency of a soybean field from seasonally continuous measurements
1
2018
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Photosynthetic efficiency and vegetation stress
1
2018
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
Remote sensing of solar-induced chlorophyll fluorescence (SIF) in vegetation: 50? years of progress
4
2019
... 为了更好地挖掘SIF遥感在陆地生态系统和自然保护地监测的潜力, 需要从多尺度SIF观测出发, 提取并解译SIF信号中的生理信息, 全面且定量地认识SIF与光合作用的关联机制及其在时空尺度上的变化特征(Mohammed et al., 2019; Porcar-Castell et al., 2021).因此, 本文首先阐述了SIF遥感的基本原理、观测技术及反演方法, 然后回顾了SIF在陆地生态系统监测的几个主要应用方向, 最后对天空地一体化SIF观测、SIF机理研究、新兴生态学应用领域进行展望. ...
... 在遥感传感器接收到的地表反射的光谱信号中, 叶绿素荧光部分所占比重非常小, 因此从遥感光谱数据中分离出荧光信号较为困难(Meroni et al., 2009).然而, 光谱信号中具有许多太阳和地球大气吸收特征波段, 在这些吸收特征波段内, 辐射亮度信号较弱, 荧光信号在这些吸收特征波段占据的比例达到最大, 即荧光会对吸收特征波段进行一定的填充, 从而改变探测到的植被反射率.在可见光与近红外波段, 具有两个氧气吸收特征波段, 分别为O2-B (687 nm)与O2-A (760 nm), 以及一些太阳大气吸收特征, 这些吸收特征表现为波段宽度0.1-10 nm的暗线.荧光反演是基于荧光对于吸收波段深度的填充来分离荧光与辐亮度, 通过比较有无荧光贡献的光谱吸收波段的深度来进行荧光的提取, 这一原理称之为夫琅禾费光谱线填充原理(Fraunhofer line discrimination, FLD).如表4所示, 根据反演SIF所用的波段, 反演算法大致可以分为两大类: 基于地球大气吸收线(主要是O2-A和O2-B)和基于太阳夫琅禾费光谱线(Mohammed et al., 2019).根据反演的SIF波段和范围, 也可以分为单波段反演算法和全波段反演算法, 其中全波段算法是基于单波段算法反演640-850 nm范围内的多个吸收暗线波段的SIF, 结合先验函数或主成分重构全波段SIF (Zhao et al., 2014, 2018; Cogliati et al., 2015b; Liu et al., 2015). ...
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Canopy chlorophyll fluorescence applied to stress detection using an easy-to-build micro-lidar
1
2019
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Investigation of atmospheric effects on retrieval of sun-induced fluorescence using hyperspectral imagery
Diurnal and seasonal dynamics of solar-induced chlorophyll fluorescence, vegetation indices, and gross primary productivity in the boreal forest
1
2022
... 在北方常绿针叶林生态系统, 光合作用会发生季节性变化, 而冠层结构或者叶绿素含量没有显著变化, 基于NDVI等植被指数难以捕获常绿针叶林的物候动态.此时, 可以表征光合作用的SIF在监测其物候动态时具有独特优势(Walther et al., 2016).基于GOME-2卫星SIF数据的北方常绿针叶林的物候研究表明, SIF揭示的生长季开始日期要比增强植被指数(EVI)的结果提前1个月, 主要是因为北方常绿森林在春季复苏阶段受积雪影响且植被绿度变化不明显, 因此植被光合作用不能被传统的绿度指标及时地监测出来(Walther et al., 2016).基于地基冠层SIF观测芬兰南部的欧洲赤松(Pinus sylvestris)(Nichol et al., 2019), 美国科罗拉多州高山生态研究站Niwot Ridge的亚高山针叶林(Magney et al., 2019)和加拿大萨斯喀彻温省的云杉(Picea asperata)(Pierrat et al., 2022)的季节动态表明, SIF可以有效追踪到针叶林冬季光合速率的下降, 且与GPP的季节动态高度一致.然而, Yang等(2022)进一步分析Niwot Ridge站点数据, 发现亚高山针叶林的GPP和RSIF对光照和季节环境条件响应不一致, 这说明在针叶林中使用RSIF作为物候指标具有局限性. ...
Dynamics of Sun-induced chlorophyll fluorescence and reflectance to detect stress-induced variations in canopy photosynthesis
1
2020
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Sun-induced chlorophyll fluorescence from high-resolution imaging spectroscopy data to quantify spatio-temporal patterns of photosynthetic function in crop canopies
3
2016
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... ., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... 植物形态性状(株高、叶面积、冠幅、胸径等)的时空变化已被广泛研究, 并用于表征植物受胁迫后的响应(Su et al., 2019; Jin et al., 2021).然而, 这些性状不足以捕获植物生理的快速变化.目前, 基于SIF的植物生理表型监测处于早期阶段, 且尚未实现与形态性状表型的同步观测.新兴的SIF成像系统逐渐被应用到精准农业和果树的病虫害监测(Pinto et al., 2016; Zarco-Tejada et al., 2021).随着SIF的植物生理信息提取方法和技术的推进, 植物生理表型将更好地服务于精准农林业管理、胁迫早期可视化预警等. ...
The MK II Fraunhofer line discriminator (FLD-II) for airborne and orbital remote sensing of solar-stimulated luminescence
1
1975
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
... 叶绿素荧光是指叶绿素分子吸收光量子后, 激发态的叶绿素分子跃迁回基态的过程中发射的一种光谱信号(Meroni et al., 2009).植物吸收的光能有3个去向: 光合作用、热耗散和叶绿素荧光, 三者在植物生理上密切关联.因此, 叶绿素荧光被誉为光合作用的“探针”, 在细胞和叶片尺度上已经被广泛应用于植物光合作用研究(Baker, 2008).叶绿素荧光测量最初仅限于实验室内, 随着脉冲振幅调制(PAM)技术的发展, 逐渐走向野外测量, 促进了野外实地光合作用探测的研究, 并帮助阐明叶绿素荧光参数与CO2同化之间的关系(Schreiber et al., 1986; Porcar-Castell et al., 2014).然而, 由于PAM技术仅局限于叶片尺度, 其在冠层和景观尺度观测难度较大.为了填补这一空白, 叶绿素荧光研究出现新的发展趋势——尝试利用遥感平台实现区域及全球尺度叶绿素荧光观测. ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... ., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Simulating emission and scattering of solar-induced chlorophyll fluorescence at far-red band in global vegetation with different canopy structures
1
2019
... 陆面模式(LSM)是地球系统模型的关键组成部分, 可在区域和全球尺度模拟陆地表面与大气界面的碳、水通量和能量交换.Lee等(2015)将SIF和光合作用的耦合模块加入NCAR CLM4 (National Center for Atmospheric Research Community Land Model version 4)模型, 使得模拟全球尺度的SIF成为可能.Koffi等(2015)将SCOPE模型耦合到BETHY (Biosphere Energy Transfer Hydrology)模型, 使得SIF在碳同化系统中的应用成为可能, 并显著减小了模型中GPP估算的不确定性.Qiu等(2019)构建了适用于不同生态系统类型的荧光多次散射模拟方法, 发展了综合考虑发射、吸收和散射过程的冠层荧光计算方案, 并将该方案耦合到BEPS模型, 揭示了冠层结构对不同尺度SIF-GPP关系的影响, 有助于降低碳循环模拟的不确定性.Wang和Frankenberg (2022)评估了在CliMA Land模型使用5种不同的冠层复杂程度时冠层碳、水和SIF通量的差异, 表明在模型中添加复杂冠层的必要性.然而, 在陆面模式中耦合SIF仍需更多探索, 以更好地估算陆地生态系统生产力和精确地模拟全球尺度碳、水和能量循环. ...
