增强作物生产力分析使用SIF和PRI准确估算水稻冠层GPP的新方法

太阳诱导的叶绿素荧光(SIF)和光化学反射指数(PRI)已成为评估陆地植被光合作用和固碳能力的重要工具，特别是估算总初级生产力(GPP)。

然而，由于时空变化较大，以及冠层结构、生理状态等多种观测因素的影响，SIF、PRI和GPP之间的关系面临挑战。

尽管多角度观测和双向反射分布函数(BRDF)模型具有通过考虑树冠各向异性并将生理信号与环境影响分离来缓解这些问题的潜力，但这些方法在SIF和PRI中用于GPP估计的应用仍未得到充分探索。

植物表型学发表了题为“通过SIF和PRI在水稻冠层上建立总初级生产力模型”的研究文章。

在这项研究中，研究人员采用多角度光谱仪和涡度协方差(EC)系统，通过利用PRI增强的SIF-GPP模型来提高中国亚热带稻田GPP估算的精度。他们创新性地应用半经验核驱动的BRDF模型与两叶模型相结合，对热点和总冠层PRI和SIF(分别为PRIhs/SIFhs和PRItot/SIFtot)进行了深入分析。

这种双模型方法促进了热点和总冠层PRI+SIF-GPP模型的构建，其功效经过了验证数据集的严格测试。研究结果揭示了不同时间尺度上PRI/SIF指数与GPP之间的显着相关性，为GPP估计建立了稳健的线性模型。

值得注意的是，该研究揭示了PRI/SIF对环境条件的动态响应，通过不同模型的R2、RMSE和RPD指标量化其准确性。

对GPP、LAI和PAR时间动态的探索强调了晴天与多云天气条件在确定这些相关性强度方面的关键作用。特别是，每天和每半小时的分析表明，总冠层测量(SIFtot和PRItot)比热点测量(SIFhs和PRIhs)更能有效地反映GPP变化，表明与GPP的每日和日内波动有更强的一致性。

通过区分两叶模型中的阴影和阳光照射的叶子，进一步增强了这种对齐方式，这显着提高了SIF/PRI和GPP之间的相关性，尤其是PRI。

该研究还考察了PAR、温度(T)和蒸汽压差(VPD)等环境压力对PRI和SIF性能的影响，表明这些因素不成比例地影响PRI和SIF的估计能力。

通过详细的建模和验证工作，研究人员表明，结合PRI和SIF进行GPP估计的效果大大优于单个指数模型。在整合阴影和阳光照射叶子之间的区别后，这种优势尤其明显，标志着PRItot+SIFtot-GPP模型是GPP估计最有效的模型。

总之，这项研究不仅增进了我们对环境因素、SIF、PRI和GPP之间复杂相互作用的理解，而且还证明了组合PRI和SIF模型的卓越估计能力，特别是在纳入冠层组成部分之间的细微差别时。

这项工作为更准确、非侵入性地跟踪作物光合作用和碳封存过程铺平了道路，为农业和减缓气候变化的未来研究和实际应用提供了宝贵的见解。