彭金龍 李萌 褚榮浩 倪鋒 謝鵬飛 蔣躍林 申雙和
摘要:日光誘導(dǎo)葉綠素?zé)晒猓╯olar-induced chlorophyll fluorescence,SIF)作為光合作用的直接探針,能對(duì)植物的生理狀態(tài)作出快速、靈敏的響應(yīng),與傳統(tǒng)監(jiān)測方法相比具備早期監(jiān)測植被環(huán)境脅迫的能力,彌補(bǔ)了當(dāng)前植被遙感監(jiān)測的不足。因此,SIF在植被環(huán)境脅迫監(jiān)測中具有良好的應(yīng)用前景。然而,有很多因素會(huì)對(duì)SIF產(chǎn)生影響,使得SIF對(duì)植被環(huán)境脅迫監(jiān)測的應(yīng)用變得更為復(fù)雜。本文首先介紹了SIF的來源和反演方法,對(duì)比分析了各種反演方法的優(yōu)缺點(diǎn),剖析了SIF的影響因素,總結(jié)了目前SIF在植被環(huán)境脅迫監(jiān)測中的應(yīng)用研究,在此基礎(chǔ)上指出目前SIF在植被環(huán)境脅迫監(jiān)測應(yīng)用領(lǐng)域中的不足,最終提出今后可以從SIF的影響因素、反演過程及SIF與植被環(huán)境脅迫之間的機(jī)制關(guān)系等方面開展進(jìn)一步的研究,旨在為陸地生態(tài)系統(tǒng)碳循環(huán)及植被脅迫監(jiān)測等提供理論支持。
關(guān)鍵詞:日光誘導(dǎo)葉綠素?zé)晒?反演;植被;脅迫監(jiān)測;遙感;環(huán)境脅迫
中圖分類號(hào): S127;S184文獻(xiàn)標(biāo)志碼: A
文章編號(hào):1002-1302(2021)24-0029-11
收稿日期:2021-04-22
基金項(xiàng)目:國家自然科學(xué)基金(編號(hào):41905100);安徽省自然科學(xué)基金(編號(hào):2108085QD157、1908085QD171);國家重點(diǎn)研發(fā)計(jì)劃(編號(hào):2018YFD0300905);安徽農(nóng)業(yè)大學(xué)引進(jìn)與穩(wěn)定人才資助項(xiàng)目(編號(hào):yj2018-57);安徽農(nóng)業(yè)大學(xué)青年基金重點(diǎn)項(xiàng)目(編號(hào):2018zd07)。
作者簡介:彭金龍(1996—),男,安徽宿州人,碩士研究生,主要從事農(nóng)業(yè)氣象研究。E-mail:jinlongpeng@ahau.edu.cn。
通信作者:李 萌,博士,講師,主要從事農(nóng)業(yè)氣象研究。E-mail:mengli@ahau.edu.cn。
光合作用作為地球上最重要的生物化學(xué)反應(yīng),是高等植物從陸地大氣環(huán)境中獲取能量的唯一途徑[1]。在該途經(jīng)中,綠色植物通過吸收太陽能,將水和二氧化碳轉(zhuǎn)化為有機(jī)物,同時(shí)釋放出氧氣,進(jìn)而為高等植物進(jìn)行生命活動(dòng)提供必要的物質(zhì)基礎(chǔ)[2]。光能在植物葉片內(nèi)的分配途徑主要包括反射、透射和吸收[3],其中被葉片吸收的光能一部分被葉綠素利用后用于進(jìn)行光合作用,一部分以熱的形式向外耗散,另一部分則以熒光的形式重新釋放出來[3-4]。其中,日光誘導(dǎo)葉綠素?zé)晒猓╯olar-induced chlorophyll fluorescence,SIF)是植被光合作用吸收光后重新激發(fā)的能量,能直接反映植物實(shí)際光合作用的動(dòng)態(tài)變化,被認(rèn)為是監(jiān)測植被生理狀態(tài)的直接探針,能夠?yàn)橹脖还δ茏兓臏?zhǔn)確診斷提供更早期、更直接的方法,并可在大區(qū)域尺度下對(duì)植被生理狀態(tài)進(jìn)行無損監(jiān)測[5]。目前,由于與光合作用之間存在密切的聯(lián)系,SIF已被廣泛用于近地面、飛機(jī)和衛(wèi)星等多尺度下作物環(huán)境脅迫信息的監(jiān)測。
隨著科學(xué)技術(shù)不斷發(fā)展,SIF相關(guān)研究在近10年取得了長足進(jìn)步。Frankenberg等利用日本溫室氣體觀測衛(wèi)星(greenhouse gases observing satellite,GOSAT)首次從太空觀測到全球陸地葉綠素?zé)晒獾募竟?jié)變化,并反演出全球首張陸地SIF地圖,該成果使衛(wèi)星SIF的應(yīng)用研究得到了較大推進(jìn)[6]。盡管GOSAT衛(wèi)星所搭載的傳感器擁有較高的光譜分辨率,但其不能提供空間連續(xù)的地表SIF數(shù)據(jù)[7]。因此,Joiner等利用搭載在歐洲環(huán)境衛(wèi)星(environmental satellite,EnviSat)上的大氣層制圖掃描成像吸收頻譜儀(scanning imaging absorption spectrometer for atmospheric cartography,SCIAMACHY)的觀測數(shù)據(jù)獲取了全球空間連續(xù)的866 nm處的SIF數(shù)據(jù)集[7]。Joiner等基于搭載在EUMETAST極地系統(tǒng)MetOp-A/B衛(wèi)星平臺(tái)的GOME-2傳感器數(shù)據(jù),利用主成分分析(principle component analysis,PCA)算法提取出740 nm處的全球連續(xù)網(wǎng)格化的SIF數(shù)據(jù)[8-9]。由于GOME-2能夠提供覆蓋全球、空間連續(xù)的SIF觀測數(shù)據(jù),且可在開源數(shù)據(jù)網(wǎng)站上獲取相應(yīng)的格點(diǎn)(空間分辨率為05°×0.5°)和非格點(diǎn)產(chǎn)品數(shù)據(jù)(ftp://fluo.gps.caltech.edu/data/Philipp/GOME-2/),使其在目前的研究中應(yīng)用得最廣泛[8-9]。然而,當(dāng)空間尺度較大時(shí)(>10 km),很多生態(tài)系統(tǒng)會(huì)出現(xiàn)較強(qiáng)的空間異質(zhì)性[10]。考慮到上述SIF產(chǎn)品的較低空間分辨率,且不能在生態(tài)系統(tǒng)尺度上與通量站點(diǎn)數(shù)據(jù)進(jìn)行直接對(duì)比,因此很難將其應(yīng)用于生態(tài)系統(tǒng)尺度上的監(jiān)測研究[11-13]。Frankenberg等基于太陽同步軌道碳觀測衛(wèi)星2(Orbiting Carbon Observatory-2,OCO-2)攜帶的高分辨率光譜儀觀測數(shù)據(jù),利用與GOSAT相似的SIF提取算法,準(zhǔn)確提取了757、771 nm 處的SIF數(shù)據(jù)[11,13]。OCO-2 SIF數(shù)據(jù)具有較高的空間分辨率,可以很好地在生態(tài)系統(tǒng)尺度上直接與通量站點(diǎn)的觀測數(shù)據(jù)進(jìn)行比較分析[13]。此外,由于OCO-2使用窄波段擬合,使其反演精度更高,但是OCO-2在采用高光譜分辨率、高空間分辨率的同時(shí)犧牲了其空間上的連續(xù)性,導(dǎo)致部分區(qū)域的SIF數(shù)據(jù)缺失,呈條帶狀分布。中國的碳衛(wèi)星(Tansat)于2016年12月發(fā)射,其衛(wèi)星設(shè)置與 OCO-2 類似[14]。Du等基于Tansat數(shù)據(jù)提取出 758.8 nm 處的非連續(xù)SIF產(chǎn)品數(shù)據(jù),空間分辨率為2 km×2 km,且算法精度明顯優(yōu)于GOME-2等同類產(chǎn)品[14]。盡管OCO-2、Tansat等SIF產(chǎn)品數(shù)據(jù)有較高的空間分辨率,但是其在空間上具有不連續(xù)性,而具有空間連續(xù)性的SIF產(chǎn)品數(shù)據(jù)的空間分辨率普遍較低,上述因素均制約著當(dāng)前SIF產(chǎn)品數(shù)據(jù)的應(yīng)用,使得滿足目前各類研究需求的衛(wèi)星SIF產(chǎn)品依然比較匱乏[15-16]。針對(duì)上述問題,Yu等采用原始OCO-2 SIF觀測數(shù)據(jù)和MODIS BRDF校正的沿OCO-2軌道的七波段地表反射率,結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了高分辨率(時(shí)間分辨率為16 d,空間分辨率為0.05°×005°)且空間上連續(xù)的全球SIF產(chǎn)品數(shù)據(jù)(SIFoco2_005)[17]。Li等采用MODIS、MERRA-2數(shù)據(jù),通過選定預(yù)測模型估算生成了2000—2017年全球SIF產(chǎn)品數(shù)據(jù)GOSIF(時(shí)間分辨率為8 d,空間分辨率為0.05°×0.05°)[18]。