Responses of Australian dryland vegetation to the 2019 heat wave at a subdaily scale
1
2020
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
Monitoring drought impacts on crop productivity of the US Midwest with solar-induced fluorescence: GOSIF outperforms GOME-2 SIF and MODIS NDVI, EVI, and NIRv
1
2022
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
Sun-induced fluorescence—A new probe of photosynthesis: first maps from the imaging spectrometer HyPlant
Red and far red sun-induced chlorophyll fluorescence as a measure of plant photosynthesis
3
2015a
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... ).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Discriminating irrigated and rainfed maize with diurnal fluorescence and canopy temperature airborne maps
1
2015b
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
What is global photosynthesis? History, uncertainties and opportunities
2
2019
... SIF是叶绿素荧光研究的突破性进展, 实现了从遥感平台大尺度测量叶绿素荧光, 从而监测生态系统的光合作用动态(Ryu et al., 2019).在日照下, 植物发射的叶绿素荧光仅占植物反射太阳辐射的1%至5%, 是非常微弱的光学信号(Grace et al., 2007).由于太阳表层物质元素和地球大气对太阳光谱的吸收, 导致到达地表的太阳光谱有许多波段宽度为0.1至10 nm的暗线, 即夫琅禾费光谱线.当太阳光照射到植被并被反射出来时, 植被反射光在夫琅禾费吸收谱线波段也很微弱, 而植被发射的SIF可以对荧光波段的暗线进行一定的填充, 从而产生明显的反射峰(Meroni et al., 2009).因此, SIF遥感探测原理就是计算来自植物的荧光辐射将暗线填充的程度(详细可见1.3反演算法介绍). ...
... 生态系统功能是指生态系统内部及其与外部环境之间的联系与相互作用, 主要表现为能量流动、物质循环和信息传递, 它决定了生态系统提供服务的质量与总量(Odum & Barrett, 1971).新兴的SIF遥感技术为生态系统功能的研究带来了新机遇, 其与植物光合作用的密切联系, 可以为生态系统能量流动与物质循环过程中的关键要素(例如生理生化组分和生产力)反演提供新的手段(Ryu et al., 2019; 郭庆华等, 2020; Porcar-Castell et al., 2021). ...
Continuous recording of photochemical and non-photochemical chlorophyll fluorescence quenching with a new type of modulation fluorometer
2
1986
... 叶绿素荧光是指叶绿素分子吸收光量子后, 激发态的叶绿素分子跃迁回基态的过程中发射的一种光谱信号(Meroni et al., 2009).植物吸收的光能有3个去向: 光合作用、热耗散和叶绿素荧光, 三者在植物生理上密切关联.因此, 叶绿素荧光被誉为光合作用的“探针”, 在细胞和叶片尺度上已经被广泛应用于植物光合作用研究(Baker, 2008).叶绿素荧光测量最初仅限于实验室内, 随着脉冲振幅调制(PAM)技术的发展, 逐渐走向野外测量, 促进了野外实地光合作用探测的研究, 并帮助阐明叶绿素荧光参数与CO2同化之间的关系(Schreiber et al., 1986; Porcar-Castell et al., 2014).然而, 由于PAM技术仅局限于叶片尺度, 其在冠层和景观尺度观测难度较大.为了填补这一空白, 叶绿素荧光研究出现新的发展趋势——尝试利用遥感平台实现区域及全球尺度叶绿素荧光观测. ...
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
Modeling canopy conductance and transpiration from solar-induced chlorophyll fluorescence
2
2019
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
Solar-induced chlorophyll fluorescence intensity has a significant correlation with negative air ion release in forest canopy
1
2022
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
Chlorophyll fluorescence better captures seasonal and interannual gross primary productivity dynamics across dryland ecosystems of southwestern north America
2
2018
... 植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022).相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022). ...
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
Reviews and syntheses: turning the challenges of partitioning ecosystem evaporation and transpiration into opportunities
1
2019
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Evaluating maize phenotype dynamics under drought stress using terrestrial lidar
1
2019
... 植物形态性状(株高、叶面积、冠幅、胸径等)的时空变化已被广泛研究, 并用于表征植物受胁迫后的响应(Su et al., 2019; Jin et al., 2021).然而, 这些性状不足以捕获植物生理的快速变化.目前, 基于SIF的植物生理表型监测处于早期阶段, 且尚未实现与形态性状表型的同步观测.新兴的SIF成像系统逐渐被应用到精准农业和果树的病虫害监测(Pinto et al., 2016; Zarco-Tejada et al., 2021).随着SIF的植物生理信息提取方法和技术的推进, 植物生理表型将更好地服务于精准农林业管理、胁迫早期可视化预警等. ...
Overview of solar-induced chlorophyll fluorescence (SIF) from the Orbiting Carbon Observatory-2: retrieval, cross-mission comparison, and global monitoring for GPP
2
2018
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
Sun-induced fluorescence heterogeneity as a measure of functional diversity
2
2020
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... SIF与叶片叶绿素含量、叶片氮含量等植物功能性状联系密切(详见2.1部分).因此SIF有望成为跨生态系统和景观尺度表征植物功能多样性的重要的新变量.可以利用SIF反演群落内功能多样性的时空变化, 进而实现植物多样性的动态监测.目前, 已有研究证明将机载高空间分辨率SIF数据与信息论方法相结合可以准确反演植物物种和功能多样性的空间分布(Pacheco-Labrador et al., 2019; Tagliabue et al., 2020).未来FLEX高空间分辨率的卫星和机载SIF数据的出现, 结合激光雷达、热红外和微波植被光学厚度等数据, 将会进一步促进我们在跨生态系统和景观尺度准确反演物种多样性和功能多样性的空间格局和时间动态.与此同时, 针对热带雨林、高寒山地等野外观测较为困难的生态系统, SIF遥感可以为物种多样性保护策略提供准确可靠的数据和技术支撑. ...
2
2015
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... 植物生理学是植物学的一个分支学科, 研究植物的所有内部活动与植物中发生的生命相关的化学和物理过程, 包括植物光合作用、植物呼吸作用和植物水分生理等(Taiz et al., 2015).植物生理信息, 例如PSII量子效率(ΦPSII)和ΦF等, 可以直接反映植物的物质代谢、能量转化和生长发育等的规律与机理.冠层SIF是一个特殊的光学遥感信号, 它既包含着植物的生理信息也包含着植物的结构信息(Guanter et al., 2014).近年来, SIF的机理研究的一个热点方向是通过拆分冠层SIF的生理与非生理信息, 以提取准确的植物生理信息, 进而可以避免不恰当使用冠层SIF而对潜在生态过程产生偏颇的理解. ...
Satellite evidence for China’s leading role in restoring vegetation productivity over global karst ecosystems
... 卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据.然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用.尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号.未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022).此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021).2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
Estimating chlorophyll content and photochemical yield of photosystem II (ΦPSII) using solar-induced chlorophyll fluorescence measurements at different growing stages of attached leaves
2
2015
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
... ., 2015). ...
A model and measurement comparison of diurnal cycles of sun-induced chlorophyll fluorescence of crops
2
2016
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
An integrated model of soil-canopy spectral radiances, photosynthesis, fluorescence, temperature and energy balance
1
2009
... 除了以上两种基于植被反射率指数的方法, FRSIF的生理与非生理信息的拆分方法, 还可以通过结合SCOPE模型(van der Tol et al., 2009)模拟进行拆分.Liu等(2019c)通过随机森林训练SCOPE模拟数据集, 将冠层尺度的FRSIF降尺度到光系统尺度的FRSIFps, 表明随机森林方法对于估计SIF逃逸概率是有效的.Biriukova等(2021)通过结合SCOPE模型和奇异光谱分析(SSA)的方法, 解耦了冠层FRSIF的快速变化组分(生理信息)和缓慢变化组分(非生理信息), 表明基于SSA的方法是一种很有前景的方法, 可以从地基SIF传感器获取的数据中提取SIF的生理信息. ...
Global sensitivity analysis of the SCOPE model: What drives simulated canopy-leaving sun-induced fluorescence?
