全球日光诱导叶绿素荧光卫星遥感产品研究进展与展望孙忠秋1,高显连1,杜珊珊2,刘新杰2
1.国家林业和草原局调查规划设计院卫星处，北京
2.中国科学院空天信息创新研究院数字地球重点实验室，北京摘要：卫星反演的日光诱导叶绿素荧光（Solar-InducedchlorophyllFluorescence，SIF）是全球植被生产力遥感监测的理想工具。现有的诸多大气成分探测卫星的高光谱载荷可以满足卫星平台SIF遥感探测的需求，中国和欧洲也计划发射专门的SIF卫星探测器。国内外学者生产了一系列全球SIF卫星遥感产品，并开展了SIF产品时空尺度扩展研究，为SIF应用研究提供了丰富的数据源，但现有的全球SIF产品仍然存在诸多局限性。系统梳理了现有和计划发射的SIF卫星载荷、目前公开发布的SIF卫星遥感产品、以及SIF时空尺度扩展产品，并从应用需求的角度出发，总结了现有全球SIF产品存在的问题和后续SIF卫星探测计划的发展方向，为现有SIF卫星产品的应用以及未来SIF探测卫星载荷方案的设计提供参考。关键词：日光诱导叶绿素荧光；卫星产品；尺度扩展；研究进展1引言日光诱导叶绿素荧光（Solar-InducedchlorophyllFluorescence，SIF）遥感是近十年来植被遥感领域最亮点的研究前沿之一。叶绿素荧光是植物光合作用过程中吸收光能后，以较长波长重新释放能量的一种形式，可以直接反映光合作用光反应过程中的电子传递速率，而电子传递速率又受光合作用碳反应过程速率的调制［1］，因此，叶绿素荧光与整个光合作用密切相关，是光合作用的理想探针［2-3］。近年来越来越多的理论和实验研究结果表明，卫星反演的SIF能够为全球尺度的植被初级生产力估算提供一种全新的测量方式，估算精度显著优于传统反射率植被指数方法和碳循环模型模拟方法［4-6］。因此，卫星遥感平台探测的SIF信号可以作为全球植被光合作用监测以及全球碳源汇估算等研究的有效数据源，具有重要的科学意义和应用价值。鉴于此，欧空局率先提出的荧光探测计划FLEX经过长达12a的论证和竞争，成功入选地球观测计划EarthExplorer8的任务［7］；美国在第二/三代嗅探卫星OCO-2/OCO-3的设计过程中充分考虑了SIF探测的需求［8］；我国计划于年发射的陆地生态系统碳监测卫星也即将搭载专门为SIF探测设计的高光谱载荷，有望成为全球第一个入轨的SIF专用探测载荷［9］。与植被的反射辐亮度信号相比，SIF信号十分微弱，仅有入射辐射的1%量级。为了将微弱的SIF信号分离出来，需要利用太阳或大气吸收波段，因此对传感器的光谱分辨率和信噪比要求极高［10］。目前尚无专门的SIF遥感卫星，但国内外若干大气成分探测卫星搭载的高光谱载荷具有SIF探测的潜力。基于该类卫星遥感数据，国内外学者开展了一系列研究，生产并发布了诸多全球SIF卫星遥感产品，并在植被生态遥感研究中得到了广泛应用［8-9，11-15］。但是，由于SIF遥感反演对数据的光谱分辨率要求极高，现有能够满足SIF反演需求的卫星载荷均为大气探测载荷，由于技术条件的限制以及大气探测需求的特点，该类卫星数据空间分辨率都较为粗糙。针对这一问题，国内外学者开展了相关SIF产品的时空尺度扩展研究，生产和发布了一系列基于多源卫星数据和机器学习、光能利用率模型等方法的SIF时空尺度扩展产品，在一定程度上提升了SIF卫星遥感产品的应用潜力［16-23］。但是，上述SIF卫星遥感产品和时空扩展产品在反演算法、反演波段、时空分辨率、时间覆盖范围等方面存在诸多差异，特别是SIF时空扩展产品，由于各产品所采用的算法和解释变量等存在差异，其最终结果所代表的物理和生理意义也存在差异。这些问题对SIF产品的应用带来了一定的困扰。此外，受卫星传感器硬件指标、SIF反演算法、SIF时空扩展算法等因素的制约，现有的SIF产品性能与应用需求之间还存在较大的鸿沟。针对上述问题，首先简要介绍了目前主流的SIF卫星遥感反演算法，然后系统梳理了现有和计划发射的SIF卫星载荷、目前公开发布的SIF卫星遥感产品以及SIF时空尺度扩展产品，分析了各产品的特点。在此基础上，从应用需求角度出发，总结了现有全球SIF产品存在的问题和后续SIF卫星探测计划的发展方向。