此外,歐洲航天局(European Space Agency,ESA)于2017年10月發(fā)射了哨兵-5(Sentinel-5P)衛(wèi)星,其搭載的TROPOMI傳感器在725~775 nm內(nèi)具有 0.38 nm 的光譜分辨率,同樣能滿足SIF數(shù)據(jù)反演的需求[19]。Khler等利用TROPOMI傳感器的觀測數(shù)據(jù),在743~758 nm的窗口內(nèi)獲取了740 nm處的SIF數(shù)據(jù)[19],該產(chǎn)品幾乎每天都可進(jìn)行空間尺度上的連續(xù)觀測,能夠提供覆蓋全球的SIF數(shù)據(jù),解決了上述SIF產(chǎn)品存在的系列問題。另外,歐洲航天局也預(yù)計(jì)于2022年發(fā)射熒光探測器(fluorescence explorer,F(xiàn)LEX)探測衛(wèi)星,該衛(wèi)星能夠提供空間上連續(xù)且分辨率為0.3 km的全波段SIF產(chǎn)品數(shù)據(jù),全面提高了SIF在監(jiān)測植被環(huán)境脅迫方面的能力和精度[1,15]。表1為目前可用于反演全球SIF的相關(guān)衛(wèi)星傳感器信息(包括在軌運(yùn)行和計(jì)劃發(fā)射的)。
綜上所述,由于SIF與光合作用之間的獨(dú)特聯(lián)系,與傳統(tǒng)植被指數(shù)相比,其已成為遙感監(jiān)測植被環(huán)境脅迫的全新手段,并能夠準(zhǔn)確、提前地探測到植被所遭受的環(huán)境脅迫信息。在以往的研究中,王冉等著重總結(jié)了SIF的原理、反演算法和相關(guān)應(yīng)用研究[4,20],Mohammed等對(duì)近50年以來SIF的原理、反演方法及不同平臺(tái)的綜合應(yīng)用和發(fā)展情況進(jìn)行了歸納總結(jié)[21],Jonard等著重分析了植被SIF信息與水文參數(shù)之間的關(guān)聯(lián)機(jī)制[22],章釗穎等詳細(xì)介紹了SIF在全球碳循環(huán)監(jiān)測方面的研究進(jìn)展[5],詹春暉等概述了葉片、冠層和生態(tài)系統(tǒng)尺度的相關(guān)SIF模型,從建模機(jī)制角度對(duì)比分析了SIF模型的優(yōu)劣,并對(duì)其未來發(fā)展應(yīng)用前景進(jìn)行展望[23]。上述研究雖然對(duì)SIF的相關(guān)應(yīng)用研究進(jìn)行了具體總結(jié),但是均未對(duì)植被環(huán)境脅迫監(jiān)測方面的研究進(jìn)展進(jìn)行詳細(xì)述評(píng)。因此,本文擬著重闡述SIF反演及其在植被環(huán)境脅迫監(jiān)測方面的最新研究進(jìn)展,并針對(duì)SIF的影響因素、反演及與植被環(huán)境脅迫之間的機(jī)制研究等方面提出建設(shè)性研究展望,以期為科研工作者進(jìn)一步開展SIF相關(guān)研究提供指導(dǎo)性建議。
1 SIF的來源
葉綠素?zé)晒馐侨~綠素分子吸收光能后,在極短的時(shí)間內(nèi)重新釋放的紅光和近紅外波段的光子[12]。當(dāng)太陽光入射到植物葉片表面時(shí),通常被反射、透射或吸收[24]。如圖1所示,植物葉片對(duì)紅光和藍(lán)光的吸收能力較強(qiáng),當(dāng)吸收的能量超過植物光合作用所需的能量時(shí),多余的能量則會(huì)以熱、熒光等形式釋放出來[20]。熒光集中的波段主要包括藍(lán)光(440~450 nm)、綠光(520~530 nm)、紅光(690 nm)和遠(yuǎn)紅光(735~780 nm)等。藍(lán)光、綠光波段的熒光主要由不含葉綠素的葉片表皮與葉脈細(xì)胞壁的肉桂酸等釋放,而紅光、遠(yuǎn)紅光波段的熒光主要由葉片葉肉細(xì)胞中葉綠體的葉綠素a釋放[24]。就單一作物而言,葉片在藍(lán)光和綠光波段釋放的熒光強(qiáng)度保持不變,而葉綠素?zé)晒馀c光合作用之間卻呈相反的變化關(guān)系[25]。
由于獲取手段的差異性,葉綠素?zé)晒庵饕ㄖ鲃?dòng)、被動(dòng)誘導(dǎo)葉綠素?zé)晒鈁15,26],前者以人工光源為輻射源,該方法獲取的葉綠素?zé)晒庑畔⒘控S富且基本不受天氣條件影響[27];后者以太陽光為激發(fā)光源,該方法獲取的葉綠素?zé)晒馐茏匀粭l件的影響較大,被稱為SIF[27]??傮w而言,葉綠素分子吸收光能后主要用于驅(qū)動(dòng)光合作用(光化學(xué)反應(yīng))、光子形式的再釋放(熒光)及熱耗散[28]等3個(gè)過程,這3個(gè)過程之間相互關(guān)聯(lián)而非孤立存在,其中葉綠素?zé)晒獍l(fā)射量與光合作用效率直接相關(guān),可以提供關(guān)于光化學(xué)反應(yīng)和熱耗散量子效率的有價(jià)值的信息[29]??梢姡琒IF可以作為植被瞬時(shí)光合作用活性的理想探針,在植被環(huán)境脅迫監(jiān)測研究中具有很大應(yīng)用潛力[23]。
2 SIF的獲取方法
根據(jù)計(jì)算過程中的不同物理參數(shù)類別,獲取SIF的方法主要包括以下幾個(gè):(1)基于輻射數(shù)據(jù),如天瑯禾費(fèi)熒光測定(Fraunhofer line discrimination,F(xiàn)LD)算法[31]、多光譜數(shù)據(jù)的3FLD(three bands FLD)算法[32]和cFLD(correct FLD)算法[33]、基于高光譜數(shù)據(jù)的iFLD(improved FLD)算法[34]以及波譜擬合法(spectral fitting method,SFM)[35]。(2)基于反射率數(shù)據(jù),該方法通過葉綠素?zé)晒鈱?duì)葉片或冠層反射的貢獻(xiàn)來建立相應(yīng)的反射率指數(shù),并以該指數(shù)作為葉綠素?zé)晒獾闹刚鱗16]。(3)模型模擬法,該方法也是一種常用的葉綠素?zé)晒猥@取方法,其中最為典型的冠層尺度模型為土壤冠層觀測、光化學(xué)與能量通量(soil canopy observation,photochemistry and energy fluxes,SCOPE)模型[36]。
2.1 基于輻亮度的方法
2.1.1 FLD算法 與葉片反射的輻射相比,熒光信號(hào)強(qiáng)度非常弱[31]。因此,為了能夠較好地測量熒光信號(hào),一般選擇入射光很低而熒光比例較高的波長[31]。FLD算法利用大氣吸氧帶測定植被發(fā)出的熒光,氧氣(O2)在2個(gè)特定的區(qū)域強(qiáng)烈吸收輻射,包括760 nm處的O2-A波段和687 nm處的O2-B波段,這2個(gè)區(qū)域均位于一個(gè)非常窄的波段內(nèi)(≈2 nm),因此到達(dá)葉片的波長非常低[33]。FLD算法利用夫瑯禾費(fèi)線內(nèi)和夫瑯禾費(fèi)線外波段(即λin、λout)的表觀輻亮度,同時(shí)假設(shè)2個(gè)波段足夠臨近[31]。如圖2所示,通過將參考目標(biāo)的吸收線深度(圖2中的a、b,在測量中沒有熒光發(fā)射)與同時(shí)測量的植被目標(biāo)的吸收線深度(圖2中的c、d)進(jìn)行比較,可以估算出植物發(fā)出的熒光量(f)和實(shí)際的反射率(R)[33],具體計(jì)算見公式(1)和公式(2)。
f=a×d-c×da-b;(1)
R=c-da-b。(2)
目前,學(xué)者們已基于FLD算法開展了系列研究,McFarlane等利用夫瑯禾費(fèi)暗線原理,研制了葉綠素?zé)晒鈨x,并對(duì)葡萄等植株的熒光參數(shù)及熒光量進(jìn)行探測[37]。張永江等利用FLD算法監(jiān)測小麥條銹病,結(jié)果表明采用該算法得到的熒光強(qiáng)度能夠探知田間植株的健康狀況[38]。Cheng等使用FLD算法獲得了熒光信號(hào)反演的總初級(jí)生產(chǎn)力(gross primary production,GPP),并指出該算法能夠很好地反映植物光合作用的季節(jié)變化[39]。
2.1.2 3FLD算法 雖然FLD算法操作簡便,但在實(shí)際使用過程中,吸收的線內(nèi)外波段的反射率值和熒光值之間往往存在一定差異,進(jìn)而對(duì)熒光估算值的準(zhǔn)確性產(chǎn)生影響[32]。為了解決FLD算法假設(shè)的局限性,Maier等提出了3FLD算法,該算法主要利用夫瑯禾費(fèi)暗線上的1個(gè)波段及線上的左右2個(gè)波段建立方程并求解,同時(shí)假設(shè)吸收線附近的熒光和反射率值滿足線性變化[32]。該算法在FLD算法的基礎(chǔ)上,主要采用吸收線左右兩側(cè)波段的太陽入射或反射輻亮度的加權(quán)平均值來替代吸收線左側(cè)的太陽入射或反射輻亮度[32]。