2
2015
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Understanding soil and plant interaction by combining ground-based quantitative electromagnetic induction and airborne hyperspectral data
1
2018
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Satellite chlorophyll fluorescence measurements reveal large-scale decoupling of photosynthesis and greenness dynamics in boreal evergreen forests
3
2016
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
... 在北方常绿针叶林生态系统, 光合作用会发生季节性变化, 而冠层结构或者叶绿素含量没有显著变化, 基于NDVI等植被指数难以捕获常绿针叶林的物候动态.此时, 可以表征光合作用的SIF在监测其物候动态时具有独特优势(Walther et al., 2016).基于GOME-2卫星SIF数据的北方常绿针叶林的物候研究表明, SIF揭示的生长季开始日期要比增强植被指数(EVI)的结果提前1个月, 主要是因为北方常绿森林在春季复苏阶段受积雪影响且植被绿度变化不明显, 因此植被光合作用不能被传统的绿度指标及时地监测出来(Walther et al., 2016).基于地基冠层SIF观测芬兰南部的欧洲赤松(Pinus sylvestris)(Nichol et al., 2019), 美国科罗拉多州高山生态研究站Niwot Ridge的亚高山针叶林(Magney et al., 2019)和加拿大萨斯喀彻温省的云杉(Picea asperata)(Pierrat et al., 2022)的季节动态表明, SIF可以有效追踪到针叶林冬季光合速率的下降, 且与GPP的季节动态高度一致.然而, Yang等(2022)进一步分析Niwot Ridge站点数据, 发现亚高山针叶林的GPP和RSIF对光照和季节环境条件响应不一致, 这说明在针叶林中使用RSIF作为物候指标具有局限性. ...
... ., 2016).基于地基冠层SIF观测芬兰南部的欧洲赤松(Pinus sylvestris)(Nichol et al., 2019), 美国科罗拉多州高山生态研究站Niwot Ridge的亚高山针叶林(Magney et al., 2019)和加拿大萨斯喀彻温省的云杉(Picea asperata)(Pierrat et al., 2022)的季节动态表明, SIF可以有效追踪到针叶林冬季光合速率的下降, 且与GPP的季节动态高度一致.然而, Yang等(2022)进一步分析Niwot Ridge站点数据, 发现亚高山针叶林的GPP和RSIF对光照和季节环境条件响应不一致, 这说明在针叶林中使用RSIF作为物候指标具有局限性. ...
Phenology dynamics of dryland ecosystems along the north Australian tropical transect revealed by satellite solar-induced chlorophyll fluorescence
Photosynthesis and physiology responses of paired near-isogenic lines in waxy maize (Zea mays L.) to nicosulfuron
1
2018
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
植被物候参数遥感提取与验证方法研究进展
1
2022
... 植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022).相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022). ...
植被物候参数遥感提取与验证方法研究进展
1
2022
... 植被物候是自然界植物受遗传因素与周围环境共同影响而产生周期性变化的生物学现象, 是表征生态系统动态及其对环境变化响应方式的重要生态系统参数, 也是气候变化最敏感的生物学指标之一(葛全胜等, 2010; 王敏钰等, 2022).相较于传统光学遥感植被指数方法, 基于SIF的物候指标更能代表植物光合信息变化, 特别是对于北方常绿林、高生产力的热带雨林、植被稀疏的旱地生态系统和地物复杂的城市生态系统(Smith et al., 2018; Doughty et al., 2019; Magney et al., 2019; Zhou, 2022). ...
Diurnal variation of Sun-induced chlorophyll fluorescence of agricultural crops observed from a point-based spectrometer on a UAV.
2
2021
... 近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Recent global decline of CO2 fertilization effects on vegetation photosynthesis
1
2020
... 陆地生态系统通过植物光合作用吸收大气中大量的CO2, 对陆地生态系统碳汇有重要的影响, 是目前较为经济可行和环境友好的减缓大气CO2浓度升高的重要途径(Wang et al., 2020).因此, 准确监测植被光合作用对陆地生态系统碳水循环过程的研究至关重要.遥感观测能够提供大尺度且时空连续的植被变化信息, 是监测陆地生态系统不可或缺的技术手段(张扬建等, 2017; 刘良云等, 2022; Zeng et al., 2022b). ...
Satellite solar-induced chlorophyll fluorescence and near-infrared reflectance capture complementary aspects of dryland vegetation productivity dynamics
2022
Impacts of drought and heatwave on the terrestrial ecosystem in China as revealed by satellite solar-induced chlorophyll fluorescence
1
2019c
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
On the impact of canopy model complexity on simulated carbon, water, and solar-induced chlorophyll fluorescence fluxes
2
2022
... 陆面模式(LSM)是地球系统模型的关键组成部分, 可在区域和全球尺度模拟陆地表面与大气界面的碳、水通量和能量交换.Lee等(2015)将SIF和光合作用的耦合模块加入NCAR CLM4 (National Center for Atmospheric Research Community Land Model version 4)模型, 使得模拟全球尺度的SIF成为可能.Koffi等(2015)将SCOPE模型耦合到BETHY (Biosphere Energy Transfer Hydrology)模型, 使得SIF在碳同化系统中的应用成为可能, 并显著减小了模型中GPP估算的不确定性.Qiu等(2019)构建了适用于不同生态系统类型的荧光多次散射模拟方法, 发展了综合考虑发射、吸收和散射过程的冠层荧光计算方案, 并将该方案耦合到BEPS模型, 揭示了冠层结构对不同尺度SIF-GPP关系的影响, 有助于降低碳循环模拟的不确定性.Wang和Frankenberg (2022)评估了在CliMA Land模型使用5种不同的冠层复杂程度时冠层碳、水和SIF通量的差异, 表明在模型中添加复杂冠层的必要性.然而, 在陆面模式中耦合SIF仍需更多探索, 以更好地估算陆地生态系统生产力和精确地模拟全球尺度碳、水和能量循环. ...
A framework for harmonizing multiple satellite instruments to generate a long-term global high spatial-resolution solar-induced chlorophyll fluorescence (SIF)
2
2020
... 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.如表3所示, 可用于SIF反演的卫星传感器主要有GOSAT (Frankenberg et al., 2011; Joiner et al., 2011), SCIAMACHY (Köhler et al., 2015b), GOME-1 (Joiner et al., 2013), GOME-2 (Joiner et al., 2013), OCO-2 (Sun et al., 2018), TanSat (Du et al., 2018), TROPOMI (Köhler et al., 2018)和OCO-3 (Taylor et al., 2020).Guanter等(2007)基于MERIS卫星数据, 首次在景观尺度上实现了SIF反演, 并证明了卫星数据反演SIF的可行性.Frankenberg等(2011)和Joiner等(2011)基于GOSAT卫星数据绘制了全球首张SIF地图.此后, 基于不同的卫星平台产生了多种全球卫星SIF产品.由于原始卫星SIF反演产品存在空间不连续或者时空分辨率较低等问题, 已有多个研究基于原始SIF反演产品结合MODIS反射率等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率改善的SIF数据集, 结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到改善的SIF数据集.例如, Downscaled-GOME2-SIF (Duveiller et al., 2020), RSIF (Gentine & Alemohammad, 2018), GOSIF (Li & Xiao, 2019), CSIF (Zhang et al., 2018a), Harmonized SIF (Wen et al., 2020), DSIF (Ma et al., 2022), Continuous TanSat SIF (Ma et al., 2020)和SIFnet (Gensheimer et al., 2022).然而, 这些重建SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能反映植物真实发射的SIF信号. ...
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
Airborne based spectroscopy of red and far-red sun-induced chlorophyll fluorescence: implications for improved estimates of gross primary productivity
2
2016
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... 基于大气吸收波段(O2-A和O2-B)的SIF反演算法发展以FLD为基础, 通过对荧光与反射率的假设从最初的具体化到泛化的发展, 产生一系列改进算法, 包括3FLD (Maier et al., 2004; Damm et al., 2014), cFLD (GomezChova et al., 2006), iFLD (Alonso et al., 2008; Wieneke et al., 2016), pFLD (Liu & Liu, 2015)以及SFM (Meroni & Colombo, 2006; Guanter et al., 2010; Meroni et al., 2010; Mazzoni et al., 2012)等.以上算法适用于近地面SIF反演, 然而, 这些算法应用到高度较高的塔基或者机载无人机观测则需要进行大气吸收的校正(Porcar-Castell et al., 2021). ...
