碳中和，植被遥感手段与SIF

碳达峰与碳中和

2021年两会，“碳达峰”和”碳中和“被首次写入政府工作报告

     前言：

碳达峰是指二氧化碳排放总量在某一个时间点达到历史峰值，然后经历平台期进入持续下降的过程。

而碳中和是指某个地区在一定时间内（一般指一年）人为活动直接和间接排放的二氧化碳，与通过植树造林等吸收的二氧化碳相互抵消，实现二氧化碳“净零排放”。

二氧化碳浓度持续增高带来的潜在危害不言而喻，减缓气候变化成为全人类不得不面对的重要挑战。2020年九月，习近平在在第七十五届联合国大会一般性辩论上承诺中国将二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。2021年两会，“碳达峰”和“碳中和”被首次写入政府工作报告，我国势必会采取更加有力的政策和措施。

PART01 碳中和的实现手段

                         

在减排之外，目前最重要的手段就是提高植被的固碳能力，即净初级生产力——NPP，一般也可以用总初级生产力——GPP表征。

见上图，目前最主要的碳排放是利用化石能源产生的，而最主要的碳吸收是陆地植被的光合作用固碳。
       在目前大范围人工捕捉二氧化碳的手段还不成熟的情况下，除了减排之外陆地植被仍是全球碳循环最大的碳汇，是碳中和的重要手段。
       自20世纪80年代以来，中国的森林面积增加了20%。Piao等人分析了多种卫星植被遥感产品发现中国的造林是全球绿化重要的驱动力。地球系统模拟显示全球的绿化使得全球变暖的步伐减缓了12%。
植被的固碳能力可以理解为植被的净初级生产力（NPP，gC/m2），一般情况下，也可以用初级生产力（GPP，gC/m2）来表示。因此大尺度的测量植被的GPP是衡量碳中和的一个重要手段。

PART02 GPP的测量手段

“碳中和”是一个大尺度的概念，针对于此的GPP测量手段也要符合大尺度的原则。
         在叶片至单株植物尺度上，可以利用测量叶室中快速变化的CO2浓度来获得小尺度的植物GPP。这种方法对植被扰动较大，代表性小，很难应用于大区域或者全球尺度。

         

而在生态系统尺度，多使用涡动相关方法进测量快速变化的CO2浓度，进而得到GPP。这种方法对植被的扰动较小，但是代表性有限，在应用于大区域或者全球尺度时，仍然有较大的尺度转换难度。

遥感是一种理想的进行大范围植被观测强有力的工具，海量的植被遥感数据提供了丰富的地表信息。通过对特定波段遥感数据计算，可以获取植被覆盖、植被生化性质、植被结构等信息，这些信息对于理解植被碳吸收和全球变化极其重要。一方面，这些信息可以用作光合作用模型的动态输入，另一方面，一些遥感植被参数，如日光诱导叶绿素荧光（sun-induced chlorophyll fluorescence, SIF），可直接对植被的光合作用进行直接监测。

PART03 植被遥感手段

植被遥感中重要的遥感参数，包括归一化植被指数NDVI、陆地植被的近红外反射率NIRV、陆地植被的近红外反射率NIRV、叶面积指数LAI、光化学反射植被指数（PRI)以及来自植被发射的微弱光信号——日光诱导叶绿素应该SIF。

NDVI/NIRv

归一化植被指数（NDVI）是地球植被观测中最常用的植被指数。该指数利用了植被在红光波段的强吸收和近红外波段的强反射。

当植被的叶绿素含量越高时，植被能吸收更多的红光波段的能量。而植被的生物量更多时，则可以散射/反射更多的红外辐射。因此NDVI通过差分突出了植被信号，抑制了土壤信号。
NDVI的优点在于，与叶片叶绿素含量之间存在良好的相关关系。另外NDVI还可以用于植被密度参数的估算（如 LAI、植被吸收的光合有效辐射比例 FPAR）。得益于其易用性和长达30年的观测，NDVI在植被观测、地表过程领域有着非常广泛的应用。
NDVI的不足在于，在高植被覆盖度条件下存在饱和问题，除此以外NDVI不能真实反应植被的光合作用动态。对于第一个问题，可以通过改进NDVI算法来避免（如增强植被指数，EVI）。而对于后一个问题，Badgley 等提出了NIRV指数。
Badgley等基于近红外反射率与FPAR之间良好的经验关系，发展了NIRV指数：