该研究可为现有SIF卫星产品的应用以及未来SIF探测卫星载荷方案的设计提供参考。2SIF卫星遥感反演原理与算法2.1SIF遥感反演的基本原理遥感观测的植被冠层上行辐亮度信号中，既包括植被反射辐射信号，也包括叶绿素荧光发射信号。自然条件下的日光诱导叶绿素荧光信号十分微弱，所以难以直接探测，需要利用太阳光谱中的吸收波段（入射和反射辐亮度较小，荧光贡献相对较大）和一定的数学方法实现叶绿素荧光信号的提取［2,10］。在到达地表的太阳辐射光谱中，存在许多由于太阳或地球大气吸收带来的“暗线”。由太阳大气对特定波长辐射的吸收产生的暗线称为“夫琅禾费暗线”，吸收宽度通常在0.1nm以下；而地球大气（氧气、水汽等）的吸收波段一般相对较宽，约为1~10nm量级，常用于荧光反演的地球大气吸收波段主要包括nm附近的O2-B波段和nm附近的O2-A波段。由于叶绿素荧光是植物主动发射的辐射信号，会将冠层上行辐亮度光谱中太阳夫琅禾费暗线或地球大气吸收波段的吸收“井”产生一定的填充作用（图1），通过比较太阳入射光谱和植被反射光谱中某个吸收波段吸收深度的差异，即可实现对叶绿素荧光强度的估算。这一原理被称为“夫琅禾费暗线填充原理”，是目前主流叶绿素荧光遥感反演算法的基本原理［24］。值得注意的是，只有太阳大气吸收产生的暗线才称为“夫琅禾费暗线”，但在叶绿素荧光遥感反演研究中所说的“夫琅禾费暗线填充原理”一般也包含利用地球大气吸收波段进行荧光反演的方法。图1叶绿素荧光反演的夫琅和费暗线填充原理示意图［10］2.2 全物理方法的SIF卫星遥感反演全物理方法的SIF卫星遥感反演基于大气辐射传输方程，可分为传统的物理模型算法和简化的物理模型算法。传统的物理模型算法主要基于大气吸收线位置（如O2-A和O2-B吸收线），利用现有的大气辐射传输模型和辅助的气象资料构建大气参数查找表，定量化模拟大气辐射传输参数，将大气层顶传感器接收到的辐亮度信号转化为植被冠层接收到的辐亮度信号，从而将卫星平台的SIF反演转化为地表植被冠层的SIF反演问题，最后利用地面平台常用的SIF反演方法进行SIF的解算工作，如FLD系列算法［25-26］、SFM算法［27］等。SFM算法被选为ESA的FLEX卫星计划的标准SIF反演算法［28］。相对于FLD类算法，SFM算法对噪声的敏感性更低，但对大气辐射传输过程的要求较高，因此需要更加严密的大气校正过程。简化的物理模型算法对于卫星遥感数据的光谱分辨率要求极高，通常需要小于0.1nm，利用不受地球大气吸收影响的一条或几条太阳夫琅禾费暗线的拟合窗口，在拟合窗口范围内忽略大气吸收的影响，并将大气散射和地表反射视为连续且平滑的光谱贡献，利用多项式函数将其表征为波长的函数，最后直接采用最小二乘算法解算SIF信号［11,29］。该类算法的优势在于无需考虑大气吸收的影响，计算简单；但需要同步的太阳辐射光谱且只适用于超高光谱分辨率的卫星遥感数据，同时对于噪声比较敏感，反演结果具有很大的不确定性［30］。2.3 数据驱动的SIF卫星遥感反演数据驱动的SIF卫星反演算法的优势在于可以避开严密的大气辐射传输建模的过程，由光谱数据本身的特性出发，利用简单的数学统计方法表征光谱的结构信息。根据卫星观测数据光谱分辨率的不同，数据驱动算法的SIF反演所采用的反演拟合窗口和方法有所不同，反演过程中的参数设置也需要根据选取的拟合窗口大小而改变。针对具有超光谱分辨率（FWHM~0.01nm数量级）的卫星遥感数据而言，如GOSAT、OCO-2、OCO-3和TanSat卫星等，可以利用包含一条或几条太阳夫琅禾费暗线的反演拟合窗口（常用的SIF反演波段为Fe和KI太阳夫琅禾费暗线）进行SIF的反演［31,34］。针对这类卫星遥感数据，由于选取的拟合窗口较窄，通常只有几纳米且只包含不受地球大气吸收影响的太阳夫琅禾费暗线，如图2（a）所示。在选定的较窄的拟合窗口范围内，假定地表反射的贡献为平滑光谱，且忽略大气吸收对SIF的影响，基于非荧光地表相似的光谱结构特征将大气辐射传输特征表示为基向量的线性组合，则可得到简化后的前向模型：LTOA(ωi,FS)=∑i=1nvωivi+FS?I(1)其中：为大气层顶接收的辐亮度光谱，nv为选取的基向量的个数，vi为选取参与运算的基向量，ωi为基向量的系数，FS为待求波段的SIF信号，I为单位向量。