Linking photosynthesis and sun-induced fluorescence at sub-daily to seasonal scales
3
2018
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
... 近年来, 极端天气频发, 全球绝大部分地区农业和生态干旱事件的发生频率和强度都在增加, 及时精确地监测大范围干旱胁迫对确保粮食安全和了解植被对气候变化的响应具有重要意义(Breshears et al., 2005).由于干旱胁迫会引起植物一系列的生理反应, 例如叶片气孔关闭导致光合速率下降, NPQ上升, 因此SIF可以直接反映出植被对干旱胁迫的快速响应(Perez-Priego et al., 2005).绝大多数地面实验研究表明, 在干旱胁迫的影响下, 植物冠层SIF会下降(Daumard et al., 2010; Wieneke et al., 2018; Xu et al., 2018, 2021; Liu et al., 2020a; Chen et al., 2021).Xu等(2018)以玉米为对象, 通过近地面遥感平台获取高时间分辨率的SIF数据, 研究发现, 在干旱胁迫下, 由于冠层结构和光合作用共同调节, RSIF和FRSIF都会发生下降.此外, 复水后, FRSIF会明显升高, RSIF也有一定升高, 但升高幅度没FRSIF明显.Chen等(2021)使用连续3年的塔基观测数据, 研究了玉米在日变化和季节变化的尺度上SIF和GPP之间的关系及其对干旱胁迫的响应, 研究发现, 随着干旱胁迫程度的增加, GPP与SIF的比值下降, 冠层气孔导度同步下降, 证明了SIF数据不仅包含冠层结构信息也包含了大量的生理信息, 可以作为监测干旱和估算GPP的潜在指标. ...
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
Global retrieval of marine and terrestrial chlorophyll fluorescence at its red peak using hyperspectral top of atmosphere radiance measurements: feasibility study and first results
1
2015
... Main retrieval methods of solar-induced chlorophyll fluorescence (SIF)Table 4
反演算法 Retrieval method
SIF波段/范围 SIF bands/spectral range (nm)
反演窗口内对SIF形状的假设 Assumed SIF spectral shape in the retrieval window
反演窗口内对反射率形状的假设 Assumed reflectance spectral shape in the retrieval window
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... ., 2022a). ...
Physiological dynamics dominate the response of canopy far-red solar-induced fluorescence to herbicide treatment
2
2022b
... 此外, SIF遥感也被应用于其他胁迫研究.除草剂胁迫通过阻断氨基酸、类胡萝卜素及脂类生物合成, 或者干扰细胞分裂、阻断光合作用光系统的电子传递等方式对植物造成胁迫甚至杀死植物(Culpepper & York, 1999; Taiz et al., 2015).这种快速特殊的胁迫方式被广泛应用于光合作用和调制荧光的研究(Schreiber et al., 1986; Lichtenthaler & Rinderle, 1988; Wang et al., 2018), 同样也被应用于SIF与光合作用的机理研究和SIF传感器的测试(Liu et al., 2013b; Rossini et al., 2015a; Pinto et al., 2016, 2020; van der Tol et al., 2016; Celesti et al., 2018; Wu et al., 2022b).Rossini等(2015a)在草皮上喷洒除草剂, 测试新研制的机载SIF传感器(HyPlant)观测草皮冠层SIF的动态, 研究发现, RSIF和FRSIF均能迅速捕获到草皮对除草剂的响应, 两者都先迅速上升, 在几天后下降, 这些现象也在小麦和玉米地被发现(Pinto et al., 2016).氮是植物生长所需量最大的营养元素, 合理的氮肥使用对于农作物生长和提高作物产量至关重要.氮亏缺胁迫引起光合作用和荧光的变化更为复杂(Ač et al., 2015), 一方面, 由于氮胁迫会导致叶片叶绿素含量降低, 从而减少了荧光信号激发量; 另一方面, 叶绿素含量在氮亏缺状态下较低, 会导致RSIF再吸收减弱, 进而增加RSIF的发射(Ač et al., 2015).通过对比不同氮处理条件下的月桂(Laurus nobilis)树的RSIF和FRSIF的比值(RSIF/FRSIF), 发现氮亏缺胁迫的月桂树的RSIF/FRSIF更高.Jia等(2021)通过田间实验测量不同氮处理的冬小麦叶片和冠层尺度的SIF, 发现SIF比率指数(SIFR)和归一化SIF指数(SIFN)具有监测叶片氮含量及反演光合作用氮利用率的潜力, 可以应用于作物氮胁迫监测研究(Jia et al., 2018, 2021).此外, SIF也被应用于低温(Moya et al., 2019)和小麦条锈病(竞霞等, 2019)等胁迫监测中. ...
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
陆地生态系统过程对气候变暖的响应与适应
1
2020
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
陆地生态系统过程对气候变暖的响应与适应
1
2020
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
Emerging satellite observations for diurnal cycling of ecosystem processes
4
2021
... 卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据.然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用.尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号.未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022).此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021).2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
... ., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
植物叶片最大羧化速率与叶氮含量关系的变异性
1
2014
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Gross primary production (GPP) and red solar induced fluorescence (SIF) respond differently to light and seasonal environmental conditions in a subalpine conifer forest
1
2022
... 在北方常绿针叶林生态系统, 光合作用会发生季节性变化, 而冠层结构或者叶绿素含量没有显著变化, 基于NDVI等植被指数难以捕获常绿针叶林的物候动态.此时, 可以表征光合作用的SIF在监测其物候动态时具有独特优势(Walther et al., 2016).基于GOME-2卫星SIF数据的北方常绿针叶林的物候研究表明, SIF揭示的生长季开始日期要比增强植被指数(EVI)的结果提前1个月, 主要是因为北方常绿森林在春季复苏阶段受积雪影响且植被绿度变化不明显, 因此植被光合作用不能被传统的绿度指标及时地监测出来(Walther et al., 2016).基于地基冠层SIF观测芬兰南部的欧洲赤松(Pinus sylvestris)(Nichol et al., 2019), 美国科罗拉多州高山生态研究站Niwot Ridge的亚高山针叶林(Magney et al., 2019)和加拿大萨斯喀彻温省的云杉(Picea asperata)(Pierrat et al., 2022)的季节动态表明, SIF可以有效追踪到针叶林冬季光合速率的下降, 且与GPP的季节动态高度一致.然而, Yang等(2022)进一步分析Niwot Ridge站点数据, 发现亚高山针叶林的GPP和RSIF对光照和季节环境条件响应不一致, 这说明在针叶林中使用RSIF作为物候指标具有局限性. ...
Sun-induced chlorophyll fluorescence is more strongly related to absorbed light than to photosynthesis at half-hourly resolution in a rice paddy
1
2018a
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Unraveling the physical and physiological basis for the solar-induced chlorophyll fluorescence and photosynthesis relationship using continuous leaf and canopy measurements of a corn crop
1
2021
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Linking canopy scattering of far-red sun-induced chlorophyll fluorescence with reflectance
1
2018
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Fluorescence Correction Vegetation Index (FCVI): a physically based reflectance index to separate physiological and non-physiological information in far-red sun-induced chlorophyll fluorescence
1
2020
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
FluoSpec 2—An automated field spectroscopy system to monitor canopy solar-induced fluorescence
2
2018b
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... 在物候周期显著的中高纬地区的落叶阔叶林、混交林、草地和农作物的物候指标提取方面, Joiner等(2014)基于GOME-2卫星SIF数据和塔基通量GPP数据, 系统评估了多种植被类型SIF追踪GPP的季节变化能力, 结果表明SIF提取的植物物候周期短于基于MODIS fPAR产品的提取结果, 且与塔基通量GPP提取结果更为接近.Yang等(2015)使用地基SIF自动观测系统对落叶林进行长时序连续观测, 表明地基SIF具备观测植物物候的潜力.Walther等(2016)基于卫星数据对北美中高纬度落叶林进行物候研究, 研究结果表明基于植被指数的物候生长季结束日期晚于SIF, 这与对我国长白山温带红松(Pinus koraiensis)阔叶林的研究结果(刘啸添等, 2018)一致.这是由于落叶林进入秋季衰老期后, 植被光合作用虽然大幅度减弱并趋于停止, 但叶片绿度并不会迅速反映这种改变, 而是存在一个渐变过程, 因此基于SIF提取的物候生长季长度短于基于归一化植被指数(NDVI)的结果(Jeong et al., 2017).农作物的物候期显著(Li et al., 2020a, 2020c; Zhao et al., 2022a), 然而不同波段SIF反映的物候动态不同.Daumard等(2012)的研究表明, 在高粱(Sorghum bicolor)生长初期, RSIF迅速上升, 随后趋于饱和, 而FRSIF则继续增加.这可能是由于叶绿素对RSIF重吸收所致, 因此在冠层尺度及全球尺度, FRSIF更适合作为光合物候监测指标(Meroni et al., 2011; Middleton et al., 2018). ...
