近日，中国科学院合肥物质院安光所科研团队研制出基于窄视场扫描的塔基日光诱导叶绿素荧光SIF自动化观测系统，同时提出融合差分光学吸收光谱（DOAS）技术与水汽主动校正的高精度反演方法，有效提升了复杂大气条件下SIF观测的稳定性。相关成果发表于国际期刊《遥感》（Remote Sensing）。
日光诱导叶绿素荧光（SIF）是植被光合作用过程中释放的微弱光学信号，是估算陆地总初级生产力（GPP）最有效的指标之一，能反映植被吸收了多少碳。它最突出的价值在于能提前、灵敏地反映植物健康状况，比传统植被指数更直接地“看到”植物真实生理状态，其核心作用是直接监测植物在自然条件下的光合作用强度，被称为“光合作用的探针”。塔基连续观测能够获取SIF高时间分辨率数据，为获取植被光合动态提供了重要手段，然而其反演结果易受大气气体吸收、云层及气溶胶散射影响，尤其在高湿度和多云条件下，观测精度面临挑战。
针对上述问题，研究团队利用太阳光谱中的夫琅和费暗线提取荧光信号，将荧光光谱形状项、宽带背景项及气体吸收项纳入统一的光谱拟合框架，从整体上减弱宽带辐射变化及大气吸收对荧光信号提取的影响。为提高算法对不同植被生长状态的适应能力，团队进一步结合SCOPE植被辐射传输模型（模拟SIF最主流的模型之一）与主成分分析，构建了自适应SIF参考光谱，以降低固定参考光谱难以表征植被荧光光谱形态变化所带来的反演误差。同时，还将水汽吸收截面引入拟合过程，对水汽吸收进行主动校正，从而改善高湿度条件下的反演表现。
结果表明，模拟实验中反演SIF与参考值的相关系数均超过0.9；高温高湿条件下，水汽校正使敏感波段的反演均方根误差由0.35降至0.27 mW·m⁻²·nm⁻¹·sr⁻¹。与传统的FLD、3FLD及SFM反演方法相比，本研究提出的方法在多云条件下表现出更好的稳定性，其变异系数最低，为0.356。此外，基于野外连续观测数据，团队还分析了冬小麦—水稻轮作系统的SIF季节变化，发现其能够有效反映作物生长与物候特征，且与卫星SIF产品的季节变化趋势较为一致。
该系统与反演方法为复杂大气条件下，开展植被光合作用连续监测、农作物生长状态评估及地基与卫星SIF多尺度协同观测提供了新的技术手段。
博士研究生胡晨雨为论文第一作者，谢品华研究员为论文通信作者。该研究得到中国科学院基础与交叉前沿科研先导专项、国家重点研发计划等的支持。
图1. 基于DOAS大气校正的塔基SIF自动化观测系统及野外观测示意
图2. 不同大气水汽条件下的SIF反演结果与水汽校正效果