图20.04nm和0.3nm光谱分辨率条件下常用的卫星SIF遥感反演窗口针对光谱分辨率在0.1nm数量级的传感器来说，如GOME、GOME-2、SCIAMACHY和TROPOMI等，只能探测到有限的太阳夫琅禾费暗线，且吸收线的深度较浅，较窄的拟合窗口无法精确地将SIF信号与地表反射信号分离，需要增大拟合窗口的宽度。针对这类卫星遥感数据，如图2（b）所示，处于红边位置的窗口波段包含多条太阳弗朗禾费暗线和地球大气和水汽吸收线（常用的SIF反演波段为nm附近的峰值波段），成为了这类卫星传感器首选的反演拟合窗口［13-15，32，35］。在拟合窗口范围内，将传感器接收到的辐亮度信号表征为光谱平滑项（植被叶绿素荧光和地表反射的贡献）和光谱非平滑项（大气吸收的的贡献）的组合［31］，其中，利用波长的低阶多项式函数表示平滑的低频变化信息；利用数学统计方法得到的基向量重构高频变化的光谱形状信息［13，32］。同时，假定在一定的拟合窗口范围内，SIF光谱形状服从高斯分布，并利用上行透过率与双向透过率的角度相关性，得到估算的双向透过率，则可以得到线性化的前向模型：LTOA(α,β,Fs)=Isol?μ0π?∑i=0np(αi?λi)?∑j=1npcβj?PCj+Fs?hf?T↑e(2)其中：Isol为大气层顶的太阳入射辐照度，μ0为太阳天顶角的余弦值，PCj为基向量，αi和βj分别为多项式和基向量的系数，np和npc分别为多项式的阶数和基向量的个数，hf为特定的SIF光谱形状函数，T↑e为估算的上行透过率。数据驱动的SIF反演算法避开了严密的大气校正过程从而简化了算法，但训练样本给SIF的反演精度带来很大的不确定性，且SIF反演算法严重依赖于SIF反演中的不同参数设置和选取。3具备SIF探测能力的卫星遥感数据源与产品3.1 现有的SIF卫星遥感数据源与全球产品根据前文所述，SIF反演需要极高的光谱分辨率，目前还没有专门为SIF观测设计的星载传感器在轨运行。但是，很多大气成分探测卫星覆盖了SIF发射波段，而且光谱分辨率能够满足SIF反演的需求。本实验将现有的具备SIF探测潜力的卫星传感器总结如表1所示。现有SIF卫星遥感数据源覆盖的时间范围如图3所示。可以看出，现有具备SIF探测能力的卫星数据源覆盖了年至今的时间范围。近十年来，具备SIF探测能力的卫星传感器数量增长迅速，为SIF卫星遥感与应用提供了丰富的数据源，极大地促进了SIF遥感研究的发展。但是，由于不同传感器空间分辨率、光谱特性等方面的差异，多源SIF卫星遥感产品的协同应用、长时序应用等还存在诸多困难。图3现有SIF卫星遥感数据源覆盖的时间范围利用上述卫星数据，国内外学者开展了大量的SIF卫星遥感反演与全球产品生产研究工作，本研究将现有公开发布的全球SIF遥感产品汇总如表2所示。GOSAT搭载的近红外傅立叶光谱仪（TANSO-FTS）在~nm区域，信噪比SNR设置为，具有很高的光谱分辨率（约0.nm），利用nm和nm这两个窄光谱窗口区的太阳夫琅禾费暗线可以提取荧光信号。但是GOSAT实施点观测，不能提供空间连续的地表覆盖数据，空间分辨率10.5km。Joiner等［11］利用GOSAT数据nm附近KI吸收线生产了首幅全球SIF遥感产品；Frankenberg等［29］和Guanter等［31］也分别独立地利用光谱拟合以及奇异值分解的方法反演得到太阳夫琅禾费暗线nm和nm处的全球GOSAT荧光产品。搭载在欧洲ERS-2卫星的全球臭氧监测传感器（GOME）具有4个探测通道，光谱范围在~nm，其中第四通道可以覆盖红到近红外波段（~nm），光谱分辨率为0.33nm，能够满足SIF反演的需求。与GOSAT不同，GOME可实现全球连续覆盖，但空间分辨率较低（40km×km）。搭载在MetOp-A/B卫星的第二代GOME传感器（GOME-2）与GOME光谱特性相似，光谱分辨率约为0.5nm，40km×80km，从年7月起MetOp-A的空间分辨率升为40km×40km。GOME/GOME-2数据覆盖了年至今的时间段，是目前可用于SIF反演时序积累最长的卫星数据源。