光谱和积分太阳诱导叶绿素荧光之间的关系，以及这种关系对利用荧光观测数据进行光合作用估算的意义

《Remote Sensing of Environment》：The relationship between spectral and integrated sun-induced chlorophyll fluorescence and its implication for photosynthesis estimation using fluorescence observations

基于光谱SIFλ与整合SIFint的叶尺度关系建模及其冠层应用研究，发现SIFλ与SIFint的线性关系受波长和叶绿素含量调控，开发的半经验模型在远红区表现优异，支持了MLR模型下GPP估算的准确性。

　　氯ophyll荧光（ChlF）与光合作用密切相关，它反映了植物在不同尺度上的净初级生产力（GPP）。在自然光照条件下，太阳诱导的叶绿素荧光（SIF）通常是在特定波长（如Fraunhofer线和氧气吸收带）范围内测量的，且这些数据以功率单位（W m?2 sr?1 nm?1）的形式给出。然而，这些观测到的SIF波长辐射并不能直接用于光合作用研究，而是需要将其转换为以摩尔单位（mol photon m?2 s?1）表达的总辐射通量（SIFint），并且需要在完整的光谱范围（大约660–800 nm）和全角域内进行积分，才能与光合作用机制相匹配。

在实验室研究中，人工光源激发的叶绿素荧光（主动荧光）已被广泛用于研究光合作用过程。然而，近年来，随着遥感技术的发展，太阳诱导的叶绿素荧光（被动荧光）在野外环境中被越来越多地用于监测大尺度上的GPP动态。由于SIF信号非常微弱，且受到多种生物和非生物因素的共同影响，其解读往往并不直接。因此，为了充分利用SIF的潜力，有必要在解读和处理SIF数据时，使其与我们对ChlF与光合作用关系的理论理解相一致。

光合作用的机制性光反应模型（MLR模型）提供了对SIF与GPP关系的深刻理解。首先，SIF与GPP之间的关系是非线性的，这取决于光化学淬灭（PQ）和反应中心的氧化还原状态，而这些状态又会随着环境变化而改变。其次，SIFint是光谱范围内总辐射通量的积分，这一总量是光合作用相关的关键参数。第三，光合作用中的光化学和生化反应都是以摩尔为基础进行的，因此SIFint作为生理意义明确的参数，能够更准确地反映光合作用的实际情况。

目前的测量技术只能在特定波长范围内获取SIF信号，并且这些数据以功率单位的形式呈现。为了将这些观测数据应用于光合作用研究，必须将SIFλ转换为SIFint，并在全角域和光谱范围内进行积分。以往的研究提出了一些方法，如荧光光谱重建（FSR）、全谱光谱拟合（F-SFM）、SpecFit方法和先进的荧光光谱重建（aFSR）方法，这些方法可以在一定程度上实现这一目标。然而，这些方法往往引入主观性，因为其假设不同波长的SIF辐射与总SIF之间存在恒定的比例关系，并且需要依赖难以估计的经验系数。因此，SIFλ与SIFint之间的精确关系仍不明确。

本研究通过在叶片尺度上对三种作物（小麦、水稻和玉米）和六种树木物种的SIFλ进行谱解析测量，探讨了SIFλ与SIFint之间的关系及其动态变化。我们发现，尽管SIFλ在个体Fraunhofer线范围内与SIFint存在显著的相关性，但这种关系会随着波长和叶片叶绿素含量（LCC）的不同而发生变化。基于这一发现，我们开发了一个模型，利用波长和LCC作为输入参数，将SIFλ转换为SIFint。该模型在光谱范围内表现良好，特别是在远红光区域，从而实现了从观测到的SIFλ到机制性相关的SIFint的准确转换。

此外，我们还将该模型应用于冠层尺度，用于C3和C4作物的GPP估算。通过结合冠层SIFint与MLR模型，我们获得了模型预测值与观测值之间较为一致的结果。这项工作不仅为将SIF测量与光合作用估算联系起来提供了关键步骤，还为未来研究在整合更复杂的环境和生理因素方面奠定了基础，以进一步提升光合作用研究的准确性。

在光合作用过程中，叶绿素荧光的产生与光系统中的光化学反应密切相关。光系统中的叶绿素分子在吸收光能后，部分能量被用于光化学反应，而另一部分则以荧光的形式释放。这种荧光信号的强度与光合作用的效率直接相关，因此通过监测SIF的变化，可以推断植物的光合活动情况。然而，由于SIF信号受到多种因素的影响，如叶绿素含量、叶结构参数、叶光学散射和吸收系数等，因此需要在模型中考虑这些因素，以实现更准确的转换。

在叶片尺度上，我们对三种作物和六种树木的SIFλ和SIFint进行了测量，并发现它们之间的关系具有显著的变异性。例如，SIFint在不同作物和叶片位置之间表现出不同的变化趋势。通过进一步分析，我们发现这种变异性主要受到波长和叶绿素含量的影响。因此，我们开发了一个基于这些因素的半经验转换模型，用于将SIFλ转换为SIFint。该模型在不同波长范围内表现出良好的适用性，特别是在远红光区域，这为更准确的SIFint估算提供了支持。

在实际应用中，SIFint的估算对于准确的GPP估算至关重要，特别是在全球碳循环研究中。通过结合SIFint与MLR模型，我们可以更全面地理解光合作用的动态变化，并预测植物的生产力。此外，该模型的开发也为未来研究提供了新的思路，使得在更复杂的环境和生理条件下，能够更有效地利用SIF信号进行光合作用研究。

本研究的结果表明，SIFλ与SIFint之间的关系并非恒定，而是受到波长和叶绿素含量的影响。因此，建立一个准确的转换模型对于提高SIF在光合作用研究中的应用价值至关重要。该模型在叶片尺度上表现良好，而在冠层尺度上的应用则展示了其扩展潜力。通过将该模型应用于C3和C4作物，我们获得了较为一致的GPP估算结果，这为未来在更大尺度上的应用提供了支持。

此外，我们还探讨了SIFλ与SIFint之间关系的动态变化，以及影响这一关系的主要因素。例如，SIFint在不同作物和叶片位置之间表现出不同的变化趋势，这可能与叶片的结构和化学组成有关。通过进一步分析，我们发现这种变异性主要受到波长和叶绿素含量的影响，因此在模型中需要将这些因素纳入考虑。该模型的开发不仅提高了SIF在光合作用研究中的准确性，还为未来研究提供了新的方向，使得在更复杂的环境和生理条件下，能够更有效地利用SIF信号进行光合作用研究。

总的来说，本研究通过实验数据验证了SIFλ与SIFint之间的关系，并开发了一个基于波长和叶绿素含量的转换模型。这一模型在叶片尺度上表现良好，而在冠层尺度上的应用则展示了其扩展潜力。通过将该模型应用于C3和C4作物，我们获得了较为一致的GPP估算结果，这为未来在更大尺度上的应用提供了支持。这些发现不仅为基于SIF的GPP估算提供了更机制性的依据，还加强了荧光观测在碳循环研究中的应用价值。