2.1.3 iFLD算法 FLD算法假設(shè)夫瑯禾費(fèi)暗線內(nèi)外的熒光值和反射率值是相等的,然而Alonso等研究發(fā)現(xiàn),這一假設(shè)可能會(huì)給葉綠素?zé)晒夥囱輲頂?shù)倍的誤差,并提出了一種改進(jìn)的FLD算法(iFLD),該算法假設(shè)吸收線內(nèi)外的熒光值和反射率值呈非線性變化,并且可以通過2個(gè)校正系數(shù)來表示[34]。由于熒光光譜和真實(shí)反射率難以直接獲取,Alonso等采用表觀反射率光譜比值代替真實(shí)反射率光譜比值,該算法在夫瑯禾費(fèi)暗線外部需要多個(gè)波段,在內(nèi)部需要1個(gè)波段,通過3次樣條函數(shù)對(duì)吸收線兩側(cè)的波段進(jìn)行插值并得到插值后的表觀反射率,最后用該表觀反射率替代真實(shí)反射率計(jì)算得到反射率比值校正系數(shù)[34]。
2.1.4 cFLD算法 該算法是由Gomez-Chova等研究并提出的,其對(duì)FLD算法進(jìn)行了改進(jìn),提高了反演值的準(zhǔn)確性,包括對(duì)O2吸收帶反射率和熒光曲線更真實(shí)的模擬[33]。結(jié)果表明,雖然760 nm波段處的光譜分辨率不是最高的,但是降低了標(biāo)準(zhǔn)FLD算法中色散的估計(jì)誤差。另一方面,由于基線反射率曲線的假設(shè)不合理,即使使用標(biāo)準(zhǔn)的FLD算法,687 nm波段的熒光絕對(duì)值也存在較大偏差,但是這個(gè)波段對(duì)熒光變化仍然很敏感。因此可見,cFLD算法具有較好的輻射靈敏度,可用于760 nm處的熒光估計(jì)。
2.1.5 SFM算法 該算法由Meroni等提出,其認(rèn)為夫瑯禾費(fèi)暗線附近的熒光值和反射率變化均可通過簡單的數(shù)學(xué)方法來描述,從而彌補(bǔ)了FLD算法的線性假設(shè)造成的誤差[35]。Damm等比較了FLD算法、3FLD算法和iFLD算法發(fā)現(xiàn),F(xiàn)LD算法計(jì)算得到的熒光值高于其余2種方法計(jì)算得到的熒光值,而3FLD算法、iFLD算法獲取的熒光值更加準(zhǔn)確[40]。Meroni等利用模擬數(shù)據(jù)對(duì)SFM算法和FLD算法進(jìn)行對(duì)比發(fā)現(xiàn),在任何噪聲干擾的情況下,SFM算法的精度都要高于FLD算法[35]。以上幾種算法都需要相應(yīng)的假設(shè)前提條件,并不完全符合植被所處的真實(shí)環(huán)境狀況,因此上述幾種算法在估算熒光值的過程中均會(huì)產(chǎn)生一定誤差[4,16],在使用過程中需要根據(jù)具體需求選擇最優(yōu)算法。
2.2 基于反射率的方法
該方法實(shí)際獲取的是反映熒光強(qiáng)度大小的反射率指數(shù)[4]?;诜瓷渎实臒晒庵笖?shù)大致可分為以下3種類型:反射率比值指數(shù)(reflectance ratio index)[41]、導(dǎo)數(shù)指數(shù)(reflectance derivative index)[42]和填充指數(shù)(reflectance infilling index)[43]。
2.2.1 反射率比值指數(shù) Dobrowski等于2005年提出了反射率比值指數(shù),該指數(shù)的基本原理是通過計(jì)算1個(gè)弱熒光波段和1個(gè)強(qiáng)熒光波段的反射率的比值,以過濾與反射率相關(guān)的光譜信息,進(jìn)而獲取熒光信息[41]。
2.2.2 反射率導(dǎo)數(shù)指數(shù) 與比值指數(shù)類似,反射率導(dǎo)數(shù)指數(shù)也是一種歸一化方法[16],該指數(shù)是對(duì)反射率進(jìn)行一階導(dǎo)數(shù)計(jì)算得到的[4,16]。Zarco-Tejada等研究發(fā)現(xiàn),計(jì)算反射率的一階導(dǎo)數(shù)可以增加熒光的影響,進(jìn)而能有效監(jiān)測熒光所引起的微弱變化[42]。
2.2.3 反射率填充指數(shù) Perez-Priego等于2005年研究并提出了反射率填充指數(shù),發(fā)現(xiàn)其熒光信號(hào)主要通過2個(gè)波段反射率的差值相關(guān)聯(lián)[43]。然而,考慮到夫瑯禾費(fèi)暗線的深度受到大氣和太陽觀測角度變化的共同影響,熒光的大小和夫瑯禾費(fèi)暗線的深度均會(huì)對(duì)該指數(shù)產(chǎn)生一定影響,因此該指數(shù)僅適用于相同時(shí)間、相同觀測條件下的數(shù)據(jù)對(duì)比。
2.3 模型模擬法
SCOPE模型是荷蘭特溫特大學(xué)國際地理信息科學(xué)與地球觀測學(xué)院(ITC)學(xué)院的van der Tol等于2009年研究開發(fā)的一種綜合輻射傳輸與能量守恒的一維模型,該模型是當(dāng)前模擬SIF認(rèn)可度最高且最廣泛的模型之一[36]。SCOPE模型中的Fluspect模塊和基于任意傾斜葉片散射(scattering by arbitrarily inclined leaves,SAIL)模型的RTMo模塊可以分別計(jì)算植物葉片和冠層尺度的SIF[44],其中Fluspect模型增加了葉片尺度上SIF的輻射傳遞,是對(duì)PROSPECT模型的進(jìn)一步擴(kuò)展[45]。Verrelst等研究發(fā)現(xiàn),SCOPE模型的最大優(yōu)勢是耦合了葉片生理模型和冠層輻射傳輸模型,能夠定量分析不同輸入?yún)?shù)對(duì)SIF的敏感性,消除生理、非生理參數(shù)對(duì)SIF的影響[46]。奚雷等研究指出,SCOPE模型可以模擬水稻不同生育期的SIF和GPP[44]。
截至目前,荷蘭特溫特大學(xué)ITC學(xué)院的Yang等在首個(gè)SCOPE模型版本(SCOPE 1.0)的基礎(chǔ)上不斷更新完善,于2020年底跳躍性地更新發(fā)布了SCOPE 2.0版本[47]。SCOPE 2.0版本的主要目的是通過物理方式將衛(wèi)星觀測的可見光、紅外和遠(yuǎn)紅外數(shù)據(jù)與陸地表面過程聯(lián)系起來,并量化冠層的微氣候[47]。此外,SCOPE 2.0版本也具備了許多新的功能:(1)可以定義由具有不同特性的葉片組成的層,進(jìn)而可以模擬植被下層或垂直葉綠素濃度梯度;(2)模擬土壤反射率;(3)模擬由葉黃素循環(huán)引起的葉片和冠層反射率變化;(4)計(jì)算速度與以往版本相比提高了90%。上述新增功能使得SCOPE模型表征復(fù)雜植被冠層的能力得到了很大提升,同時(shí)也探索了遙感信號(hào)對(duì)植被生理生態(tài)的響應(yīng)[47]。計(jì)算速度的提高使得SCOPE 2.0可以用于衛(wèi)星數(shù)據(jù)和地表通量的模擬,還進(jìn)一步加強(qiáng)了從衛(wèi)星或機(jī)載數(shù)據(jù)進(jìn)行地面SIF產(chǎn)品反演的可操作性。
3 SIF的影響因素
影響SIF的因素較多,主要包括植物生理參數(shù)和環(huán)境因子兩大類[15]。其中,植物生理參數(shù)方面的影響因素主要包括葉綠素濃度及葉片、冠層結(jié)構(gòu)等[15,48]。
植物吸收光量或光合有效輻射吸收比例的改變主要通過調(diào)整其葉片中葉綠素含量的大小來實(shí)現(xiàn)的[49]。Adams等研究指出,在較高葉綠素濃度下,單位葉綠素濃度吸收的光能隨葉綠素濃度的增加而減少,葉綠素濃度和光吸收量之間存在非線性關(guān)系[50-51]。Porcar-Castell等研究發(fā)現(xiàn),植物體內(nèi)葉綠素對(duì)紅光、藍(lán)光具有強(qiáng)烈的吸收作用,且紅光的穿透力較強(qiáng),這使得植物吸收不同波段的光照度會(huì)隨著葉綠素含量的變化而變化[52]。此外,不同葉片結(jié)構(gòu)也會(huì)改變進(jìn)入葉片內(nèi)部和葉片反射能量的大小,進(jìn)而影響葉綠素?zé)晒馀c光合作用之間的關(guān)系[53]。Fukshansky等研究指出,光線在葉片內(nèi)部會(huì)經(jīng)歷復(fù)雜的反射與散射過程,其進(jìn)入植物葉片體內(nèi)的平均路徑長度是葉片厚度的2~4倍,這主要是由于葉片分子分布不均勻,進(jìn)而導(dǎo)致光線在經(jīng)過等長的路徑時(shí)遇到的分子數(shù)量也有所差異[53]。因此可見,葉片結(jié)構(gòu)是引起輻射傳輸過程中能量差異的主要原因。此外,在葉片和冠層尺度以高空觀測的過程中,葉綠素?zé)晒獾闹匚毡壤捌浼ぐl(fā)光的穿透能力將對(duì)探測器接收熒光能量的大小產(chǎn)生重要影響[54]。