Joiner等［13,32,40］利用GOME/GOME-2数据生产了年以来的全球近红外波段SIF产品，是目前时间序列最长的SIF遥感产品，但Parazoo等［36］也指出，由于两代传感器的差异以及传感器随时间的衰减，该SIF产品不能直接用于时序分析。K?hler等［14］也生产了基于GOME-2数据的近红外波段SIF产品。此外，Wolanin等［43］、Joiner等［13］还利用GOME-2数据生产了红光波段全球SIF产品，但产品目前未公开共享。ENVISAT/SCIAMACHY的载荷设置与GOME-2相似，光谱范围在~nm，光谱分辨率为0.48nm，空间分辨率更低（30km×km），但是具有较高的信噪比SNR（）。但由于ENVISAT卫星于年失联，SCIAMACHY数据也随之终止。Joiner等［13,32,40］、K?hler等［14］、Wolanin等［45］均利用SCIAMACHY数据生产了近红外和（或）红光波段的SIF产品。此外，由于SCIAMACHY具有较高的信噪比，Joiner等［12］还成功反演了nm附近CaII吸收线处的SIF弱信号。上述卫星传感器仅能够提供数十公里至上百公里量级空间分辨率的数据，难以满足生态系统尺度的SIF探测需求。年以来，NASAOCO-2（OrbitingCarbonObservatory-2）、NASAOCO-3（OrbitingCarbonObservatory-3）、中国碳卫星（TanSat）和哨兵5号先导卫星（Sentinel-5Precursor，S5P）TROPOMI（TROPOsphericMonitoringInstrument）为SIF应用提供了新机遇。OCO-2发射于年7月2日，正式加入轨道列车（A-Train），与其他5颗国际地球观测卫星组成编队。OCO-2传感器光谱测量装置与GOSAT很相似，在~nm光谱区域具有很高的光谱分辨率，半高宽（FWHM）为0.nm。但是OCO-2的数据密度比GOSAT提高了倍（比GOME-2增加8倍），具有更高的空间分辨率，足迹大小为1.3km×2.25km。同样地，OCO-2的高空间和光谱分辨率，使其不得不以牺牲空间连续性为代价，OCO-2的8个独立足迹覆盖了10.3km的全幅宽。Frankenberg等［8］利用IMAP-DOAS算法生产了该卫星在nm和nm处的全球SIF产品。年5月，OCO-2的备份载荷OCO-3成功发射并被安装在国际空间站上。OCO-3与OCO-2光谱特性相同，但其对地采样方式有所差异，借助指向镜的旋转，OCO-3可以实现特定区域的精细观测；而且由于国际空间站的轨道特点，OCO-3可以实现在中纬度地区更高的采样密度。我国于年12月22日发射了首颗二氧化碳观测科学实验卫星“TanSat卫星”（TanSat），使得中国成为继日本GOSAT、美国OCO-2卫星之后全球第3个可提供温室气体卫星遥感数据的国家。TanSat与OCO-2卫星指标设计类似，也具备SIF探测潜力。Du等［34］利用数据驱动算法，生产了nm和nm处的全球SIF产品，这也是首个基于国产卫星数据的全球陆表遥感产品。哨兵5号先导卫星（Sentinel-5P）是欧盟“哥白尼对地观测计划”的一颗大气监测卫星，TROPOMI是搭载在Sentinel-5P上的唯一传感器，空间分辨率为3.5km×7km，每天可覆盖全球一次；在~nm的波谱范围内，光谱分辨率为0.38nm。K?hler等［15,43］利用数据驱动算法生产了TROPOMI数据近红外波段和红光波段全球SIF产品，尽管时序积累较短，但是目前时空分辨率综合指标最优的全球SIF遥感产品。由于GOSAT数据信噪比较低，且空间采样稀疏，其SIF产品质量较差，目前已很少被使用，而且目前没有公开发布的GOSAT卫星SIF产品，因此未列入表2中。而对于具有相似光谱分辨率水平的OCO-2、OCO-3和TanSat卫星遥感SIF产品，高空间分辨率条件使得该类SIF产品具有较大的应用价值，可用于生态系统尺度的植被光合生产力估算和农作物胁迫监测等应用研究。然而，该类SIF卫星遥感产品受限于空间采样稀疏和全球空间覆盖能力，难以实现大尺度范围的应用需求。