Retrieval of solar-induced chlorophyll fluorescence (SIF) from satellite measurements: comparison of SIF between TanSat and OCO-2
1
2022
... 与基于地球大气吸收波段的反演算法相比, 基于太阳吸收特征的反演算法不需要复杂的大气模型.因此, 基于太阳夫琅禾费光谱线的反演算法被广泛应用于星载SIF反演(Mohammed et al., 2019).这类算法可以分为两类: 基于物理模型的反演算法和基于数据驱动统计的反演算法(纪梦豪等, 2019; 王思恒等, 2019).基于物理模型的反演算法, 可以通过简化辐射传输方程, 使用更窄的窗口, 获取信噪比更高, 噪声更小的SIF信号(Frankenberg et al., 2011; Joiner et al., 2011, 2012; Köhler et al., 2015a).差分光学吸收光谱(DOAS)算法也是常用基于物理模型的反演算法, 其利用大气散射和大气分子吸收引起光学厚度变化随波长变化的差异来识别气体成分并反演气体浓度(Platt & Stutz, 2008).基于数据驱动统计的反演算法从光谱数据本身的特性出发, 利用数学统计方法表征光谱的结构信息.这类算法基于简化的大气辐射传输方程, 将传感器接收到的辐亮度信号表征为光谱平滑项(荧光光谱和反射率光谱)和光谱非平滑项(夫琅禾费吸收线特征)的组合, 并利用最小二乘法就可以将SIF信号提取出来(Guanter et al., 2012).通过PCA或者SVD等方法将非线性的大气层顶辐射使用方程转化为用少数主成分代表的线性方程, 进而求解出SIF (Guanter et al., 2012, 2013; Joiner et al., 2013, 2016; Köhler et al., 2015b; Du et al., 2018; Yao et al., 2022).基于数据驱动统计的反演算法能有效地提高SIF反演的效率, 且在一定程度降低了对光谱分辨率和大气辐射传输的要求, 但其受选取的训练数据集、反演波段和各成分的拟合函数(包括多项式的阶数、选取主成分的个数和荧光函数的拟合)的限制, 仍有待进一步的研究. ...
A new global solar-induced chlorophyll fluorescence (SIF) data product from TanSat measurements
1
2021
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
The 2010 Russian drought impact on satellite measurements of solar-induced chlorophyll fluorescence: insights from modeling and comparisons with parameters derived from satellite reflectances
1
2015
... 蒸散发(ET)在地表能量交换和水分平衡中扮演重要角色, 包括地表蒸发作用(E)和植物蒸腾作用(T), 是陆地生态系统水文循环的重要过程(Chapin et al., 2002; Stoy et al., 2019).准确监测和估算植物蒸腾的时空变化对于理解地表与大气之间的能量与水分交换过程及对全球变化的响应, 环境变量模拟与预测以及水资源调控机制的研究具有重要意义(Fisher et al., 2017).一些基于卫星SIF的研究表明, 在严重干旱事件期间, 由于缺水导致气孔关闭, 从而引起光合作用、SIF和蒸腾作用下降(Lee et al., 2013; Sun et al., 2015; Yoshida et al., 2015).Damm等(2018)使用SCOPE模型模拟, 提供了基于SIF估算植物蒸腾作用的见解, 然而, SIF与蒸腾作用的机理联系仍需利用地面实测数据进行研究.Lu等(2018)基于哈佛森林的站点数据探索SIF与植物蒸腾的关系, 研究发现FRSIF比RSIF对蒸腾作用变化更敏感, 尽管胁迫等因素会使得SIF与蒸腾的相关性变差, 但不同波段SIF组合可以获得蒸腾作用的准确估计. ...
大尺度陆地生态系统动态变化与空间变异的过程模型及模拟系统
1
2021
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
大尺度陆地生态系统动态变化与空间变异的过程模型及模拟系统
1
2021
... 生态系统过程是生态系统中生物和非生物通过物质和能量驱动的复杂相互作用的结果(李奇等, 2019).陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程(Chambers et al., 2007; 岳跃民等, 2008).近年来, 人类活动和气候变化对生态系统结构和功能产生了大规模的影响, 因此, 监测陆地生态系统的关键过程如何响应与适应全球气候变暖是全球变化生态学的基本科学问题之一(夏建阳等, 2020; 于贵瑞等, 2021).SIF遥感能够直接表征植物生理生态过程, 被广泛应用于监测植被对极端气候的响应与适应(Song et al., 2018)、植被光合物候的动态特征(Wang et al., 2019b)及蒸腾作用的变化(Shan et al., 2019)等. ...
High-resolution global contiguous SIF of OCO-2
1
2019
... Satellite-based data products for solar-induced chlorophyll fluorescence (SIF)Table 3
机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera
... 植物形态性状(株高、叶面积、冠幅、胸径等)的时空变化已被广泛研究, 并用于表征植物受胁迫后的响应(Su et al., 2019; Jin et al., 2021).然而, 这些性状不足以捕获植物生理的快速变化.目前, 基于SIF的植物生理表型监测处于早期阶段, 且尚未实现与形态性状表型的同步观测.新兴的SIF成像系统逐渐被应用到精准农业和果树的病虫害监测(Pinto et al., 2016; Zarco-Tejada et al., 2021).随着SIF的植物生理信息提取方法和技术的推进, 植物生理表型将更好地服务于精准农林业管理、胁迫早期可视化预警等. ...
A radiative transfer model for solar induced fluorescence using spectral invariants theory
1
2020
... 植物光合作用监测可以通过红外气体分析仪(例如LI-6400或者LI-6800等)测量叶片或者整个植株的光合作用, 也可以使用涡度协方差(EC)方法测量生态系统尺度的光合作用(Baldocchi, 2003).然而, 这些方法缺乏空间信息.随着成像SIF遥感的出现, 可结合EC通量测量和LI-6800测量, 揭示生态系统EC测量足迹范围内光合作用的变异性, 进而促进研究微环境、林下和垂直冠层结构的影响, 及生态系统内生物多样性与功能多样性之间的相互作用(Porcar-Castell et al., 2021).此外, 结合LiDAR点云数据, 模拟植被冠层PAR的三维分布, 耦合叶片和冠层辐射传输模型, 可以建立植被冠层SIF三维分布, 从而获取植物的三维光合作用速率(Liu et al., 2019a).随着三维植被荧光辐射传输模型, 例如DART (Gastellu-Etchegorry et al., 2017), FluorFLIGHT (Hernández-Clemente et al., 2017), FluorWPS (Zhao et al., 2022b), FluorRTER (Zeng et al., 2020)等模型的不断发展, 未来通过SIF成像、三维SIF辐射传输模型与LiDAR、EC通量等技术相结合, 植被光合作用监测有望实现从平面到立体的转变. ...
