周 蕾,遲永剛,劉嘯添,戴曉琴,楊風(fēng)亭

1 浙江師范大學(xué)地理與環(huán)境科學(xué)學(xué)院,金華 321004 2 中國科學(xué)院地理科學(xué)與資源研究所,生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測與模擬重點(diǎn)實(shí)驗(yàn)室, 北京 100101 3 中國資源衛(wèi)星應(yīng)用中心,北京 100830

常綠針葉林占全球森林面積的26.9%[1],占中國森林面積的45%[2],在森林固碳中發(fā)揮著重要的作用[3]。植被物候是森林對(duì)氣候變化響應(yīng)的關(guān)鍵因子,同時(shí)是碳水循環(huán)變化調(diào)節(jié)氣候的驅(qū)動(dòng)力[4]。由于植被光合作用是調(diào)節(jié)全球碳循環(huán)最重要的過程,植被物候表征了光合能力與葉片季節(jié)性出現(xiàn)和消亡的緊密聯(lián)系[5]。目前基于多種遙感信息的陸表物候監(jiān)測(LSP, Land surface phenology)[6]可以較好地捕捉落葉林物候期[7],但是由于常綠針葉林冠層綠度的季節(jié)變動(dòng)較弱,辨識(shí)常綠針葉林的季節(jié)變動(dòng)時(shí)期仍舊存在巨大的挑戰(zhàn)[8]。

遙感日光誘導(dǎo)葉綠素?zé)晒?SIF, Sun-induced chlorophyll fluorescence)表現(xiàn)為光合作用更加可靠的替代因子,用于監(jiān)測大尺度植被物候[7,9-10]。傳統(tǒng)陸表物候監(jiān)測主要通過反射率估算的植被指數(shù)(VI, Vegetation index), 例如歸一化植被指數(shù)NDVI(Normalized difference vegetation index)和增強(qiáng)型植被指數(shù)EVI(Enhanced vegetation index)[11-12],仍舊存在著較大的不確定性,這主要?dú)w因于積雪對(duì)植被指數(shù)信號(hào)的影響以及常綠森林冠層綠度季節(jié)變動(dòng)的捕捉[9,13-15]。隨著遙感技術(shù)的飛速發(fā)展,衛(wèi)星SIF提供了不同于植被綠度信息的生理功能的新視角,在植被物候監(jiān)測方法發(fā)揮著重要的優(yōu)勢[9-10]。葉片葉綠素吸收光能量后有3種途徑：光化學(xué)淬滅(PQ, Photochemical quenching)、非光化學(xué)淬滅(NPQ, Non-photochemical quenching)以及SIF[16]?？偝跫?jí)生產(chǎn)力GPP(Gross primary productivity)和SIF通常可以用吸收的光合有效輻射和光能利用率或者熒光產(chǎn)量的乘積來表達(dá)[17-18]。因此,植被SIF與GPP存在顯著的相關(guān)性[19],可以從葉片[20]、冠層[7,21]和生態(tài)系統(tǒng)[22- 24]等多種尺度上印證,同時(shí)覆蓋GOSAT (Greenhouse gases observing satellite)[22-23]、GOME- 2 (Global ozone monitoring experiment- 2)[25]和OCO- 2 (Orbiting carbon observatory 2)[10,26]等多種衛(wèi)星數(shù)據(jù)。SIF-GPP的相關(guān)性理論促進(jìn)了基于SIF的植被物候監(jiān)測的研究,并且已經(jīng)運(yùn)用在多種植被類型(比如落葉闊葉林和混交林)[27],但利用SIF對(duì)常綠針葉林的物候監(jiān)測還比較少。針葉林吸收的光合有效輻射比率的變異很小,但是卻有明顯的光能利用率LUE(Light-use efficiency)的季節(jié)變異[28]。研究表明從小時(shí)尺度到周尺度上,常綠林SIF與GPP有很好的相關(guān)性[29]。同時(shí)SIF能夠提供針葉林LUE的信息[8,30],體現(xiàn)了其相比于其他傳統(tǒng)遙感指數(shù)的優(yōu)勢。熒光效率的季節(jié)波動(dòng)能夠捕捉光保護(hù)色素和光合系統(tǒng)II效率,進(jìn)而能夠準(zhǔn)確追蹤光合作用的季節(jié)性[29]。研究發(fā)現(xiàn)在高緯度常綠針葉林,GOME- 2 SIF估算的生長季長度要比EVI估算的結(jié)果長6周[8]。而在中高緯度地區(qū)(>42°N),常綠針葉林SIF估算的物候信息在春季返青期有滯后現(xiàn)象,但能準(zhǔn)確追蹤秋季衰老[9]。因此,SIF在常綠針葉林物候監(jiān)測中發(fā)揮著重要的作用,但是仍舊需要不同氣候區(qū)更多的樹種來驗(yàn)證SIF的植被物候監(jiān)測能力。