SCIAMACHY、GOME和GOME-2卫星遥感SIF产品的高时序空间覆盖能力使得SIF产品在全球尺度范围的光合生产力估算和环境胁迫监测成为了可能，但是其较粗的空间分辨率条件同样限制了这类SIF产品在精细尺度的应用。在此背景下，由于TROPOMI卫星SIF遥感产品同时具备高空间分辨率和高空间覆盖条件成为了目前最具有应用潜力的SIF卫星遥感产品，可同时实现在全球尺度和生态系统的小尺度范围的植被光合生产力估算和环境胁迫等研究。3.2 未来具备SIF探测潜力的卫星计划目前，虽然还没有专门为SIF观测设计的卫星载荷在轨运行，但未来几年也即将发射专门用于SIF探测设计的卫星传感器，如表3所示。欧空局的FLEX计划是全球首个专门为SIF卫星观测设计的地球观测计划。年9月，经过长达12年的预研和评选，FLEX在32个竞争性项目中胜出，正式入选欧空局地球观测计划EarthExplorer8任务。FLEX搭载的FLORIS（FLuOrescenceImagingSpectrometer）传感器具备m×m的空间分辨率，重访周期为27d，覆盖~nm的波段范围，可以支持红光波段、近红外波段的SIF反演，以及叶绿素、光化学植被指数（PRI）等配套植被参数的反演［7,46］。FLEX卫星计划于年发射，将与Sentinel-3卫星伴飞，从而实现大气参数等辅助信息的同步获取。鉴于SIF的重要科学意义，我国正在研发的陆地生态系统碳卫星（简称陆碳卫星，TECIS-1）也将搭载一个叶绿素荧光成像光谱仪（SIFIS）。SIFIS覆盖~nm的光谱范围，光谱分辨率0.3nm，空间分辨率2km，可以满足红光波段和近红外波段的SIF反演需求［9,47］。陆碳卫星计划于年发射，有望成为第一颗搭载专门荧光观测载荷的在轨卫星。此外，近期计划发射的大气成分探测卫星也可为SIF卫星遥感与应用研究提供新的数据源。特别是美国和欧洲计划发射的若干地球静止轨道卫星，将可大大提高区域尺度SIF卫星观测的时间频率，为SIF研究提供新的契机。美国俄克拉荷马大学和NASA合作的地球同步轨道碳循环监测卫星GeoCarb计划于年发射，其搭载的传感器与OCO-2相似，并针对地球同步轨道特点对二氧化碳、一氧化碳、甲烷和SIF观测进行了优化，空间分辨率约3km，通过凝视扫描的方式，可对美洲大部分地区提供高时间分辨率的观测资料［48］。美国史密森天体物理观测台（SmithsonianAstrophysicalObservatory，SAO）和NASA合作的大气污染卫星监测任务计划于年发射地球同步卫星TEMPO［49］。TEMPO卫星传感器覆盖~nm和~nm波段范围，光谱分辨率为0.6nm，北美地区空间分辨率约为2.1km×4.5km（36.5°N，°W处），可以实现北美地区每小时的高频率观测，将成为日尺度SIF动态观测的理想数据源。欧空局计划于年前后发射的地球静止轨道卫星Sentinel-4，将覆盖紫外—可见光—近红外波段，其中~nm的近红外波段光谱分辨率为0.12nm，空间分辨率约8km，将可在提供欧洲地区每日频率的观测数据［50］。此外，欧空局Sentinel-5卫星将搭载与TROPOMI相似的传感器，计划于年前后发射。4全球SIF时空尺度扩展产品研究进展尽管目前已有多种全球SIF卫星遥感产品，但现有产品均来自大气成分探测卫星传感器，或空间分辨率较粗（例如GOME-2、SCIAMACHYSIF产品），或幅宽较窄、轨道间隔较大（例如OCO-2、OCO-3、TanSatSIF产品）。最新的TROPOMISIF产品虽然兼具空间分辨率较高、全球连续覆盖、重访周期短的优势，但因发射较晚，缺乏长时序数据积累。因此，现有的全球SIF卫星遥感产品还难以满足陆地生态系统遥感监测应用中对长时序、高时空分辨率的需求。为了填补现有SIF产品特点与生态系统遥感监测应用需求之间的鸿沟，国内外学者开展了一系列全球SIF卫星遥感产品的时空尺度扩展研究，通过融合SIF、反射率以及气象参数等信息，将低空间分辨率、时空不连续的SIF遥感产品扩展为具有较高空间分辨率且时空连续的SIF产品。现有的全球尺度0.05°空间分辨率的SIF扩展产品汇总如表4。