为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导...为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导叶绿素荧光(Sun-induced chlorophyll Fluorescence,SIF)遥感信息。结合通量观测数据,分析了SIF与GPP的日变化特征,并探讨了基于SIF估算作物GPP的能力和差异性。结果表明:1)C3、C4作物的GPP日变化特征差异明显,前者呈“双峰”特征,后者呈“单峰”特征;而SIF760和SIF687均呈现明显的“单峰”特征,即早晚低、午间高;2)不同类型传感器对SIF数值大小的影响强于对其日变化特征的影响,同时,低光谱分辨率传感器对SIF687具有明显的高估现象,且对C3作物的高估强于C4作物;3)C3、C4作物SIF760和SIF687均与冠层吸收光合有效辐射(Absorbed Photosynthetic Active Radiation,APAR)呈显著的线性正相关关系( R 2>0.8),可以直接用于APAR产品的反演;4)针对远红光区SIF,单日观测数据分析结果表明,C3、C4作物SIF760与GPP呈显著的线性正相关关系( R 2>0.6),而基于多日观测数据构建的非线性对数关系模型优于线性关系模型;针对红光区SIF,无论是基于单日还是多日观测数据,C3、C4作物均适宜采用一种非线性对数关系模型来估算GPP( R 2 >0.7),且模型更为稳健。展开更多
文摘为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导叶绿素荧光(Sun-induced chlorophyll Fluorescence,SIF)遥感信息。结合通量观测数据,分析了SIF与GPP的日变化特征,并探讨了基于SIF估算作物GPP的能力和差异性。结果表明:1)C3、C4作物的GPP日变化特征差异明显,前者呈“双峰”特征,后者呈“单峰”特征;而SIF760和SIF687均呈现明显的“单峰”特征,即早晚低、午间高;2)不同类型传感器对SIF数值大小的影响强于对其日变化特征的影响,同时,低光谱分辨率传感器对SIF687具有明显的高估现象,且对C3作物的高估强于C4作物;3)C3、C4作物SIF760和SIF687均与冠层吸收光合有效辐射(Absorbed Photosynthetic Active Radiation,APAR)呈显著的线性正相关关系( R 2>0.8),可以直接用于APAR产品的反演;4)针对远红光区SIF,单日观测数据分析结果表明,C3、C4作物SIF760与GPP呈显著的线性正相关关系( R 2>0.6),而基于多日观测数据构建的非线性对数关系模型优于线性关系模型;针对红光区SIF,无论是基于单日还是多日观测数据,C3、C4作物均适宜采用一种非线性对数关系模型来估算GPP( R 2 >0.7),且模型更为稳健。