中國南方地區(qū)擁有全世界最大面積的亞熱帶森林,具有較高的固碳能力,在全球碳循環(huán)中起到重要的作用。基于長時(shí)間通量觀測結(jié)果發(fā)現(xiàn)東亞季風(fēng)區(qū)(20—40°N)亞熱帶森林凈生態(tài)系統(tǒng)生產(chǎn)力(NEP, Net ecosystem productivity)平均為(362±39) g C m-2a-1,高于亞洲熱帶和溫帶森林的NEP,也高于歐洲-非洲和北美同緯度地區(qū)森林的NEP[31]。常綠針葉林是亞熱帶森林的重要組成部分,其物候期的變動(dòng)影響森林固碳的能力。因此,本研究以亞熱帶常綠針葉林為研究對(duì)象,利用MODIS植被指數(shù)和GOME- 2 SIF數(shù)據(jù)來估算亞熱帶常綠針葉林的物候期,比較基于SIF和基于反射率觀測的植被指數(shù)在監(jiān)測光合作用物候的能力,評(píng)價(jià)SIF在亞熱帶常綠針葉林物候監(jiān)測的重要性。

1 材料與方法

1.1 研究區(qū)域介紹

本研究位于千煙洲森林通量觀測站,隸屬于江西省吉安市泰和灌溪鎮(zhèn)(26°44′29.1″N,115°03′29.2″E)。該站微氣象觀測塔建立于2002年8月,塔四周的森林覆蓋率在90%以上。試驗(yàn)站現(xiàn)有的林分大多為1985年前后營造的人工針葉林,主要樹種為以馬尾松(PinusmassonianaLamb)、濕地松(Pinuselliottii)等為主的常綠針葉林,約占土地總面積的76%。站點(diǎn)下墊面坡度在2.8—13.5°之間,屬于典型亞熱帶季風(fēng)氣候[32]。站區(qū)年平均氣溫17.9℃,平均年降水量1542.4 mm,存在明顯的干濕季,夏季7、8月高溫干旱,年蒸發(fā)量1110.3 mm,年均相對(duì)濕度84%[33-34]。土壤類型為紅壤[32]。

1.2 數(shù)據(jù)來源和處理

1.2.1 植被指數(shù)(NDVI和EVI)數(shù)據(jù)

MODIS植被指數(shù)數(shù)據(jù)均來自 LP DAAC網(wǎng)站(https://lpdaacsvc.cr.usgs.gov/appeears/),通過站點(diǎn)的經(jīng)緯度坐標(biāo)提取出相應(yīng)產(chǎn)品的時(shí)間序列數(shù)據(jù)以及質(zhì)量控制文件。NDVI、EVI植被指數(shù)產(chǎn)品采用MOD13A2 V006版本,16天最大值合成,每年23期數(shù)據(jù),空間分辨率1 km,時(shí)間范圍2007—2011年。遙感數(shù)據(jù)由于環(huán)境條件、傳感器精度等多種原因會(huì)導(dǎo)致數(shù)據(jù)中含有噪聲影響,因此利用MOD13A2云掩膜、陰影、冰雪覆蓋等質(zhì)量文件對(duì)NDVI、EVI數(shù)據(jù)進(jìn)行質(zhì)量控制[35]。首先利用MOD13A2數(shù)據(jù)自帶的數(shù)據(jù)可信度數(shù)據(jù)集,剔除了有冰雪覆蓋或者云遮擋可靠性差的數(shù)據(jù),保留標(biāo)識(shí)為0(具有可信度)和1(較有可信度)的數(shù)據(jù)；然后利用質(zhì)量控制數(shù)據(jù)集,剔除存在云、冰雪、氣溶膠等噪聲影響的數(shù)據(jù)；最后利用線性插補(bǔ)方法生成時(shí)序的NDVI和EVI數(shù)據(jù)集。

1.2.2 日光誘導(dǎo)葉綠素?zé)晒?SIF)數(shù)據(jù)

SIF來自于搭載在MetOp-A衛(wèi)星[36]的GOME- 2反演得到[37]。GOME- 2傳感器的風(fēng)浪區(qū)為40 km×80 km,其第四個(gè)通道720—758 nm的子通道用于740 nm SIF的估算[37]。下載遙感反演的日尺度全球SIF產(chǎn)品 (ftp://ftp.gfz-potsdam.de/home/mefe/GlobFluo/), 根據(jù)16天最大值合成生成2007—2011年SIF數(shù)據(jù),空間分辨率0.5°×0.5°。根據(jù)通量站點(diǎn)坐標(biāo)提取千煙洲SIF時(shí)序數(shù)據(jù)并利用殘差平方和進(jìn)行質(zhì)量控制,并采用線性插值方法插補(bǔ)缺失值進(jìn)而生成時(shí)序的SIF數(shù)據(jù)集。