4.1OCO-2/TanSatSIF时空扩展产品尽管OCO-2和TanSat卫星具有1~2km级的空间分辨率，但其扫描幅宽仅10~20km左右，且条带间空隙很大，短时间内难以实现全球连续覆盖，无法满足全球SIF应用需求。针对这一问题，诸多学者开展了相关研究，构建了OCO-2和TanSat的SIF时空扩展产品。4.1.1CSIF产品Zhang等［19］利用OCO-2SIF产品和MODIS前4个波段（蓝、绿、红、近红外）反射率数据训练神经网络，生产了全球晴空和全天候两种条件下0.05°、4d分辨率的SIF数据产品（CSIF）。由于MODIS和OCO-2数据幅宽差异较大，为了消除反射率和SIF方向性特征的影响，该研究选用了MCD43C4方向归一化的地表反射率（NadirBidirectionalreflectancedistributionAdjustedReflectance，NBAR）数据。由于SIF与入射辐射有关，是瞬间变化量，为满足应用需求，需要将其归一化为日值数据。对于晴空条件，太阳入射辐射与太阳天顶角具有良好的线性关系，因此，利用卫星过境时的太阳天顶角余弦值与日平均太阳天顶角余弦值的比值，将瞬时CSIF（CSIFclear-inst）归一化为晴空日值CSIF（CSIFclear-daily）；对于全天候条件利用卫星过境时的光合有效辐射（PAR）与BESS模型（BreathingEarthSystemSimulator）模拟的日平均PAR比值，将瞬时CSIF归一化为全天候日值CSIF（CSIFall-daily）。分析结果表明，晴空瞬时CSIF（CSIFclear-inst）与OCO-2原始SIF产品对不同生态系统类型均具有良好的一致性。全天候平均CSIF（CSIFall-daily）数据集表现出强大的空间、季节和年际动态，与OCO-2和GOME-2的SIF日值产品一致。但是，相对于OCO-2或GOME-2原始SIF卫星遥感产品，CSIF产品缺乏荧光产率信息，难以体现SIF对光合作用生理状态的响应，因此该产品缺乏严格的生理信息和物理意义。4.1.2SIFˉOCO2_产品Yu等［20］利用生理条件约束的机器学习方法，基于MODIS反射率数据，生产了0.05°、16d分辨率的全球OCO-2SIF扩展产品。本研究与Zhang等［19］研究的不同之处在于，本研究所使用的人工神经网络模型是通过对生物群系和时间进行分层训练得到的。SIF包含有关植被的生理和结构信息，而反射率则主要表征结构特性［51］。分生物群系进行训练可以捕获不同生物群系之间植被生理特征的差异；分时间进行训练可以捕获不同时间SIF与反射率关系的差异（例如SIF与反射率对胁迫响应的时间差异）。因此，该模型可以更加准确地刻画SIF和反射率之间的动态关系，从而在一定程度上保留SIF扩展产品中的植物生理特性信息。验证结果表明，SIFˉOCO2_产品与航空高光谱成像仪观测的SIF数据高度一致。通过时间和生物群系的分层训练，可以改进生长季的农田、落叶温带和针叶林的SIF低估现象和秋季针叶林的SIF高估现象，并可提高对干旱影响的敏感性。4.1.3GOSIF产品Li和Xiao［21］通过分析SIF的关键解释变量，利用OCO-2SIF数据，MODIS数据和MERRA-2气象再分析数据，通过Cubist回归树方法，构建了SIF预测模型，生产了~年的全球0.05°、8d分辨率的GOSIF产品。
SIF由APAR和荧光产率（SIFyield）共同决定，而SIFyield与物种和环境条件等因素有关。因此，该研究考虑了植被条件、气象条件和土地覆盖信息3种类型的SIF解释变量。利用增强植被指数（EVI）来表征植被状况，利用PAR、大气饱和水汽压差（VPD）和气温来表征气象条件。土地覆盖类型作为分类变量，用于测试分物种建模能否提高模型精度。
验证结果表明，利用EVI、PAR、VPD和气温4个解释变量构建的SIF预测模型比基于MODIS1~7波段地表反射率的SIF预测模型精度更高，与基于MODIS1~7波段反射率和3个气象参数（PAR、VPD、气温）的模型精度相当。而土地覆盖类型信息的加入对模型精度改进作用不明显。