A practical approach for estimating the escape ratio of near-infrared solar-induced chlorophyll fluorescence
1
2019
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
Combining near-infrared radiance of vegetation and fluorescence spectroscopy to detect effects of abiotic changes and stresses
4
2022a
... 机载和无人机成像高光谱观测已被尝试用于SIF反演.例如CASI、ROSIS、Micro-Hyperspec、APEX、AisaEAGLE、Nano-Hyperspec和VNIR E-Series, 虽然这些传感器的光谱分辨率在3-7 nm, 但仍可以利用FLD或者3FLD等算法对O2-A吸收波段进行SIF的反演, 从而获取SIF的空间分布图(Wu et al., 2022a).与传统成像高光谱传感器不同, HyPlant、CFIS和FIREFLY是专门为观测SIF而设计的光谱分辨率达到亚纳米级的成像超高光谱传感器.其中, HyPlant机载成像系统作为欧洲航天局FLEX卫星任务测试的核心演示器, 由两个模块组成: 用于测量可见光和近红外光谱区域的表观反射率的宽带双通道模块(DUAL)和用于SIF反演具有超高光谱分辨率的荧光模块(FLUO).FLUO的光谱分辨率为0.25 nm, 是首个具备全波段SIF反演的机载传感器.HyPlant也是目前最成熟的机载成像SIF系统, 已被广泛应用于生产力监测、胁迫监测和生物多样性等研究(Rossini et al., 2015a; Wieneke et al., 2016; Colombo et al., 2018; Gerhards et al., 2018; von Hebel et al., 2018; Tagliabue et al., 2020; Damm et al., 2022; Zeng et al., 2022a).此外, 美国研制了两套机载成像SIF观测系统, 其中CFIS是为验证OCO-2卫星的SIF反演而开发的成像系统, 其光谱分辨率小于0.1 nm, 光谱覆盖范围为737-772 nm, 可用于远红波段SIF (FRSIF)反演(Sun et al., 2017; Frankenberg et al., 2018).另一个由Headwall公司研发的超高光谱分辨率叶绿素荧光传感器FIREFLY, 其光谱分辨率小于0.2 nm, 光谱覆盖范围为670-780 nm, 可以实现红波段SIF (RSIF)和FRSIF反演(Paynter et al., 2020; Belwalkar et al., 2022).与无人机非成像SIF观测相似, 机载成像SIF观测同样面临大气干扰的问题, 需要进行大气校正.此外, 机载成像SIF的数据量庞大, 飞行成本昂贵, 研发与应用仍处于早期阶段, 有待进一步探索与研究. ...
A roadmap of the standardized processing and modeling of solar-induced chlorophyll fluorescence (SIF) and its emerging and potential applications in ecology. Some subplots are from Zeng et al. (<xref ref-type="bibr" rid="b251">2022a</xref>). Ф<sub>D</sub>, constitutive heat dissipation quantum efficiency; Ф<sub>F</sub>, fluorescence quantum efficiency; Ф<sub>N</sub>, non-photochemical quantum efficiency; Ф<sub>P</sub>, photochemical quantum efficiency; GPP, gross primary production; RTMs, radiative transfer models; PS, photosystem.Fig. 33.1 天空地一体化观测
... A roadmap of the standardized processing and modeling of solar-induced chlorophyll fluorescence (SIF) and its emerging and potential applications in ecology. Some subplots are from Zeng et al. (2022a). ФD, constitutive heat dissipation quantum efficiency; ФF, fluorescence quantum efficiency; ФN, non-photochemical quantum efficiency; ФP, photochemical quantum efficiency; GPP, gross primary production; RTMs, radiative transfer models; PS, photosystem.Fig. 33.1 天空地一体化观测
... 建立标准化的地面观测网络: 一方面可以定点、长时序、高频地获取各个生态系统的光谱和SIF数据, 协同涡度相关通量观测, 开展基于碳通量观测及地基/星载SIF与植被GPP之间耦合机制与模型研究.另一方面, 也可以为星载或机载数据提供校准和验证数据.目前, 全球主要有SpecNet、BioSpec、EuroSpec和ChinaSpec 4个光谱观测网络.其中ChinaSpec, 全称中国生态系统光谱观测研究网络, 是我国首个光谱观测网络, 于2017年开始建设, 截至2022年5月共建立了22个观测站点, 覆盖了农田、草地、森林、湿地、稀树草原、高寒草甸等生态系统(Li et al., 2020c; Liu et al., 2020b, 2022; Zhang et al., 2021a; Zhu et al., 2021; Huang et al., 2022; Shi et al., 2022).ChinaSpec通过构建我国典型植被生态系统SIF和物候的自动监测平台, 将涡度相关通量塔、卫星、近地面植被遥感和模型综合集成起来, 有助于深入认识生态系统光合作用和植被物候对气候变化的响应和适应, 为国产碳卫星的应用提前开展相关技术研发, 也为我国主要植被生态系统碳循环机理研究、温室气体有效减排和国家宏观决策提供科技支撑.目前, 地面观测网络和近地面植被冠层SIF观测发展迅速, 然而, 不同SIF观测系统间的仪器配置、采集流程、观测方法和反演算法往往存在差异.因此需要进行标准化测量、统一校准协议、光谱质量控制、评估并考虑这些因素所造成的不确定性(Chang et al., 2021; 李朝晖等, 2021; Buman et al., 2022). ...
Spatio-temporal convergence of maximum daily light-use efficiency based on radiation absorption by canopy chlorophyll
2
2018b
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Estimation of vegetation photosynthetic capacity from space-based measurements of chlorophyll fluorescence for terrestrial biosphere models
1
2014
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Model-based analysis of the relationship between Sun-induced chlorophyll fluorescence and gross primary production for remote sensing applications
1
2016
... 生理生化组分是体现生态系统活力和衡量生态系统特征的重要指标, 是植物在表征生态系统功能方面的生态指示, 也是反映生产能力、环境适应性等属性的重要植物功能性状(孟婷婷等, 2007; 郭庆华等, 2020).植被光能利用率(LUE)是生态系统或植物群落每吸收1 mol光量子而固定的大气中CO2的物质的量, 是表征生态系统水平植物群落对光能的利用效率(Grace et al., 2007).理论上, LUE与非光化学淬灭系数(NPQ)、SIF量子产率(SIFyield)关系密切且通常是此消彼长的关系, 因此很多研究从模型模拟、叶片尺度、冠层尺度和全球区域尺度探讨了SIF或者SIFyield与LUE的关系(Freedman et al., 2002; Damm et al., 2010; Liu & Cheng, 2010; Liu et al., 2013a; Porcar-Castell et al., 2014; Yang et al., 2015, 2018a; Zhang et al., 2016, 2018b; Miao et al., 2018; Li et al., 2020c; Wu et al., 2022a), 结果表明, SIFyield与LUE的关系受植被类型、光照条件和冠层结构等因素影响, 在低光照条件下负相关, 高光照条件下呈正相关关系(Porcar-Castell et al., 2014); 此外, 由于冠层尺度的光合作用影响因素复杂, 叶片尺度的SIFyield与LUE关系优于冠层尺度的关系(Wu et al., 2022a). ...
Spatially-explicit monitoring of crop photosynthetic capacity through the use of space-based chlorophyll fluorescence data
1
2018c
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
ChinaSpec: a network for long-term ground-based measurements of solar-induced fluorescence in China
... 陆地生态系统通过植物光合作用吸收大气中大量的CO2, 对陆地生态系统碳汇有重要的影响, 是目前较为经济可行和环境友好的减缓大气CO2浓度升高的重要途径(Wang et al., 2020).因此, 准确监测植被光合作用对陆地生态系统碳水循环过程的研究至关重要.遥感观测能够提供大尺度且时空连续的植被变化信息, 是监测陆地生态系统不可或缺的技术手段(张扬建等, 2017; 刘良云等, 2022; Zeng et al., 2022b). ...
遥感在生态系统生态学上应用的机遇与挑战
1
2017
... 陆地生态系统通过植物光合作用吸收大气中大量的CO2, 对陆地生态系统碳汇有重要的影响, 是目前较为经济可行和环境友好的减缓大气CO2浓度升高的重要途径(Wang et al., 2020).因此, 准确监测植被光合作用对陆地生态系统碳水循环过程的研究至关重要.遥感观测能够提供大尺度且时空连续的植被变化信息, 是监测陆地生态系统不可或缺的技术手段(张扬建等, 2017; 刘良云等, 2022; Zeng et al., 2022b). ...