環(huán)境因子方面的影響因素主要包括空氣溫度、飽和水汽壓差、太陽天頂角、水分脅迫等[55],其對(duì)葉綠素?zé)晒猓ㄓ绕涫荢IF)影響重大。Almeida等指出,空氣溫度和飽和水汽壓差等在一定程度上決定了植物氣孔的開閉程度,進(jìn)而通過影響蒸騰作用、光合作用效率來改變SIF。這是由于葉片氣孔的關(guān)閉直接影響CO2進(jìn)入植物葉片內(nèi),導(dǎo)致光合速率下降、SIF增加[56-57]。Daumard等研究發(fā)現(xiàn),太陽輻射在大氣中的穿行路徑長度主要取決于太陽天頂角,太陽天頂角越小,其穿行的路徑越短,散射輻射越小,葉片接收的能量越強(qiáng)[58]。水分脅迫是一種常見的環(huán)境脅迫,Chaves等指出,水分脅迫對(duì)植物的影響主要體現(xiàn)在以下2個(gè)方面:一是會(huì)導(dǎo)致細(xì)胞水勢減小和氣孔關(guān)閉,從而減少進(jìn)入植物體內(nèi)CO2,最終抑制植物光合作用;二是會(huì)損害葉肉光合器官,阻礙光合作用進(jìn)程[59-60]。上述環(huán)境因子在常規(guī)狀態(tài)下通常相伴而生,比如太陽天頂角的變化會(huì)改變?nèi)肷淠芰康拇笮?,?dǎo)致地表溫度和飽和水汽壓差發(fā)生改變,進(jìn)而影響植被蒸騰速率和水分吸收與運(yùn)輸能力,最終引發(fā)不同程度的干旱脅迫,改變植物光合速率和SIF釋放量[15,48-49]。
4 SIF在植被環(huán)境脅迫監(jiān)測中的研究進(jìn)展
由于SIF與光合作用之間存在直接聯(lián)系,其能夠從近地面、飛機(jī)和衛(wèi)星等多尺度上監(jiān)測作物的脅迫信息。與基于傳統(tǒng)植被指數(shù)的監(jiān)測方法相比,SIF能夠?qū)χ脖画h(huán)境脅迫作出快速響應(yīng),同時(shí)能夠提供更為豐富的信息[5]。由于SIF對(duì)水分、溫度等環(huán)境因子的響應(yīng)十分敏感,因此SIF在植被環(huán)境脅迫監(jiān)測方面的應(yīng)用研究主要集中在水分脅迫、溫度脅迫等方面。
4.1 水分脅迫
水分脅迫主要包括干旱和澇漬脅迫,其中影響較大的是干旱脅迫。干旱會(huì)對(duì)居民生活用水、農(nóng)業(yè)生產(chǎn)活動(dòng)、陸地生態(tài)系統(tǒng)等產(chǎn)生重大影響,并最終對(duì)經(jīng)濟(jì)和社會(huì)發(fā)展產(chǎn)生不利影響[61]。特別是在近年來全球氣候變暖加劇、水資源需求增加的背景下,干旱風(fēng)險(xiǎn)日益成為世界性的突出問題[61-62]。準(zhǔn)確、及時(shí)地監(jiān)測大規(guī)模干旱事件,對(duì)于明晰植被對(duì)氣候變化的響應(yīng)、保證糧食安全等至關(guān)重要[63]。
近幾十年來,遙感一直是監(jiān)測水分脅迫狀態(tài)的重要手段[64-65]。可見光波段、近紅外波段的冠層反射率可以提供植被生長的有效信息,因此基于冠層反射率的各類植被指數(shù)(vegetation indices,VIs)相繼被開發(fā),并用于田間、區(qū)域尺度植被水分脅迫的監(jiān)測中[66-68]。傳統(tǒng)VIs在監(jiān)測植被對(duì)降水的響應(yīng)過程中存在一定的滯后性,不能及時(shí)準(zhǔn)確地監(jiān)測到植被體內(nèi)水分的動(dòng)態(tài)變化,其中歸一化植被指數(shù)(normalized difference vegetation index,NDVI)在水分脅迫監(jiān)測中的應(yīng)用最為廣泛[69]?;谛l(wèi)星遙感產(chǎn)品數(shù)據(jù)[如中分辨率成像光譜儀(MODerate resolution imaging spectroradiometer,MODIS)],NDVI可以精確地監(jiān)測到連續(xù)水分脅迫的時(shí)空變化特征,在水分脅迫監(jiān)測和評(píng)估中發(fā)揮著重要作用[69-70]。然而,NDVI只能反映植被生物量或綠度變化的后期響應(yīng),不能反映植物光合作用的早期變化,這限制了其在早期水分脅迫監(jiān)測中的適用性。因此,亟需找到一種新的監(jiān)測工具或手段來解決傳統(tǒng)VIs在水分脅迫監(jiān)測中存在的問題。經(jīng)過國內(nèi)外學(xué)者長期努力探索,SIF作為一種全新的工具被發(fā)現(xiàn),由于SIF與光合作用之間的密切關(guān)系,目前利用SIF監(jiān)測植被水分脅迫狀態(tài)的研究主要集中在地面試驗(yàn)和航空航天尺度。
在田間試驗(yàn)尺度方面,研究者主要以農(nóng)作物為監(jiān)測對(duì)象,采用人工控水的處理方法來形成不同梯度等級(jí)的水分脅迫,并采用便攜式光譜儀等來獲取作物冠層光譜信息,實(shí)時(shí)監(jiān)測作物生長狀況[5]。Perez-Priego等研究證明,冠層SIF可以用于基于地面測量的水分脅迫監(jiān)測[43]。Dobrowski等研究發(fā)現(xiàn),在紅邊光譜區(qū)域計(jì)算的簡單反射率指數(shù)可以追蹤水分脅迫引起的SIF變化,從而實(shí)現(xiàn)與植物生理過程直接相關(guān)的作物水分脅迫的快速評(píng)估[41]。Daumard等通過SIF的連續(xù)地面測量進(jìn)一步指出,SIF可以較早地檢測到高粱田發(fā)生的可逆性水分脅迫,且從航空圖像SIF信號(hào)中可以檢測到高粱田在水分脅迫條件下的生理變化[71]。Acˇ等研究指出,在葉片和冠層尺度上,SIF信號(hào)強(qiáng)度的下降與水分脅迫有關(guān)[72]。Liu等在對(duì)干旱條件下小麥SIF響應(yīng)機(jī)制的研究中發(fā)現(xiàn),SIF對(duì)干旱的發(fā)生極為敏感,能夠提供更早的干旱發(fā)展信息,可用于干旱的早期監(jiān)測中[73]。此外,SIF在封閉性冠層的干旱監(jiān)測中更為可行,可以檢測土壤濕度,提供不同干旱條件下表層土壤的水分信息。
在航空航天尺度開展基于SIF的水分脅迫監(jiān)測研究,數(shù)據(jù)來源主要包括機(jī)載光譜設(shè)備或衛(wèi)星遙感影像等,其中機(jī)載光譜設(shè)備與地面監(jiān)測設(shè)備需要保持同步運(yùn)行,以保證觀測數(shù)據(jù)的一致性,進(jìn)而采用地面監(jiān)測結(jié)果對(duì)高空監(jiān)測結(jié)果的精度進(jìn)行有效驗(yàn)證[5,74]。衛(wèi)星遙感影像可以實(shí)現(xiàn)大范圍連續(xù)實(shí)時(shí)觀測,對(duì)SIF在區(qū)域尺度的應(yīng)用具有重要意義。Zarco-Tejada等通過航空高光譜數(shù)據(jù)探究了葉綠素含量和葉面積指數(shù)(LAI)等植被冠層參數(shù)對(duì)熒光信息的影響,指出可以使用機(jī)載傳感器來獲取冠層尺度的熒光信息,并可用于監(jiān)測作物的干旱脅迫狀態(tài)[75]。Lee等研究發(fā)現(xiàn),干旱脅迫會(huì)使SIF和傳統(tǒng)VIs同時(shí)降低,但在不同干旱脅迫程度下,二者的遞減趨勢不一致,在嚴(yán)重干旱脅迫下,二者的下降趨勢較為明顯;在中度干旱脅迫下,SIF顯著降低,而傳統(tǒng)VIs變化較小。此外,不同植被覆蓋類型的SIF信息對(duì)干旱事件的響應(yīng)程度也存在差異[76]。Yoshida等研究指出,混交林的SIF對(duì)干旱的敏感性不如農(nóng)田和草原[77]。Sun等研究發(fā)現(xiàn),SIF對(duì)植被結(jié)構(gòu)和生理生化參數(shù)的變化十分敏感,具有極佳的動(dòng)態(tài)干旱監(jiān)測潛力[78]。Wang等研究發(fā)現(xiàn),SIF與通量估算的GPP之間具有很好的一致性,在極端干旱條件下,SIF和GPP保持同步下降;在生長高峰期,SIF的下降幅度大于GPP;而在衰老過程中,GPP仍在繼續(xù)降低,而SIF的降低趨勢有所緩解[79]。Chen等發(fā)現(xiàn),SIF對(duì)干旱的發(fā)生較為敏感,可用于及時(shí)監(jiān)測農(nóng)業(yè)生態(tài)系統(tǒng)上發(fā)生的干旱[80]。Wang等研究發(fā)現(xiàn),SIF可以合理地捕捉干旱事件發(fā)展的時(shí)空動(dòng)態(tài)變化,且在干旱的早期發(fā)展階段,SIF較傳統(tǒng)VIs有明顯的下降和提前的響應(yīng),對(duì)于準(zhǔn)確和及時(shí)監(jiān)測干旱事件的發(fā)展具有很大潛力[81]。Zhang等研究發(fā)現(xiàn),SIF作為植被實(shí)際光合作用的直接探針,比傳統(tǒng)VIs具有更多的優(yōu)勢[82]。因此可見,衛(wèi)星SIF可以用來進(jìn)行大尺度下的水分脅迫監(jiān)測研究。但是由于目前熒光產(chǎn)品數(shù)據(jù)較少,暫時(shí)不能直接提供高分辨率且空間連續(xù)的地表SIF數(shù)據(jù),后期仍需開展大量工作[19,49]。