与站点观测和模型输出结果对比，NIRV都展现出强大的计算植被光合作用的能力。Baldocchi 等人结合光能利用率模型和辐射传输原理进一步推导了NIRV与植被光合作用的关系。与NDVI一样，NIRV有着简洁和长时间观测的优点，
此外虽然NIRV还与遥感SIF数据有着良好的相关性。但NIRV同样存在髙值区饱和问题。对于常绿植被，NDVI/NIRV年际变化很小，无法有效表示常绿植被的光合特性。

LAI

LAI，即叶面积指数，顾名思义表示所有植物叶片面积总和与所在面积的比例，用于的叶片疏密程度。
在碳循环中，叶面积指数是影响冠层吸收光合有效辐射能力的关键因子，某种程度上决定了冠层的光合作用能力，进而影响生态系统碳循环。
在站点尺度可以通过叶面积指数仪进行直接测量，而在更大的尺度，LAI只能通过遥感反演的方法进行获取，包括基于植被指数的经验关系方法和基于物理模型的方法。根据LAI的物理意义，LAI是一个结构量，难以直接用于GPP的计算，尤其是对常绿植被来说，LAI年际波动很小，不能捕捉植被的光合动态。

PRI

光化学反射植被指数（PRI）是一种窄波段植被指数，通过下面公式进行计算：

光反应吸收的能量有三种可能的去向，包括光化学、荧光和热耗散。热耗散是通过叶黄素的状态转换实现的，叶黄素的变化会引起531nm和570nm处反射率的变化，所以PRI是热耗散良好的指示因子。由于荧光在植被吸收能量分配中占比很小，所以光化学和热耗散之间具有竞争关系，即PRI与光化学呈反比关系。因此PRI被广泛应用于光合作用模型（如光能利用率LUE模型），并被证明与LUE的良好相关关系。然而，PRI与LUE的关系受到多种色素含量的影响，且其关系在生态系统尺度不稳定，这些缺点限制了PRI的使用。

SIF

日光诱导叶绿素荧光（SIF）被认为是近年来遥感估算GPP研究领域最大的突破。SIF为自然条件下的光合作用研究提供了前所未有的机会。

植物的叶绿体在进行光合作用时，所吸收的光能，有一部分会以荧光的形式散发出去。这是叶绿体的固有的特性，在自然界中广泛存在。而产生的荧光总量，与捕获光能以及叶绿体内能量传递的速率有直接的关系，是了解光合速率的直接数据。
       随着近年来亚纳米级光谱仪的出现和提取方法的进步，人类首次荧光观测200年后，从卫星观测和地面光谱仪观测提取遥感SIF从理论成为现实。很多重要的SIF观测都发生在近10年间，遥感SIF被视为近年来遥感估算碳吸收的最重要的突破，被迅速应用于大尺度植被光合作用计算。无论是单株植被冠层观测，生态系统长时间连续观测，还是全球卫星遥感产品，SIF均显示出与GPP良好的相关关系，且优于其他植被指数。

SIF光谱图。Mohammed et al., Remote Sens Environ, 2019.