植物叶片最大羧化速率及其对环境因子响应的研究进展
1
2012
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
植物叶片最大羧化速率及其对环境因子响应的研究进展
1
2012
... 植物叶片最大羧化速率(Vcmax)是表征植物光合能力的关键参数, 精确模拟Vcmax有助于准确预测植物的光合作用和陆地生态系统生产力(张彦敏和周广胜, 2012; 闫霜等, 2014).Zhang等(2014)首先将GOME-2卫星SIF数据与SCOPE模型相结合, 推算出Vcmax的季节变化模式.此后一系列研究基于实测和模型数据深入探讨了SIF-Vcmax的关系(Koffi et al., 2015; Verrelst et al., 2015; van der Tol et al., 2016; Zhang et al., 2018c; Camino et al., 2019; Fu et al., 2020; Li et al., 2020a), 大多数研究表明SIF具有估算Vcmax的潜力, 然而, 少数研究表明在高光照条件下SIF对Vcmax的敏感性很弱(Koffi et al., 2015).近期, Han等(2022b)利用光反应与碳反应(暗反应)的平衡, 推导出叶绿素荧光激发与光合能力参数的理论方程, 并对光系统II (PSII)的理论叶绿素荧光激发总量(SIFPSII)与Vcmax和最大电子传递速率(Jmax)之间的动态关系提出可检验的假设.结果表明, PSII的氧化还原状态强烈影响SIFPSII与Vcmax和Jmax的关系, 而SIFPSII × qL (qL表示PSII反应中心开放程度)表明了PSII的氧化还原状态, 是Vcmax和Jmax的有效预测因子. ...
Monitoring and assessment of agricultural drought based on solar-induced chlorophyll fluorescence during growing season in North China Plain
1
2020a
... 同样, 基于卫星SIF的全球和区域尺度的结果也表明, 干旱胁迫下, 植物的SIF值会明显下降(Lee et al., 2013; Sun et al., 2015; Zhang et al., 2019a, 2020a; Li et al., 2020b; Liu et al., 2021; Qiu et al., 2022).Lee等(2013)对亚马孙热带雨林的水分胁迫进行了分析, 结果表明在2010年极度干旱的条件下, 亚马孙热带雨林对大气碳吸收量减少, 传统植被指数仅能捕捉到由于叶片损失或者叶绿素含量变化导致的反射率的变化, 而SIF可以直接反映出植被由于水分胁迫, 导致气孔关闭, 造成GPP减少这一事实.因此SIF为大尺度GPP动态变化监测提供了有效工具.2011年美国得克萨斯州和2012年中部大平原发生了两种不同类型的干旱, Sun等(2015)采用GOME-2 SIF分析了两次干旱事件对作物的影响. 结果表明, 在空间分布上, SIF距平的空间分布图与美国干旱程度空间分布图有很好的相关关系, 在年内季节变化上, 也可以很好地反映出干旱对作物光合作用的影响, 该研究很好地证明了SIF可以作为农作物光合作用的直接表征, 能够估算农作物的结构特征及生理状态变化.总的来说, SIF响应干旱胁迫机制主要归因于植物应对水分亏缺时, 关闭气孔并产生一系列的光保护机制, 最终导致NPQ升高和SIF降低(Jonard et al., 2020).然而, 有些研究表明干旱胁迫或者人为诱导气孔关闭时, 相对于净光合速率和气孔导度, SIF并没有显著下降(Helm et al., 2020; Marrs et al., 2020).这可能由于冠层观测SIF除了包含生理信号, 还耦合冠层结构、光照条件等非生理信号, 会干扰其表征植物响应胁迫的真实生理动态变化. ...
... 高温对植物的影响主要表现在以下3个方面: 第一, 高温增强了植物的蒸腾作用, 使其失水过多; 第二, 高温会影响植物体内的各种生理生化反应所需的酶的活性, 从而影响其生长代谢; 第三, 当高温发生时, 植物为了减少蒸腾, 气孔导度下降甚至气孔完全关闭, 进入植物体内的CO2减少, 抑制光合作用, 有机物的积累随之减少(Berry & Bjorkman, 1980).高温和随之而来的高水汽压亏缺(VPD)往往会对植物造成胁迫, 因此, 高温胁迫往往伴随着干旱胁迫, 但不会立即引起植物冠层结构和相应光谱特征的显著变化(Dobrowski et al., 2005; 章钊颖等, 2019).诸多研究表明, 植物的SIF值在高温和干旱胁迫条件下都会下降(Ač et al., 2015; Rossini et al., 2015b; Song et al., 2018, 2020; Wieneke et al., 2018; Wang et al., 2019c; Qiu et al., 2020).在地面增温实验中, Kimm等(2021)发现受与高温胁迫相关的冠层结构和植物生理变化的影响, SIFyield会显著下降, 进一步消除冠层结构影响后的ΦF在响应生理胁迫方面胜过包含结构信息的SIFyield.Song等(2018)利用卫星SIF数据对印度恒河平原2010年小麦高温胁迫进行了综合的研究, 研究发现相比传统植被指数, SIF由于包含了小麦生理信息和冠层结构信息, 使得SIF对此次高温胁迫监测具有更快的响应时间以及更高的灵敏性.因此, 究竟是冠层SIF的生理信息, 还是非生理信息, 还是耦合着生理与非生理信息的冠层SIF本身, 更适合胁迫监测还有待进一步研究. ...
Sun-induced chlorophyll fluorescence is more strongly related to photosynthesis with hemispherical than nadir measurements: evidence from field observations and model simulations
2
2022b
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Angle matters: Bidirectional effects impact the slope of relationship between gross primary productivity and sun-induced chlorophyll fluorescence from Orbiting Carbon Observatory-2 across biomes
1
2018d
... 卫星SIF技术的发展, 为在区域和全球尺度上监测植物光合作用提供了可靠的数据.然而, 卫星SIF遥感数据的空间分辨率低限制了其在精细尺度的应用.尽管结合MODIS等辅助数据采用机器学习、深度学习等方法获取空间连续且时空分辨率得到重构的SIF数据集, 但是这些重构SIF产品可能受到辅助数据集和机器学习方法等的不确定性影响, 并不一定能真正反映植物真实发射的SIF信号.未来, 专为SIF设计的卫星传感器FLEX的空间分辨率可达到300 m, 中国第二代碳卫星(TanSat-2)的空间分辨率也有望达到500 m, 将提供前所未有的空间分辨率的原始SIF数据(Coppo et al., 2017; 刘良云等, 2022).此外, 因为SIF捕获植物受环境或者生物因素的影响往往是高度动态的, 而目前极轨对地观测的卫星SIF数据的时间分辨率低, 暂时不能提供类似地基观测的日变化数据(Xiao et al., 2021).2019年5月搭载于国际空间站的OCO-3是目前在轨的可以提供SIF日变化的卫星传感器, 为大尺度监测生态系统的气孔导度、光合作用和蒸腾作用的日变化特征提供新的契机(Taylor et al., 2020; Xiao et al., 2021).尽管OCO-3具备日变化的监测能力, 但它并不是对一个定点位置进行全天连续的观测.未来, 搭载在地球静止卫星上的地球静止碳循环观测站(GeoCarb)将在85° W的地球静止轨道上运行, 并将以5-10 km的空间分辨率在北美和南美上空观测SIF (Moore et al., 2018).GeoCarb使用与OCO-2类似的O2和CO2通道, 基于OCO-2算法进行SIF反演.在使用密集扫描模式时GeoCarb的灵活扫描策略可以每天多次测量目标区域的SIF.地球静止卫星能够提供SIF的高频观测, 使得无云污染的SIF观测越来越多.但是不同传感器观测的SIF位于不同波段, 且有不同的数据质量.另外地球静止卫星有很大幅度的观测天顶角, 观测角度对SIF的影响不容忽视(Zhang et al., 2018d; Xiao et al., 2021). ...