綜上,利用SIF對(duì)水分脅迫的監(jiān)測研究仍然處于早期階段,已有的研究仍較少或不全面。此外,在實(shí)際情況下,水分脅迫并不會(huì)單獨(dú)存在,其他因子也會(huì)對(duì)SIF產(chǎn)生一定影響,如何系統(tǒng)探究SIF對(duì)復(fù)合脅迫的響應(yīng)仍需進(jìn)一步探討。
4.2 溫度脅迫
極端溫度是限制作物產(chǎn)量最嚴(yán)重的非生物脅迫之一。然而,考慮到氣候變化下熱浪或低溫事件的頻率和嚴(yán)重程度的增加,了解農(nóng)作物對(duì)溫度脅迫的響應(yīng)仍然有限。衛(wèi)星遙感對(duì)植被生長狀況的觀測為量化溫度對(duì)作物的影響提供了獨(dú)特的機(jī)會(huì)[83]。傳統(tǒng)VIs,如NDVI和增強(qiáng)型植被指數(shù)(enhanced vegetation index,EVI)等通常用來評(píng)價(jià)作物生長狀況和預(yù)測作物產(chǎn)量[84-86]。其他植被指數(shù)如捕捉葉黃素循環(huán)的光化學(xué)指數(shù)(photochemical reflectance index,PRI),可以監(jiān)測到葉黃素色素環(huán)氧化的狀態(tài),并可指征植物色素由于光能利用率的變化而變化[87-88]。然而,植被指數(shù)可能無法檢測到由氣候因子脅迫引起的植被光合功能的快速變化[89]。許多研究發(fā)現(xiàn),SIF與植物實(shí)際光合作用有直接關(guān)系,當(dāng)植物受到溫度脅迫時(shí),SIF可以實(shí)現(xiàn)快速響應(yīng)。
與水分脅迫類似,利用SIF對(duì)溫度脅迫的監(jiān)測研究也是從地面試驗(yàn)和航空航天尺度開展的。Agati發(fā)現(xiàn),在低溫脅迫下,紅光波段熒光的增加值要低于遠(yuǎn)紅光波段熒光的增加值,進(jìn)而導(dǎo)致兩者比值降低[90]。Dobrowski等研究發(fā)現(xiàn),在紅邊光譜區(qū)域計(jì)算的簡單反射率指數(shù)可以追蹤到溫度脅迫引起的SIF變化,從而提供與植物生理生長過程直接相關(guān)的脅迫信息的快速評(píng)估[41]。Acˇ等研究指出,在葉片水平上,低溫會(huì)使SIF顯著提高,而熱脅迫并不會(huì)使SIF顯著降低[72]。Song等在對(duì)印度恒河平原冬小麥熱脅迫的研究中發(fā)現(xiàn),SIF異常的空間形態(tài)與研究區(qū)熱應(yīng)力的時(shí)間演變密切相關(guān),且SIF可以提供大規(guī)模、與生理相關(guān)的小麥脅迫響應(yīng)[89]。Wang等指出,SIF可以合理地捕捉熱脅迫發(fā)展的時(shí)空動(dòng)態(tài),在熱脅迫的早期階段,SIF產(chǎn)量與傳統(tǒng)植被指數(shù)相比有提前反應(yīng),呈現(xiàn)明顯的下降趨勢[81]。此外,SIF產(chǎn)量異常對(duì)高水汽虧缺比低土壤水分更為敏感,SIF對(duì)于準(zhǔn)確及時(shí)地監(jiān)測熱脅迫的發(fā)展也具有很大潛力。Zhang等研究發(fā)現(xiàn),與植物吸收的光合有效輻射(absorbed photosynthetically active radiation,APAR)相比,SIF對(duì)溫度更為敏感。對(duì)于不同植被覆蓋類型而言,其對(duì)應(yīng)的SIF對(duì)溫度的響應(yīng)程度也不一致[82]。Pinto等研究發(fā)現(xiàn),將SIF與相關(guān)反射率指數(shù)相結(jié)合來估計(jì)熱脅迫引起的冠層光合作用的變化是有潛力的[91]。
綜上所述,與傳統(tǒng)VIs相比,SIF在機(jī)制上與光合作用有關(guān),且在溫度脅迫監(jiān)測方面顯示出一定的優(yōu)勢。同時(shí),有研究發(fā)現(xiàn),SIF在植被遭受溫度脅迫時(shí)具有早期預(yù)警能力。然而,在區(qū)域及全球尺度條件下,SIF是否具有高溫及其他脅迫的早期預(yù)警能力還需要進(jìn)一步研究。
4.3 其他脅迫
目前,基于SIF的植被環(huán)境脅迫監(jiān)測的研究主要集中在水分脅迫和溫度脅迫方面,關(guān)于其他脅迫的研究仍較少且缺乏系統(tǒng)性。在重金屬脅迫相關(guān)研究方面,瞿瑛等研究發(fā)現(xiàn),農(nóng)作物在受到重金屬Cu脅迫時(shí),其SIF的輻射特征會(huì)發(fā)生改變[92-93],進(jìn)而可以采用SIF來間接指征植被遭受重金屬脅迫時(shí)的強(qiáng)度。在病害脅迫研究方面,趙葉等研究指出,SIF與傳統(tǒng)反射率光譜數(shù)據(jù)相比,對(duì)小麥條銹病的響應(yīng)更為敏感,能夠?qū)崿F(xiàn)作物病害的早期診斷[94]。陳思媛等研究發(fā)現(xiàn),SIF能夠顯著提高小麥條銹病病情嚴(yán)重程度的光譜探測精度,進(jìn)而能夠有效地應(yīng)用于小麥條銹病的遙感探測中[95]。競霞等在將基于反射率方法提取的SIF數(shù)據(jù)用于小麥條銹病病情嚴(yán)重度估測模型的構(gòu)建中,發(fā)現(xiàn)該模型更加適用于小麥條銹病病情嚴(yán)重度的遙感探測[96]。此外,競霞等研究發(fā)現(xiàn),冠層SIF數(shù)據(jù)更加適用于冬小麥條銹病的早期探測[97]。
5 結(jié)論與展望
5.1 結(jié)論
作為光合作用的直接探針,SIF反應(yīng)靈敏、測定快速且簡便,同時(shí)對(duì)樣本無損害,可以直接反映植物的光合作用狀態(tài)及其與環(huán)境脅迫之間的關(guān)系。然而,目前關(guān)于SIF的研究仍處于初級(jí)階段,SIF作為一種十分靈敏的植被信息,容易受到多種因素的影響,使得SIF對(duì)植被環(huán)境脅迫監(jiān)測的研究變得更加復(fù)雜。因此,有必要針對(duì)SIF的影響因素、反演算法和SIF與環(huán)境脅迫之間的關(guān)系等方面開展深入研究,從而進(jìn)一步發(fā)揮SIF在植物環(huán)境脅迫監(jiān)測中的重要作用和價(jià)值,也可為植物生理學(xué)、農(nóng)業(yè)科學(xué)、生態(tài)學(xué)、農(nóng)業(yè)氣象學(xué)等相關(guān)領(lǐng)域的研究提供理論支撐。
5.2 展望
隨著研究技術(shù)的不斷發(fā)展,植被葉綠素?zé)晒膺b感在近10年間取得了長足進(jìn)步,特別是Frankenberg等于2011年利用GOSAT數(shù)據(jù)反演出全球首張陸地SIF地圖,極大推進(jìn)了SIF遙感研究應(yīng)用的進(jìn)步[6]。本研究介紹了已有衛(wèi)星SIF產(chǎn)品的研究進(jìn)展,分析了SIF的來源、反演方法及其優(yōu)缺點(diǎn),闡述了SIF的影響因素,重點(diǎn)總結(jié)了SIF在植被環(huán)境脅迫監(jiān)測方面的發(fā)展?fàn)顩r。但是目前仍沒有專門進(jìn)行SIF探測的衛(wèi)星,所使用的衛(wèi)星SIF產(chǎn)品也存在時(shí)空分辨率低、空間不連續(xù)等問題,且在SIF的影響因素、SIF的反演算法、SIF與植被環(huán)境脅迫之間的機(jī)制等研究領(lǐng)域依然存在諸多問題。針對(duì)上述存在的問題及研究狀況,未來可從以下幾個(gè)方向開展相關(guān)研究。
(1)SIF的影響因素。由于不同植被類型的SIF釋放量水平受到不同光合途徑、不同冠層特征和不同生理特性等的影響,在今后的研究中,有必要對(duì)不同地物類型進(jìn)行分類,根據(jù)不同地物的SIF釋放特征進(jìn)行細(xì)化研究。此外,由于不同波段SIF的特征也有差異,因此有必要對(duì)比不同波段的SIF特征,以選取最適波段進(jìn)行后續(xù)研究。