1.2.3 通量數(shù)據(jù)GPP

渦度通量技術(shù)用來監(jiān)測森林半小時(shí)尺度的CO2通量[38]。在本研究中,采用與遙感指數(shù)時(shí)間范圍一致(2007—2011年)的千煙洲森林通量站數(shù)據(jù)。首先需要采用坐標(biāo)軸旋轉(zhuǎn)、WPL校正以及儲(chǔ)存項(xiàng)校正以消除地形、空氣水熱傳輸和觀測高度對(duì)觀測數(shù)據(jù)的影響[39]；同時(shí)采用摩擦風(fēng)速U*來剔除夜間湍流較弱情況下的數(shù)據(jù)[39]。最后將CO2通量數(shù)據(jù)拆分成GPP和生態(tài)系統(tǒng)總呼吸,通過30 min間隔的連續(xù)觀測數(shù)據(jù)加和為每日的GPP,進(jìn)而得到2007—2011年每日GPP時(shí)序數(shù)據(jù)。

1.3 物候信息估算方法

16天分辨率植被指數(shù)(NDVI和EVI)、16天分辨率日光誘導(dǎo)葉綠素?zé)晒釹IF與日通量GPP的物候指標(biāo)的估算通過TIMESAT軟件3.2版本。遙感指數(shù)的平滑通過Savitzky-Golay(S-G)濾波進(jìn)行,然后再采用雙Logistic曲線(D-L)來估算物候參數(shù)。S-G濾波法的原理是在每一個(gè)點(diǎn)的鄰近域選取一定數(shù)量的數(shù)據(jù)點(diǎn)并進(jìn)行多項(xiàng)式擬合然后替代該點(diǎn)數(shù)據(jù),目的是使得曲線更加光滑。D-L模型函數(shù)是一種半局部擬合方法,將全部時(shí)間序列劃分為多個(gè)極大值、極小值區(qū)間分別進(jìn)行函數(shù)擬合。兩種方法采用spike方法來去除參數(shù)的異常值。最后采用動(dòng)態(tài)閾值法提取森林的物候特征參數(shù),設(shè)定閾值為20%[40-41]。物候參數(shù)包括生長季開始時(shí)間(SOS, Start of growing season)和生長季結(jié)束時(shí)間(EOS, End of growing season)2個(gè)關(guān)鍵參數(shù)。

2 結(jié)果分析

2.1 植被指數(shù)、日光誘導(dǎo)葉綠素?zé)晒夂屯縂PP時(shí)間序列變化

根據(jù)2007—2011年3種遙感指數(shù)和通量GPP的時(shí)間序列變化圖可以看出,3種遙感指數(shù)呈現(xiàn)明顯的季節(jié)變化,并且季節(jié)變化與通量GPP的變異相似(圖1)。其中在大多數(shù)年份中SIF最高值出現(xiàn)明顯早于NDVI和EVI。

圖1 2007—2011年3種遙感指數(shù)和通量GPP時(shí)間序列變化(NDVIEVISIF: 16天；GPP: 每天)Fig.1 The time series of 16-day NDVI, EVI, SIF and daily GPP during 2007—2011NDVI: 歸一化植被指數(shù)Normalized difference vegetation index; EVI: 增強(qiáng)型植被指數(shù)Enhanced vegetation index; SIF: 日光誘導(dǎo)葉綠素?zé)晒釹un-induced chlorophyll fluorescence; GPP: 總初級(jí)生產(chǎn)力Gross primary production

將3種遙感指數(shù)和通量GPP真實(shí)值和歸一化值的多年平均值來代表各自曲線的季節(jié)變動(dòng)形態(tài)(圖2)。GPP在春季早于其他3種指數(shù)進(jìn)入快速增加的階段,但在秋季又早于其他3種指數(shù)進(jìn)入快遞下降的階段；相比于植被指數(shù)NDVI和EVI,SIF表現(xiàn)出在春季和秋季的生長季開始和結(jié)束的時(shí)間上更加貼近于GPP變異；NDVI和EVI多年均值的季節(jié)變異相似,但是NDVI在生長季結(jié)束時(shí)間上都要略晚于EVI,NDVI和EVI的最高值相對(duì)滯后。