4.1.4TanSat空间扩展SIF产品Ma等［23］以TanSatSIF产品为训练样本，利用随机森林方法，生产了基于结构信息和生理信息重建的TanSatSIF空间扩展产品。该研究以MODIS4个波段（蓝、绿、红、近红外）方向性归一化的地表反射率、归一化植被指数（NDVI）、太阳天顶角的余弦、GLDAS气温数据为输入参数，利用太阳角度归一化（假设卫星有效观测数据均为晴空条件下获取，太阳角度可以代表太阳辐照度信息）的TanSatSIF产品训练了前馈神经网络，生产了~年8月的全球连续的TanSat0.05°SIF产品。分析结果表明，该产品与TROPOMISIF产品具有较好的一致性。该方法利用反射率和NDVI提供植被结构信息，利用气温和入射太阳辐射提供生理信息，但仍不能完全替代荧光产率所代表的光合作用生理信息。4.2GOME-2/SCIAMACHYSIF时空扩展产品4.2.1RSIF产品Gentine和Alemohammad［18］以GOME-2SIF产品为训练样本，利用机器学习方法，生产了基于MODIS地表反射率重建的SIF产品RSIF。该研究以Aqua-MODIS4个波段（蓝、绿、红、近红外）的地表反射率（重采样到0.5°空间分辨率）为输入参数，利用0.5°空间分辨率、太阳角度归一化（假设卫星有效观测数据均为晴空条件下获取，太阳角度可以代表太阳辐照度信息）的GOME-2SIF产品训练了前馈神经网络，从而实现基于MODIS反射率的归一化SIF估算。在此基础上，乘以入射光合有效辐射信息，即可得到重建的SIF产品。由于MODIS地表反射率数据具有远高于GOME-2SIF产品的信噪比，RSIF比原始GOME-2SIF产品具有更好的视觉效果和更精细的空间分布格局，而且，基于该方法，可实现长时序（年至今）、高空间分辨率（m）的SIF产品重建。分析结果也表明，在全球尺度上，RSIF与GPP具有良好的相关关系，可以作为GPP估算的有效数据源。但是，MODIS反射率数据仅能代表植物的光合有效辐射吸收比例（fPAR）信息，不能反映荧光产率（SIFyield）所代表的光合作用生理信息。尽管荧光产率相对稳定，但也会受到物种、环境等因素的影响，特别是在胁迫条件下，可以反映植被光合作用生理状态的变化，是SIF相对于反射率信息的独特优势。因此，RSIF所代表的主要是植物吸收的光合有效辐射（APAR）信息。4.2.2GOME-2空间降尺度SIF产品（Downscaled-GOME2-SIF）
Duveiller和Cescatti［16］率先开展了SIF卫星遥感产品的空间尺度扩展研究，并生产了空间降尺度SIF产品（SIF*）。该研究提出了一种基于光能利用率概念的非线性模型。首先，利用重采样到0.5°分辨率的MODIS归一化植被指数（NDVI）、蒸散（ET）和地表温度（LST）产品和0.5°分辨率的GOME-2SIF产品，针对每个时间步长，在3×3像素窗口内独立训练得到SIF与NDVI、ET、LST之间的关系，然后利用训练得到的非线性模型和0.05°分辨率的MODISNDVI、ET、LST产品，将GOME-2SIF值降尺度到0.05°网格。Duveiller等［17］对上述方法进行了进一步的改进，对SIF解释变量的选取进行了优化。该研究将SIF的解释变量分为植被参数、水分参数和温度参数三类，其中植被参数变量选用了NDVI、EVI和NIRv［52］，水分参数选取了ET和NDWI，温度参数选取了MODIS上午星和下午星的地表温度产品，通过权衡信息量和计算量，给出了优化的解释变量组合公式，提高了SIF降尺度产品的精度。4.2.3SIFˉ产品Wen等［22］分别利用~年1°分辨率的SCIAMACHYSIF产品和年至今0.5°分辨率的GOME-2SIF产品以及MODIS1-7波段方向归一化的地表反射率数据，参考Duveiller和Cescatti［16］的方法，按空间和时间分层训练了神经网络，以体现不同生物群系、不同气候区、不同物候期SIF和反射率关系的差异。利用训练得到神经网络，分别生产了0.05°空间分辨率的SCIAMACHY和GOME-2月值SIF空间降尺度产品。