將SIF信息從葉片尺度上升到冠層尺度以及從冠層尺度再上升到生態(tài)系統(tǒng)尺度的升尺度過程中存在尺度效應(yīng)問題,目前解決該問題仍存在一定挑戰(zhàn)。在葉片尺度上,SIF信息與植被光合作用過程密切相關(guān),而當(dāng)研究尺度上升到冠層尺度之后,冠層的結(jié)構(gòu)特征及光線在冠層中的吸收、散射規(guī)律等均會(huì)對(duì)SIF信息造成不同程度的影響。尤其在植被受到環(huán)境脅迫時(shí),冠層結(jié)構(gòu)特征將會(huì)發(fā)生改變,進(jìn)一步造成SIF信息的復(fù)雜化。因此,在今后的研究中,可以同時(shí)關(guān)聯(lián)分析葉片尺度的SIF信息和對(duì)應(yīng)冠層尺度的SIF信息,以明晰尺度效應(yīng)的影響。在SIF信息從冠層尺度上升到生態(tài)系統(tǒng)尺度的研究中,尺度效應(yīng)主要受到空間和時(shí)間2個(gè)方面因素的限制。在空間因素方面,由于SIF信號(hào)的釋放存在強(qiáng)烈的不均一性,同時(shí)環(huán)境因子也存在不同程度的空間異質(zhì)性,加大了升尺度研究的難度;在時(shí)間因素方面,作物生長季的變化、生物量的變化以及冠層結(jié)構(gòu)特征的變化均會(huì)對(duì)遙感SIF信息的獲取造成一定影響,進(jìn)一步加深了研究的難度。由于無人機(jī)、航空飛機(jī)等觀測系統(tǒng)的觀測尺度可以達(dá)到米至數(shù)千米,因此在今后的研究中,可以引入無人機(jī)、航空飛機(jī)觀測系統(tǒng)來進(jìn)行進(jìn)一步的細(xì)化研究。
由于植被光合作用極易受到外界因素的影響,進(jìn)而導(dǎo)致SIF信息也容易受到外界環(huán)境的影響,在后續(xù)的研究中,可以綜合考慮植被類型、地理因素、環(huán)境因素等諸多因素的影響,借助模型找出主要影響因子來獲取相應(yīng)數(shù)據(jù)。此外,植物受到的環(huán)境脅迫往往是極其復(fù)雜的,比如高溫和干旱脅迫經(jīng)常相伴而生且互相影響,在多種環(huán)境脅迫的共同影響下,SIF在不同時(shí)空尺度、不同作物類型中的演變規(guī)律也有待進(jìn)一步研究。
(2)SIF的反演。根據(jù)SIF反演算法的原理,其反演過程主要利用SIF對(duì)夫瑯禾費(fèi)暗線的“井”填充效應(yīng),而夫瑯和費(fèi)暗線的寬度極窄,通常在亞納米級(jí)。因此,如果傳感器的光譜分辨率愈高,則原始暗線深度愈深,“井”填充效應(yīng)也更加顯著,使得反演結(jié)果的可靠性越強(qiáng)。在今后的研究中,針對(duì)衛(wèi)星尺度SIF的反演,其反演精度與傳感器的分辨率、信噪比等密不可分。綜合考慮當(dāng)前光譜分辨率、信噪比、光譜覆蓋范圍等因素,大多數(shù)數(shù)據(jù)源為679~780 nm波段且具有0.3 nm左右分辨率的數(shù)據(jù)。然而,目前大多數(shù)反演算法集中于近紅外波段,紅光波段的SIF反演仍不夠成熟,紅光波段及紅邊波段的SIF反演仍有待進(jìn)一步深入研究,以期為全波段SIF的反演和SIF數(shù)據(jù)的深入挖掘提供有力幫助。此外,現(xiàn)有的一些SIF反演算法存在誤差較大、不確定性高等問題,如何改進(jìn)現(xiàn)有算法也有待進(jìn)一步探討。
(3)SIF與植被環(huán)境脅迫之間的機(jī)制研究。由于自然界中脅迫發(fā)生的過程往往十分復(fù)雜,一種脅迫的發(fā)生往往會(huì)帶來其他脅迫因子,因此在今后的研究中,有必要針對(duì)多種脅迫因子影響下的SIF發(fā)生機(jī)制進(jìn)行研究,分析不同脅迫因子對(duì)SIF的影響程度及SIF對(duì)不同脅迫因子的敏感性差異。此外,由于植物在不同生長季、不同等級(jí)脅迫的敏感程度不同,因此有必要針對(duì)不同等級(jí)脅迫發(fā)生的不同時(shí)期,定量分析其對(duì)植物的影響。
對(duì)于同類型的植被而言,在不同空間尺度下,由于觀測水平受到輻射傳輸過程的影響,SIF的產(chǎn)生和傳輸必然會(huì)受到相應(yīng)影響,尤其在脅迫因子的作用下,植被的生理特性、冠層結(jié)構(gòu)等會(huì)使傳輸過程變得更為復(fù)雜。因此,有必要研究不同空間尺度、多種觀測角度下植被SIF對(duì)脅迫因子的響應(yīng)差異。
此外,陸地生態(tài)系統(tǒng)往往由多種植被類型共同構(gòu)成,因此有必要研究SIF信息在不同植被類型下的敏感性差異,以期為區(qū)域尺度SIF的相關(guān)研究奠定理論基礎(chǔ)。
參考文獻(xiàn):
[1]黃 鵬. 基于日光誘導(dǎo)葉綠素?zé)晒獾年懙乜偝跫?jí)生產(chǎn)力估算[D]. 武漢:武漢理工大學(xué),2019.
[2]張永江. 植物葉綠素?zé)晒獗粍?dòng)遙感探測及應(yīng)用研究[D]. 杭州:浙江大學(xué),2006.
[3]劉青瑞,居為民,張永光,等. 日光誘導(dǎo)葉綠素?zé)晒夤浪阒袊湫蜕鷳B(tài)系統(tǒng)總初級(jí)生產(chǎn)力的能力[J]. 遙感技術(shù)與應(yīng)用,2017,32(2):363-373.
[4]王 冉,劉志剛,楊沛琦. 植物日光誘導(dǎo)葉綠素?zé)晒獾倪b感原理及研究進(jìn)展[J]. 地球科學(xué)進(jìn)展,2012,27(11):1221-1228.
[5]章釗穎,王松寒,邱 博,等. 日光誘導(dǎo)葉綠素?zé)晒膺b感反演及碳循環(huán)應(yīng)用進(jìn)展[J]. 遙感學(xué)報(bào),2019,23(1):37-52.
[6]Frankenberg C,F(xiàn)isher J B,Worden J,et al. New global observations of the terrestrial carbon cycle from GOSAT:Patterns of plant fluorescence with gross primary productivity[J]. Geophysical Research Letters,2011,38(17):351-365.
[7]Joiner J,Yoshida Y,Vasilkov A P,et al. Filling-in of near-infrared solar lines by terrestrial fluorescence and other geophysical effects:simulations and space-based observations from SCIAMACHY and GOSAT[J]. Atmospheric Measurement Techniques,2012,5:809-829.
[8]Joiner J,Guanter L,Lindstrot R,et al. Global monitoring of terrestrial chlorophyll fluorescence from moderate-spectral-resolution near-infrared satellite measurements:methodology,simulations,and application to GOME-2[J]. Atmospheric Measurement Techniques,2013,6:2803-2823.
[9]Khler P,Guanter L,Joiner J. A linear method for the retrieval of sun-induced chlorophyll fluorescence from GOME-2 and SCIAMACHY data[J]. Atmospheric Measurement Techniques,2015,8:2589-2608.
[10]Pickett S T A,Cadanasso M L. 景觀生態(tài)學(xué):生態(tài)系統(tǒng)的空間異質(zhì)性[J]. 生態(tài)學(xué)雜志,1999,18(6):71-74.
[11]Frankenberg C,ODell C,Berry J,et al. Prospects for chlorophyll fluorescence remote sensing from the Orbiting Carbon Observatory-2[J]. Remote Sensing of Environment,2014,147:1-12.
[12]關(guān)琳琳. 基于葉綠素?zé)晒獾闹脖豢偝跫?jí)生產(chǎn)力估算[D]. 北京:中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所),2017.
[13]Sun Y,F(xiàn)rankenberg C,Jung M,et al. Overview of solar-induced chlorophyll fluorescence (SIF) from the Orbiting Carbon Observatory-2:retrieval,cross-mission comparison,and global monitoring for GPP[J]. Remote Sensing of Environment,2018,209:808-823.