Reduction of structural impacts and distinction of photosynthetic pathways in a global estimation of GPP from space-borne solar-induced chlorophyll fluorescence
1
2020b
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Assessing bi-directional effects on the diurnal cycle of measured solar-induced chlorophyll fluorescence in crop canopies
1
2020c
... 如公式(2)所示, 冠层SIF可以拆分为生理信息(ΦF)和非生理信息(PAR、fPAR和fesc).如何定量描述fesc对于SIF的生理信息与非生理信息的拆分至关重要.目前, FRSIF的逃逸概率的定量研究相对成熟.Yang和van der Tol (2018)通过研究入射光和发射的FRSIF的辐射传输过程, 推导出FRSIF的冠层散射(即FRSIF的逃逸概率)与冠层顶部反射率之间的关系.Zeng等(2019)基于光谱不变理论, 提出了基于反射率的FRSIF逃逸概率估算的简单方法.基于此, 地基和卫星SIF观测方向性及角度校正取得系列进展, 从而最小化SIF的方向性导致的影响, 进而提高了估算GPP的能力(Zhang et al., 2020c; Hao et al., 2021a, 2021b, 2022).此外, Yang等(2020)提出了一个可以用于区分FRSIF的生理与非生理信息的反射率指数FCVI, 即近红外反射率与可见光反射率之间的差.Yang等(2021)基于FCVI获取生理信息探究SIF-GPP关系的物理和生理基础, 评估冠层尺度下, PAR、fPAR和APAR对SIF-GPP的贡献, 同时使用主动荧光观测研究叶片尺度的能量分配, 以揭示光化学水平下荧光和光合作用之间的关系.Zeng等(2022a)提出了结合FRSIF和植被近红外辐亮度(NIRvR)来提取ΦF的简单方法, 并将该方法应用于3个案例研究.其中光适应案例表明, ΦF可以很好地展示考茨基效应; 热胁迫实验案例表明, 欧洲油菜(Brassica napus)、大麦(Hordeum vulgare)和小麦的ΦF发生下降, 而处于生长期的玉米的ΦF则小幅上升; 对于水分胁迫案例, 甜菜(Beta vulgaris)的ΦF先升高, 下午略有下降.Wu等(2022b)基于NIRv × PAR (NIRvP)提取玉米和杂草的冠层ΦF, 发现ΦF先激增后缓慢下降, 且主导着FRSIF对除草剂的响应.ΦF在不同胁迫条件下的变化仍有待更多的研究. ...
From canopy-leaving to total canopy far-red fluorescence emission for remote sensing of photosynthesis: first results from TROPOMI
1
2019b
... 大量研究表明, 冠层尺度SIF与GPP关系在不同生态系统呈显著正相关关系(Frankenberg et al., 2011; Sun et al., 2017; Zhang et al., 2019b, 2020b; Li & Xiao, 2022).然而, 由于SIF与GPP关系模型受环境因子、冠层结构、植物光合作用途径及时空尺度等多种因素的影响(Magney et al., 2020), 不同生态系统的SIF与GPP关系存在差异(Damm et al., 2015).例如, 由于植物光合途径不同, C3和C4植物的SIF-GPP的线性关系的斜率存在差异(Liu et al., 2017; Zhang et al., 2020b).在全球尺度, Frankenberg等(2011)发现SIF与GPP存在很好的线性关系; 在区域尺度上, Guanter等(2014)通过星载GOME-2的SIF数据与美国玉米(Zea mays)带农田生态系统和西欧草原的涡度通量站点GPP数据建立了简单的线性回归关系; 而在站点尺度, 0.5 h时间分辨率的SIF与GPP模型则不是简单的线性关系.例如, Goulas等(2017)通过对小麦(Triticum asetivum)站点数据分析发现, SIF-GPP的简单线性关系可能只存在于绿色生物量变化明显且光能利用率变化较小的情景; Li等(2020c)通过对玉米站点数据分析发现, 0.5 h尺度的SIF-GPP的非线性关系优于线性关系.不同环境因子影响下的SIF-GPP的关系也存在差异.例如, Li等(2020c)发现不同天空条件(阴天和晴天)会影响SIF-GPP的关系模型; Wieneke等(2018)发现胁迫条件会解耦SIF-GPP的线性关系.总的来说, 在不同生态系统间、不同时空尺度下和不同环境因子影响下的SIF-GPP的关系仍然需要更多的研究, 以更好地服务于陆地生态系统的GPP的精确估算. ...
Sensitivity of estimated total canopy SIF emission to eemotely sensed LAI and BRDF products
1
2021b
... 叶绿体是植物进行光合作用的场所, 叶绿素具有吸收转换光能的作用.因此, 植物叶片叶绿素含量(LCC)的变化是影响光合速率的重要因素(Gitelson et al., 2005; Croft et al., 2020).由于LCC控制着SIF的激发量, 同时对不同波段的SIF的重吸收比例不同, 因此也是导致不同尺度和不同波段的SIF差异的重要因素(Verrelst et al., 2015; Liu et al., 2019c, 2020b; Zhang et al., 2021b).大量研究表明, 在叶片尺度, RSIF与FRSIF的比值与LCC存在很好的幂函数关系(Gitelson et al., 1998; Tubuxin et al., 2015; Li et al., 2020a).基于此, 利用叶片尺度的RSIF与FRSIF比值可以很好地估算LCC (Tubuxin et al., 2015). ...
Comparison of Bi-hemispherical and hemispherical-conical configurations for in situ measurements of solar-induced chlorophyll fluorescence
2
2019c
... 与叶片尺度相比, 地基(以塔基为主) SIF自动观测系统具有高频且连续的优点, 可以有效解决SIF的时间分辨率问题, 并且可以获取冠层尺度的SIF (图2).如表1所示, 目前常用的塔基植被冠层SIF观测系统主要有FluoSpec (Yang et al., 2015), FloX (Julitta et al., 2017), FluoSpec2 (Yang et al., 2018b), PhotoSpec (Grossmann et al., 2018), FAME (Gu et al., 2019), SIFprism (Zhang et al., 2019c), SIFspec (Du et al., 2019), SIFmotor (Zhang et al., 2022b)等.这些塔基冠层SIF观测系统主要由1-3个光谱仪组成, 其中光谱分辨率较高的QEpro光谱仪(Ocean Optics, Dunedin, USA)主要用于SIF的反演, 而光谱分辨率较低的HR2000+或FLAME光谱仪(Ocean Optics, Dunedin, USA)主要用于植被反射率及植被指数的计算.塔基SIF观测系统方法及系统的详细介绍可见李朝晖等(2021)的综述.值得注意的是, 塔基冠层SIF观测系统的空间位置相对固定.因此在选择观测位置时应充分考虑观测目标的空间异质性, 以获取更具代表性的观测数据.此外, 由于从观测目标到传感器的辐射传输路径较短, 接收到的光谱几乎不受各种大气扰动(如尘埃颗粒、气溶胶、水蒸气等)的影响.因此在塔基测量中通常不进行大气校正.但是, Liu等(2019b)认为当观测塔的高度大于10 m时, 塔基观测的数据需要进行大气校正. ...
近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
Temporal resolution of vegetation indices and solar-induced chlorophyll fluorescence data affects the accuracy of vegetation phenology estimation: a study using in situ measurements
3
2022a
... 近年来, 搭载各种传感器的无人机和机载观测系统成为生态系统监测的有效工具(图2).无人机观测系统的飞行参数(如高度、速度和观测角度等)可以根据观测需要进行灵活调整, 因此能够有效弥补地基观测的空间位置固定的问题, 也能够弥合地面和卫星观测之间的尺度差异(Atherton et al., 2018).如表2所示, 无人机非成像SIF观测系统(Piccolo Doppio、HyUAS、AirSIF、FAME-UAV和FluorSpec)设计的基本思路与塔基SIF观测系统基本一致, 由一个亚纳米光谱分辨率的QEpro或者再加一个FLAME光谱仪组成.然而, 与塔基系统不同的是, 无人机SIF观测系统需要精确定位测量的地理位置, 除了使用无人机上的GPS, 还可以搭载一台RGB相机, 用于获取观测地物的位置.以搭载在六旋翼的经纬M600 Pro无人机上的SIF观测系统(Piccolo Doppio)为例, 已有观测结果表明该系统能提供准确的冠层SIF和反射率数据(Zhang et al., 2022a).然而, 无人机SIF观测系统的研发与应用仍处于早期阶段, 主要围绕无人机系统与地面观测系统观测的一致性(Garzonio et al., 2017), 无人机系统足迹范围(Gautam et al., 2020), 农作物的SIF观测(Chang et al., 2020; Wang et al., 2021), 无人机系统影响因素(Bendig et al., 2020)和植被覆盖度对SIF信号的影响(Zhang et al., 2022a)等方面进行研究.基于无人机平台的SIF观测仍存在一些难点, 如传感器和观测目标之间存在一定距离, 大气散射和程辐射会影响基于无人机平台的冠层SIF反演.因此, 基于无人机平台的冠层SIF观测系统需要更精确的大气校正算法, 或者能够消除大气影响的SIF反演算法, 以进一步提高SIF反演精度. ...