在生态系统及更大尺度，则可以使用塔基高光谱、机载和星载高光谱设备对SIF进行提取。近年来，学者陆续在包括森林、草地和农田等多种生态系统展开了 SIF 的长期观测。站点尺度上 SIF 观测一般和气象和涡动相关观测同步进行。由于站点尺度 SIF 观测精度高，且 SIF 观测足迹与涡动相关观测足迹差距较小，对于研究两者在生态系统的关系至关重要。航空遥感既可以快速获取大面积数据，又保持了较高的空间分辨率，可以作为联系站点观测和卫星 SIF 的纽带。结合航空技术和机载高光谱设备，可以获取大范围SIF数据。航空 SIF 观测的缺点是成本较高，无法保持长期稳定的观测，随着无人机（UAV）等航空设备的快速发展，航空 SIF 成本会进一步降低，长时间航空 SIF 观测成为可能。卫星遥感可以提供长时间稳定的全球SIF产品。目前的卫星遥感 SIF 产品都是来自大气化学卫星。Frankenberg 等人基于 Greenhouse gases Observing SATellite（GOSAT）传感器，首次提取了全球的 SIF 产品。之后出现基于 Global Ozone Monitoring Experment-2（GOME-2），Orbiting Carbon Observatory（OCO-2）和 TROPOspheric Monitoring Instrument (TROPOMI) 等传感器的多种 SIF 产品。航天方面搭载专门用于提取 SIF 传感器的 FLuORescence Explorer（FLEX）卫星预计于 2022 年发射， 大量 SIF 观测数据的积累为使用 SIF 估算全球GPP计算奠定了基础。

TROPOMI 卫星SIF产品
表1. 在轨卫星与即将发射的卫星。Mohammed et al., Remote Sens Environ, 2019.

（** 表示稀疏采样，FR表示近红外SIF，R表示红光SIF，full表示全波段S）

PARTO4   为什么SIF是测量大尺度GPP的利器

首先SIF信号是直接产生于植被光合作用过程中，是更为直接的信息，与GPP之间的关系有着明确的植被生理学基础。比如，对于常绿植被，植被指数在生长季和非生长季的区别很小，GPP则有着明显的季节动态变化--在冬季常绿植被基本上不进行光合作用，而SIF依然保持与GPP一样的季节变化趋势。
其次SIF是有物理意义的能量值（mW/m2/nm/sr），这意味着SIF受到基本物理定律的限制，这保证了SIF观测的统一性。可以通过控制实验等传统方法对SIF开展研究。而植被指数往往是不同波段的经验组合，无法从物理角度对其进行解释，且植被指数一般没有单位，难以进行量纲分析。
最后，不同于涡度相关系统，SIF是这一种光谱数据，与卫星的光谱传感器数据结合更容易。进而可以进行更大尺度的GPP观测。

PART05 讨论

遥感传感器接收的SIF信号包含丰富的冠层生理和结构信息。来自光系统的SIF在叶片内部受到叶片的吸收作用影响，其中红光波段SIF与叶绿素吸收峰重合，使得叶片发射的红光SIF大幅降低。在冠层内部，红光SIF进一步受到其他叶片的重吸收。而叶片发射的近红外SIF在冠层发生散射作用，使得不同角度观测到的SIF有明显区别。
       SIF信号中的结构信息使得在叶片尺度得到的SIF动力学及SIF与GPP的关系模型无法直接应用于冠层以上尺度。研究显示，SIF与GPP之间的关系受到冠层结构的强烈影响，有研究发现冠层尺度SIF与GPP的相关性比叶片尺度荧光与光合作用动力学的理论值更高，也有研究指出，将冠层SIF降尺度到光系统尺度能显著提高SIF与GPP的关系。
       因此，量化冠层结构对SIF和GPP关系的影响十分重要。近期多种研究显示，叶片SIF与冠层SIF之间的比值（荧光逃逸概率fesc）可以通过冠层反射率来衡量。Zeng等人通过冠层不变定律，提出NIRV指数与FPAR的比值可以用于fesc的计算。Yang等人提出了FCVI指数，该指数等于近红外反射率与红光反射率的差值，结合入射光合有效辐射可以进行fesc的估算。这些方法均利用了可见光和红外的冠层反射率，且很容易拓展到大尺度进行应用。研究显示，引入fesc对于站点及全球尺度的GPP的计算有显著的提高，另外也为从植被生理角度计算冠层及更大尺度GPP提供了可能。
       上文提到，植被吸收光合有效辐射有三种途径释放：光化学（光系统II和光系统I中的反应），SIF和热耗散（包括色素反应）。SIF与光化学之间的关系受到热耗散的调节作用。结合PRI对热耗散过程的一定表征能力，可以进一步提高SIF估算GPP的表现。
       植被在全球碳循环中扮演着最大碳汇的角色，理解植被光合作用动态是实现碳中和的重要目标之一。大面积高效的植被遥感为实现这一目标提供了强大的工具。虽然遥感获取的植被指数也被用于GPP计算。但是植被指数与GPP之间机理不够明确。这导致大多数相关研究停留在经验回归上，限制了植被指数在定量遥感中的进一步应用。而物理意义明确，有量纲的SIF展现了巨大的应用前景。另一方面，植被指数可以解决SIF的尺度效应及其与GPP机理关系进行补充，可以进一步提高了SIF的应用价值。因此，开展VNIR与SIF同步观测，将成为未来GPP计算的标准手段，为我国实现碳中和目标提供科学依据。