[14]Du S S,Liu L Y,Liu X J,et al. Retrieval of global terrestrial solar-induced chlorophyll fluorescence from TanSat satellite[J]. Science Bulletin,2018,63(22):1502-1512.
[15]劉雷震,武建軍,周洪奎,等. 葉綠素?zé)晒饧捌湓谒置{迫監(jiān)測中的研究進(jìn)展[J]. 光譜學(xué)與光譜分析,2017,37(9):2780-2787.
[16]問靜怡. 基于日光誘導(dǎo)熒光的水稻銅脅迫遙感監(jiān)測機(jī)理研究[D]. 杭州:杭州師范大學(xué),2019.
[17]Yu L,Wen J,Chang C Y,et al. High-resolution global contiguous SIF of OCO-2[J]. Geophysical Research Letters,2019,46(3):1449-1458.
[18]Li X,Xiao J. A global,0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2,MODIS,and reanalysis data[J]. Remote Sensing,2019,11(5):517.
[19]Khler P,F(xiàn)rankenberg C,Magney T S,et al. Global retrievals of solar-induced chlorophyll fluorescence with TROPOMI:first results and intersensor comparison to OCO-2[J]. Geophysical Research Letters,2018,45(19):10456-10463.
[20]張永江,劉良云,侯名語,等. 植物葉綠素?zé)晒膺b感研究進(jìn)展[J]. 遙感學(xué)報(bào),2009,13(5):963-978.
[21]Mohammed G H,Colombo R,Middleton E M,et al. Remote sensing of solar-induced chlorophyll fluorescence (SIF) in vegetation:50 years of progress[J]. Remote Sensing of Environment,2019,231:111177.
[22]Jonard F,Cannière S D,Brüggemann N,et al. Value of sun-induced chlorophyll fluorescence for quantifying hydrological states and fluxes:current status and challenges[J]. Agricultural and Forest Meteorology,2020,291:108088.
[23]詹春暉,章釗穎,張永光. 日光誘導(dǎo)葉綠素?zé)晒廨椛鋫鬏斈P脱芯窟M(jìn)展[J]. 遙感學(xué)報(bào),2020,24(8):945-957.
[24]丑述仁. 光化學(xué)植被指數(shù)和日光誘導(dǎo)葉綠素?zé)晒馀c作物光合作用的關(guān)系[D]. 南京:南京大學(xué),2018.
[25]梁 寅,李軍營,張?jiān)苽? 日光誘導(dǎo)葉綠素?zé)晒膺b感探測的研究進(jìn)展[J]. 中國農(nóng)學(xué)通報(bào),2013,29(14):107-112.
[26]劉新杰. 日光誘導(dǎo)葉綠素?zé)晒獾倪b感反演研究[D]. 北京:中國科學(xué)院大學(xué),2016.
[27]胡姣嬋. 植被冠層葉綠素?zé)晒膺b感反演及不確定性分析[D]. 北京:中國科學(xué)院大學(xué),2015.
[28]郭 健. 塔基平臺(tái)的日光誘導(dǎo)葉綠素?zé)晒庥^測與GPP估算[D]. 西安:西安科技大學(xué),2019.
[29]程占慧,劉良云. 基于葉綠素?zé)晒獍l(fā)射光譜的光能利用率探測[J]. 農(nóng)業(yè)工程學(xué)報(bào),2010,26(增刊2):74-80.
[30]Vidaver W E,Lister G R,Brooke R C,et al. A manual for the use of variable chlorophyll fluorescence in the assessment of the ecophysiology of conifer seedlings[R]. Victoria,BC:Forestry Canada,Pacific Forestry Centre and the BC Ministry of Forests,1991.
[31]Plascyk J A. The MK Ⅱ Fraunhofer Line Discriminator (FLD-Ⅱ) for airborne and orbital remote sensing of solar-stimulated luminescence[J]. Optical Engineering,1975,14(4):339-346.
[32]Maier S W,Günther K P,Stellmes M. Sun-induced fluorescence:a new tool for precision farming[M]. Germany:ASA Special Publications,2004.
[33]Gomez-Chova L,Alonsochorda L,Amoros-Lopez J,et al. Solar induced fluorescence measurements using a field spectroradiometer[J]. AIP Conference Proceedings,2006,852:274-281.
[34]Alonso L,Gomez-Chova L,Vila-Frances J,et al. Improved fraunhofer line discrimination method for vegetation fluorescence quantification[J]. IEEE Geoscience and Remote Sensing Letters,2008,5(4):620-624.
[35]Meroni M,Busetto L,Colombo R,et al. Performance of spectral fitting methods for vegetation fluorescence quantification[J]. Remote Sensing of Environment,2010,114(2):363-374.
[36]van der Tol C,Verhoef W,Timmermans J,et al. An integrated model of soil-canopy spectral radiances,photosynthesis,fluorescence,temperature and energy balance[J]. Biogeosciences,2009,6:3109-3129.
[37]McFarlane R,Hamilton C. A fluorescence based dissolved oxygen sensor[J]. Proceedings of SPIE,1987,798:324-330.
[38]張永江,黃文江,王紀(jì)華,等. 基于Fraunhofer線的小麥條銹病熒光遙感探測[J]. 中國農(nóng)業(yè)科學(xué),2007,40(1):78-83.
[39]Cheng Y B,Middleton E M,Zhang Q,et al. Integrating solar induced fluorescence and the photochemical reflectance index for estimating gross primary production in a cornfield[J]. Remote Sensing,2013,5(12):6857-6879.
[40]Damm A,Erler A,Hillen W,et al. Modeling the impact of spectral sensor configurations on the FLD retrieval accuracy of sun-induced chlorophyll fluorescence[J]. Remote Sensing of Environment,2011,115(8):1882-1892.
[41]Dobrowski S Z,Pushnik J C,Zarco-Tejada P J,et al. Simple reflectance indices track heat and water stress-induced changes in steady-state chlorophyll fluorescence at the canopy scale[J]. Remote Sensing of Environment,2005,97(3):403-414.
[42]Zarco-Tejada P J,Pushnik J C,Dobrowski S,et al. Steady-state chlorophyll a fluorescence detection from canopy derivative reflectance and double-peak red-edge effects[J]. Remote Sensing of Environment,2003,84(2):283-294.
[43]Perez-Priego O,Zarco-Tejada P J,Miller J R,et al. Detection of water stress in orchard trees with a high-resolution spectrometer through chlorophyll fluorescence in-filling of the O2-A band[J]. IEEE Transactions on Geoscience and Remote Sensing,2005,43(12):2860-2869.
[44]奚 雷,單 楠,楊沈斌,等. 基于SCOPE模型的水稻不同生育期日光誘導(dǎo)葉綠素?zé)晒饧癎PP模擬研究[J]. 遙感技術(shù)與應(yīng)用,2019,34(3):488-499.
[45]Hu J C,Liu X J,Liu L Y,et al. Evaluating the performance of the SCOPE model in simulating canopy solar-induced chlorophyll fluorescence[J]. Remote Sensing,2018,10(2):250.
[46]Verrelst J,Rivera J P,van der Tol C,et al. Global sensitivity analysis of the SCOPE model:what drives simulated canopy-leaving sun-induced fluorescence?[J]. Remote Sensing of Environment,2015,166:8-21.
[47]Yang P Q,Prikaziuk E,Verhoef W,et al. SCOPE 2.0:a model to simulate vegetated land surface fluxes and satellite signals[J]. Geoscientific Model Development,2021,14(7):4697-4712.
[48]張永江,趙春江,劉良云,等. 被動(dòng)熒光探測水分脅迫對(duì)玉米葉片影響的初步研究[J]. 農(nóng)業(yè)工程學(xué)報(bào),2006,22(9):39-43.
[49]薛惠云. 基于高光譜和熒光的棉花水分脅迫探測研究[D]. 保定:河北農(nóng)業(yè)大學(xué),2013.
[50]Adams W W,Demmig-Adams B. Carotenoid composition and down regulation of photosystem Ⅱ in three conifer species during the winter[J]. Physiologia Plantarum,1994,92(3):451-458.
[51]Gitelson A A,Buschmann C,Lichtenthaler H K. Leaf chlorophyll fluorescence corrected for re-absorption by means of absorption and reflectance measurements[J]. Journal of Plant Physiology,1998,152(2/3):283-296.
[52]Porcar-Castell A,Tyystjrvi E,Atherton J,et al. Linking chlorophyll a fluorescence to photosynthesis for remote sensing applications:mechanisms and challenges[J]. Journal of Experimental Botany,2014,65(15):4065-4095.
[53]Fukshansky L,Remisowsky A M V,McClendon J,et al. Absorption spectra of leaves corrected for scattering and distributional error:a radiative transfer and absorption statistics treatment[J]. Photochemistry and Photobiology,2010,57(3):538-555.
[54]Meroni M,Colombo R. Leaf level detection of solar induced chlorophyll fluorescence by means of a subnanometer resolution spectroradiometer[J]. Remote Sensing of Environment,2006,103(4):438-448.
[55]錢 新. 基于葉綠素?zé)晒膺b感的植被干旱脅迫指數(shù)構(gòu)建[D]. 南京:南京大學(xué),2019.
[56]Almeida A C,Landsberg J J. Evaluating methods of estimating global radiation and vapor pressure deficit using a dense network of automatic weather stations in coastal Brazil[J]. Agricultural and Forest Meteorology,2003,118(3/4):237-250.