在此基础上，利用累积分布函数（CDF）匹配方法，逐网格对SCIAMACHY和GOME-2的SIF空间降尺度产品进行匹配，消除二者之间的偏差，实现两种传感器SIF产品的融合，从而生产了年至今0.05°分辨率、长时序、月值SIF产品（SIFˉ）。验证结果表明，SIFˉ产品与原始SIF卫星反演产品具有一致的时空分布规律，且与航空SIF反演结果具有较好的一致性，利用SIFˉ计算的荧光产率与地面观测结果也基本吻合。此外，SIFˉ产品还可清晰地反映干旱和热浪等极端气候事件，表明SIFˉ产品保留了丰富的SIF生理信息。但是，在利用SIFˉ产品进行长时序研究时，还需考虑SCIAMACHY和GOME-2传感器随时间的衰减对SIF值带来的影响。4.3SIF时空扩展产品存在的问题综上所述，尽管国内外学者研究发展了诸多全球SIF时空扩展产品，但现有产品仍存在一系列问题，对SIF应用研究带来了一定的局限性。目前多数SIF空间扩展模型的解释变量主要是可见—近红外波段的反射率信息，少数用到了气象信息［16-17，21，23］。反射率主要表征冠层的色素含量和结构信息，缺少对植物光合生理信息的表征；温度、湿度等气象参数与植被光能利用率等光合生理状态相关，是对反射率信息的有效补充。但是，SIF与光合作用过程的关联存在直接的物理机制，这种独特优势是反射率和气象数据难以体现的。因此，多数SIF空间扩展产品损失了原始SIF数据所包含的植物生理信息，不是真正意义的SIF产品。此外，SIF由叶片内部产生，受到冠层内部叶片的再吸收与散射作用影响，只有一部分逃出冠层的SIF信号可被遥感器观测到。近年来，国内外学者开展了一系列SIF冠层逃出效率研究［53-55］，通过校正冠层辐射传输对SIF信号的影响来提高SIF估算GPP的精度［56］。但同时也有研究表明，SIF冠层逃出效率所代表的冠层结构信息对SIF-GPP关系存在增强作用，并据此提出了植被近红外波段反射辐亮度等SIF替代参数［57-59］，具有更高的时空分辨率和反演精度。5结论与展望SIF与植物光合作用过程直接相关，是植被光合生产力遥感探测的理想探针。鉴于此，国内外学者利用现有的大气成分探测卫星高光谱载荷的卫星遥感资料生产了一系列全球SIF卫星遥感产品，并针对原始SIF反演产品存在的时空分辨率较低的问题，开展了SIF产品时空尺度扩展研究，借助反射率等信息和机器学习方法，生产了高时空分辨率的SIF扩展产品，为SIF应用研究提供了丰富的数据源。尽管全球SIF反演研究取得了丰硕的成果，但现有的全球SIF卫星遥感产品及时空尺度扩展产品还存在诸多局限性，仍然极大限制了其在全球植被生产力遥感监测中的应用潜力。主要问题包括：（1）全球SIF卫星遥感产品时空分辨率较低，无法满足植被生产力高精动态监测的需求。针对这一问题，尽管国内外学者已开展了一系列SIF时空尺度扩展研究工作，但这些工作大多通过建立SIF与其他相关参数（如反射率、植被指数、地表覆盖类型、温度等）的统计关系，从而利用其他具有高分辨率的植被和气象参数预测SIF，以进行SIF原始卫星遥感产品的时空尺度扩展研究，但是，利用这些统计模型得到的SIF时空尺度扩展产品难以完整保留SIF所具有的独特生理信息，还存在诸多技术困难有待克服。（2）不同SIF卫星遥感产品之间由于时空尺度、成像时间、光谱特性、反演算法、产品波段等方面的差异，不同产品的SIF绝对值缺乏可比性，给多源数据融合应用带来了困难，削弱了现有卫星SIF产品的长时序、多尺度应用潜力。（3）卫星传感器在长期运行过程中不可避免地存在仪器衰减现象，因此利用原始的长时序遥感资料获取的SIF卫星遥感产品无法支持长时序变化分析。现有的时间序列最长的SIF卫星遥感产品为GOME/GOME-2系列SIF产品，可追溯至年。但两代传感器的差异，以及传感器自身随时间衰减对SIF反演结果带来的影响仍有待解决。NASAGOME-F的产品说明明确指出，该产品不能支持长时序分析。在上述背景下，中国陆地生态系统碳监测卫星SIF探测载荷、欧洲FLEX荧光探测计划等专门为SIF探测设计的卫星载荷必将提供更具优势的SIF卫星遥感数据源，但是，受技术条件等制约，两种SIF卫星载荷在光谱性能和成像技术等方面仍然存在较大的局限性。针对以上SIF卫星遥感产品与卫星载荷面临的问题，在未来的SIF卫星遥感研究工作中，应着重