参考资料：
习近平在第七十五届联合国大会一般性辩论上的讲话（全文）

Ryu, Y., Berry, J. A., & Baldocchi, D. D. (2019). What is global photosynthesis? History, uncertainties and opportunities. Remote sensing of environment, 223, 95-114.
Mohammed, G. H., Colombo, R., Middleton, E. M., Rascher, U., van der Tol, …, & Zarco-Tejada, P. J. (2019). Remote sensing of solar-induced chlorophyll fluorescence (SIF) in vegetation: 50 years of progress. Remote sensing of environment, 231.
Camps-Valls, G., Campos-Taberner, M., Moreno-Martínez, Á., Walther, S., Duveiller, G., Cescatti, A., ... & Running, S. W. (2021). A unified vegetation index for quantifying the terrestrial biosphere. Science Advances, 7(9), eabc7447.
Badgley, G., C. B. Field, and J. A. Berry (2017), Canopy near-infrared reflectance and terrestrial photosynthesis, Science Advances, 3(3).
Baldocchi, D. D., Ryu, Y., Dechant, B., Eichelmann, E., Hemes, K., Ma, S., ... & Berry, J. A. (2020). Outgoing near‐infrared radiation from vegetation scales with canopy photosynthesis across a spectrum of function, structure, physiological capacity, and weather. Journal of Geophysical Research: Biogeosciences, 125(7), e2019JG005534.
Magney, T. S., Frankenberg, C., Fisher, J. B., Sun, Y., North, G. B., Davis, T. S., ... & Siebke, K. (2017). Connecting active to passive fluorescence with photosynthesis: a method for evaluating remote sensing measurements of Chl fluorescence. New phytologist, 215(4), 1594-1608.
Gu, L., Han, J., Wood, J. D., Chang, C. Y. Y., & Sun, Y. (2019). Sun‐induced Chl fluorescence and its importance for biophysical modeling of photosynthesis based on light reactions. New Phytologist, 223(3), 1179-1191.
Zeng, Y., Badgley, G., Dechant, B., Ryu, Y., Chen, M., & Berry, J. A. (2019). A practical approach for estimating the escape ratio of near-infrared solar-induced chlorophyll fluorescence. Remote Sensing of Environment, 232, 111209.
Yang, P., van der Tol, C., Campbell, P. K., & Middleton, E. M. (2020). Fluorescence Correction Vegetation Index (FCVI): A physically based reflectance index to separate physiological and non-physiological information in far-red sun-induced chlorophyll fluorescence. Remote sensing of environment, 240, 111676.
徐博轩，陈报章，许光，陈婧，车明亮．基于叶面积指数估算植被总初级生产力．生态学报，2016，36( 12) : 3546-3555．
陈晋, et al. 利用光化学反射植被指数估算光能利用率研究的进展. 遥感学报, 2008, 2: 331-337