[57]Xu L K,Baldocchi D D. Seasonal trends in photosynthetic parameters and stomatal conductance of blue oak (Quercus douglasii) under prolonged summer drought and high temperature[J]. Tree Physiology,2003,23(13):865-877.
[58]Daumard F,Goulas Y,Champagne S,et al. Continuous monitoring of canopy level sun-induced chlorophyll fluorescence during the growth of a sorghum field[J]. IEEE Transactions on Geoscience and Remote Sensing,2012,50(11):4292-4300.
[59]Chaves M M,Pereira J S. Water stress,CO2 and climate change[J]. Journal of Experimental Botany,1992,43(8):1131-1139.
[60]Flexas J,Bota J,Galmés J,et al. Keeping a positive carbon balance under adverse conditions:responses of photosynthesis and respiration to water stress[J]. Physiologia Plantarum,2006,127(3):343-352.
[61]郭艷春. 干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估及管理對(duì)策探析[J]. 地下水,2019,44(4):148-149.
[62]紀(jì)瑞鵬,于文穎,馮 銳,等. 作物對(duì)干旱脅迫的響應(yīng)過程與早期識(shí)別技術(shù)研究進(jìn)展[J]. 災(zāi)害學(xué),2019,34(2):153-160.
[63]胡鵬飛. 基于多源遙感數(shù)據(jù)的農(nóng)業(yè)旱情監(jiān)測方法比較研究[D]. 蘭州:西北師范大學(xué),2019.
[64]張 峰,周廣勝. 植被含水量高光譜遙感監(jiān)測研究進(jìn)展[J]. 植物生態(tài)學(xué)報(bào),2018,42(5):517-525.
[65]李 萌. 夏玉米理化參數(shù)對(duì)連續(xù)水分脅迫的響應(yīng)特征及遙感監(jiān)測[D]. 南京:南京信息工程大學(xué),2018.
[66]孫 慧. 基于高光譜監(jiān)測的干旱脅迫下冬小麥生長生理響應(yīng)研究[D]. 太原:山西農(nóng)業(yè)大學(xué),2019.
[67]龐素菲. 基于溫度-植被-降水指數(shù)(TVPDI)的中國北方干旱監(jiān)測研究[D]. 蘭州:西北師范大學(xué),2020.
[68]楊菲菲,李世娟,劉升平,等. 作物環(huán)境脅迫高光譜遙感監(jiān)測研究進(jìn)展[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào),2020,22(4):85-93.
[69]張小強(qiáng),馮 彬,王云燕. 運(yùn)用MODIS對(duì)我國西南地區(qū)極端干旱情況監(jiān)測與評(píng)估研究——以2009—2010年遙感數(shù)據(jù)為例[J]. 環(huán)境保護(hù)科學(xué),2020,46(1):135-141.
[70]黃澤林. 利用MODIS數(shù)據(jù)監(jiān)測大面積土壤水分與農(nóng)作物旱情研究[J]. 安徽農(nóng)業(yè)科學(xué),2008,36(11):4784-4787.
[71]Daumard F,Champagne S,F(xiàn)ournier A,et al. A field platform for continuous measurement of canopy fluorescence[J]. IEEE Transactions on Geoscience and Remote Sensing,2010,48(9):3358-3368.
[72]Acˇ A,Malenovsk Z,Olejnícˇková J,et al. Meta-analysis assessing potential of steady-state chlorophyll fluorescence for remote sensing detection of plant water,temperature and nitrogen stress[J]. Remote Sensing of Environment,2015,168:420-436.
[73]Liu L Z,Yang X,Zhou H K,et al. Evaluating the utility of solar-induced chlorophyll fluorescence for drought monitoring by comparison with NDVI derived from wheat canopy[J]. Science of the Total Environment,2018,625:1208-1217.
[74]王 冉,劉志剛,馮海寬,等. 基于近地面高光譜影像的冬小麥日光誘導(dǎo)葉綠素?zé)晒馓崛∨c分析[J]. 光譜學(xué)與光譜分析,2013,33(9):2451-2454.
[75]Zarco-Tejada P J,Berni J A J,Suárez L,et al. Imaging chlorophyll fluorescence with an airborne narrow-band multispectral camera for vegetation stress detection[J]. Remote Sensing of Environment,2009,113(6):1262-1275.
[76]Lee J E,F(xiàn)rankenberg C,van der Tol C,et al. Forest productivity and water stress in Amazonia:observations from GOSAT chlorophyll fluorescence[J]. Proceedings of the Royal Society B:Biological Sciences,2013,280:20130171.
[77]Yoshida Y,Joiner J,Tucker C,et al. The 2010 Russian drought impact on satellite measurements of solar-induced chlorophyll fluorescence:insights from modeling and comparisons with parameters derived from satellite reflectances[J]. Remote Sensing of Environment,2015,166:163-177.
[78]Sun Y,F(xiàn)u R,Dickinson R,et al. Drought onset mechanisms revealed by satellite solar-induced chlorophyll fluorescence:insights from two contrasting extreme events[J]. Journal of Geophysical Research:Biogeosciences,2016,120(11):2427-2440.
[79]Wang S,Huang C,Zhang L,et al. Monitoring and assessing the 2012 drought in the Great Plains:analyzing satellite-retrieved solar-induced chlorophyll fluorescence,drought indices,and gross primary production[J]. Remote Sensing,2016,8(2):61.
[80]Chen X J,Mo X G,Zhang Y C,et al. Drought detection and assessment with solar-induced chlorophyll fluorescence in summer maize growth period over North China Plain[J]. Ecological Indicators,2019,104:347-356.
[81]Wang X R,Qiu B,Li W K,et al. Impacts of drought and heatwave on the terrestrial ecosystem in China as revealed by satellite solar-induced chlorophyll fluorescence[J]. Science of the Total Environment,2019,693:133627.
[82]Zhang L F,Qiao N,Huang C P,et al. Monitoring drought effects on vegetation productivity using satellite solar-induced chlorophyll fluorescence[J]. Remote Sensing,2019,11(4):378.
[83]石 濤,楊太明,黃 勇,等. 無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫的關(guān)鍵技術(shù)[J]. 中國農(nóng)業(yè)氣象,2020,41(9):597-604.
[84]陳朝暉,朱 江,徐興奎. 利用歸一化植被指數(shù)研究植被分類、面積估算和不確定性分析的進(jìn)展[J]. 氣候與環(huán)境研究,2004,9(4):687-696.
[85]謝曉金,李映雪,李秉柏,等. 高溫脅迫下水稻產(chǎn)量的高光譜估測研究[J]. 中國水稻科學(xué),2010,24(2):196-202.
[86]謝曉金,申雙和,李映雪,等. 高溫脅迫下水稻紅邊特征及SPAD和LAI的監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報(bào),2010,26(3):183-190.
[87]吳朝陽,牛 錚. 植物光化學(xué)植被指數(shù)對(duì)葉片生化組分參數(shù)的敏感性[J]. 中國科學(xué)院研究生院學(xué)報(bào),2008,25(3):346-354.
[88]彭 濤,姚 廣,高輝遠(yuǎn),等. 植物葉片和冠層光化學(xué)反射指數(shù)與葉黃素循環(huán)的關(guān)系[J]. 生態(tài)學(xué)報(bào),2009,29(4):1987-1993.
[89]Song L,Guanter L,Guan K,et al. Satellite sun-induced chlorophyll fluorescence detects early response of winter wheat to heat stress in the Indian Indo-Gangetic Plains[J]. Global Change Biology,2018,24(9):4023-4037.
[90]Agati G. Response of the in vivo chlorophyll fluorescence spectrum to environmental factors and laser excitation wavelength[J]. Pure and Applied Optics,1999,7(4):797.
[91]Pinto F,Celesti M,Acebron K,et al. Dynamics of sun-induced chlorophyll fluorescence and reflectance to detect stress-induced variations in canopy photosynthesis[J]. Plant,Cell & Environment,2020,43(7):1637-1654.
[92]瞿 瑛,劉素紅,李小文. 重金屬Cu脅迫下典型農(nóng)作物葉片日光誘導(dǎo)熒光輻射特征提取研究[J]. 光譜學(xué)與光譜分析,2012,32(5):1282-1286.
[93]朱冰雪,陳圣波,周 超,等. Cu脅迫下油菜葉片日光誘導(dǎo)熒光輻射特征[J]. 科學(xué)技術(shù)與工程,2018,18(10):1-5.
[94]趙葉,競 霞,黃文江,等. 日光誘導(dǎo)葉綠素?zé)晒馀c反射率光譜數(shù)據(jù)監(jiān)測小麥條銹病嚴(yán)重度的對(duì)比分析[J]. 光譜學(xué)與光譜分析,2019,39(9):2739-2745.
[95]陳思媛,競 霞,董瑩瑩,等. 基于日光誘導(dǎo)葉綠素?zé)晒馀c反射率光譜的小麥條銹病探測研究[J]. 遙感技術(shù)與應(yīng)用,2019,34(3):511-520.
[96]競 霞,白宗璠,張 騰,等. 3FLD和反射率熒光指數(shù)估測小麥條銹病病情嚴(yán)重度的對(duì)比分析[J]. 中國農(nóng)機(jī)化學(xué)報(bào),2019,40(11):136-142.
[97]競 霞,呂小艷,張 超,等. 基于SIF-PLS模型的冬小麥條銹病早期光譜探測[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2020,51(6):191-197.