多时间尺度下SIF、NDVI·PAR与NIRv·PAR估算冬小麦总初级生产力的潜力与机制

本研究针对冬小麦总初级生产力（GPP）估算的时空局限性问题，通过整合涡度协方差（EC）与多源遥感数据（SIF、NDVI·PAR、NIRv·PAR），系统评估了不同时间尺度（半小时至月尺度）的GPP估算效能。结果表明：时间尺度扩展显著提升模型精度，SIF全尺度表现稳健（R2≥0.80），NDVI·PAR在月尺度最优（R2=0.94），而NIRv·PAR在低PAR条件下更具优势。研究为农田碳管理与粮食安全预警提供了低成本、高精度的遥感解决方案。

　　

在全球气候变化与粮食安全双重挑战下，准确量化农作物光合碳吸收能力成为农业生态研究的核心课题。冬小麦作为全球最重要的口粮作物，其总初级生产力（Gross Primary Productivity, GPP）直接决定了碳汇潜力与产量形成。然而，传统涡度协方差（Eddy Covariance, EC）技术虽能提供精确的GPP数据，却受限于空间代表性与高昂成本，难以满足区域监测需求。与此同时，遥感技术虽展现出巨大潜力，但不同植被指数（如经典NDVI与新兴NIR_v）与光合功能指标SIF的跨时间尺度性能差异尚未明确，制约了精准农业与碳模型的发展。

针对这一科学瓶颈，西北农林科技大学旱区农业水土工程教育部重点实验室的研究团队开展了为期四年的系统研究（2020-2024），通过融合EC实测数据与多通道遥感观测，首次揭示了SIF、NDVI·PAR和NIR_v·PAR在冬小麦GPP估算中的尺度依赖规律。相关成果发表于《European Journal of Agronomy》，为农田碳循环监测提供了方法论突破。

研究团队采用多学科交叉技术路线：基于中国杨凌冬小麦试验站的长期EC通量塔数据（半小时分辨率），同步获取太阳诱导叶绿素荧光（SIF）、归一化植被指数（NDVI）、植被近红外反射率（NIR_v）及光合有效辐射（PAR）数据；通过线性回归模型量化不同时间尺度（半小时、日、周、月）下各指标与GPP的耦合关系；结合光响应曲线分析与环境噪声过滤，解析了生理机制与时空异质性的交互作用。

季节性动态规律
时间序列分析显示，SIF、NDVI和NIR_v均呈现显著的单峰季节模式，与GPP高度同步（图2）。其中SIF在抽穗期达到峰值（15.2 mW m^-2 nm^-1 sr^-1），较营养生长期提升320%，印证了其作为光合"动态探针"的敏感性。

时间尺度效应
研究发现时间尺度上采样可平均化环境噪声，使所有指标R2提升30-50%。SIF展现出全尺度稳定性（半小时R2=0.73→月尺度R2=0.92），而NDVI·PAR在月尺度实现最优拟合（RMSE=1.11 μmol m^-2 s^-1），证实长时间整合能缓解NDVI的饱和效应。

光响应分异
在半小时尺度，PAR强度显著调控指标效能：NDVI·PAR在低光强（PAR<800 μmol m^-2 s^-1）下表现最佳（R2=0.62），反映其叶面积表征优势；而SIF在中光强（800-1500 μmol m^-2 s^-1）下R2达0.73，凸显其光化学反应监测能力。

生理机制解析
SIF-GPP的强耦合源于其作为PSII（光系统II）电子传递副产物的本质特性。而NIR_v·PAR的优异表现归因于其同时整合冠层结构（NIR_v）与能量输入（PAR），比单一NDVI更全面捕捉光合潜力。

该研究首次系统论证了遥感指标在冬小麦GPP估算中的尺度适应边界：SIF适用于高时效性监测场景，NDVI·PAR可作为月尺度碳汇评估的经济方案，而NIR_v·PAR在冠层郁闭期优势显著。这些发现不仅为农业碳管理提供了可操作的技术选择，更深化了对"光谱-光合"耦合机制的理解，对发展下一代作物生长模型具有重要理论价值。研究团队特别指出，未来需结合无人机与卫星遥感，验证这些规律在区域尺度的普适性。