圖2 3種遙感指數(shù)(NDVI、EVI和SIF)與通量GPP多年平均值的季節(jié)變動(dòng)Fig.2 Seasonal trajectories of MODIS NDVI, MODIS EVI, GOME- 2 SIF and GPP from eddy covariance flux in Qianyanzhou station

3種遙感指數(shù)與通量GPP都表現(xiàn)為良好的線性關(guān)系(P<0.0001),體現(xiàn)季節(jié)變動(dòng)相對(duì)吻合(圖3)。其中SIF與GPP的相關(guān)性最高,R2達(dá)到0.808；NDVI和EVI與GPP的相關(guān)性比SIF-GPP的相關(guān)性略低,R2分別是0.702和0.748。

圖3 3種遙感指數(shù)與通量GPP的相互關(guān)系Fig.3 Seasonal correlation between GPP and NDVI, EVI and SIF at 16-day spatial resolution

2.2 基于遙感信息的物候期與基于通量GPP的物候期比對(duì)

根據(jù)圖4的2007—2011年3種遙感指數(shù)和通量GPP估算的物候信息對(duì)比發(fā)現(xiàn)：NDVI、EVI、SIF和GPP的生長季開始時(shí)間(5年均值)分別是第94天、第94天、第82天和第63天,呈現(xiàn)逐漸遞減的趨勢；四種指數(shù)的生長季結(jié)束時(shí)間(5年均值)分別是第350天、第344天、第336天和第324天,同樣是逐漸遞減的趨勢；四種指數(shù)的生長季長度(5年均值)分別是258天,251天,255天,272天。因此,SOSGPP要早于3個(gè)遙感指數(shù)的生長季開始時(shí)間(SOSNDVI、SOSEVI和SOSSIF),提前的時(shí)間分別是31天(NDVI),31天(EVI)和19天(SIF)；EOSGPP要早于三個(gè)遙感指數(shù)的生長季結(jié)束時(shí)間(EOSNDVI、EOSEVI和EOSSIF),提前的時(shí)間分別是17天(NDVI),10天(EVI)和2天(SIF)。由此可見,對(duì)亞熱帶常綠針葉林而言,雖然3種遙感指數(shù)的生長季長度都短于實(shí)際光合作用,但是SIF相對(duì)于其他兩個(gè)植被指數(shù)(NDVI和EVI)能夠更好地追蹤生長季的開始和結(jié)束時(shí)間；而植被指數(shù)與光合作用之間存在著一定的滯后作用,包括春季的恢復(fù)和秋季的衰老都要晚于實(shí)際的光合作用。

圖4 陸表物候與光合物候的比較 Fig.4 The start and end of the growing seasons determined by different remote sensing measurements and EC measurements

2007—2011年3種遙感指數(shù)物候信息與通量GPP物候時(shí)間序列的相關(guān)性分析(圖5)表明SOSSIF與SOSGPP年際變異相似,呈現(xiàn)為相關(guān)性的趨勢(SOSGPP=1.094SOSSIF-27.044,R2=0.728,P=0.066)；SOSNDVI(P=0.220)和SOSEVI(P=0.448)與SOSGPP沒有顯著的相關(guān)性; EOSNDVI(P=0.864)、EOSEVI(P=0.278)和EOSSIF(P=0.920)與EOSGPP都沒有顯著的相關(guān)性。

圖5 3種遙感指數(shù)估算的陸表物候與光合物候的對(duì)比Fig.5 The relationship between remotely sensed SOS/EOS and observed photosynthesis metrics determined by eddy covariance measurements

2.3 物候期與環(huán)境因子的關(guān)系

圖6 分析了環(huán)境因子(氣溫、降水、輻射、土壤溫度、土壤含水量和飽和水汽壓差)與基于4種變量(NDVI/EVI/SIF/GPP)估算的物候期(SOS和EOS)的相關(guān)性。對(duì)于SOS,考慮春季和冬季氣候因子的影響；而對(duì)于EOS,考慮夏季和秋季氣候因子的影響?？傮w而言,春季的溫度(包括氣溫和土壤溫度)是影響亞熱帶常綠針葉林生長季開始時(shí)間(SOS)最重要的因素,其次是春季水分和輻射的影響(圖6)；秋季的水分(土壤含水量和降水)和輻射是影響生長季結(jié)束時(shí)間(EOS)最重要的氣象因子(圖6)。4種變量估算的物候期(SOS和EOS)與環(huán)境因子的相關(guān)性有較大的差異,其中4種變量估算的SOS與環(huán)境因子的相關(guān)關(guān)系的一致性強(qiáng)于EOS。特別是SOSSIF和SOFGPP與環(huán)境因子的相關(guān)性相比其他兩種指數(shù)更為接近。

圖6 亞熱帶常綠針葉林物候與環(huán)境因子的相關(guān)性 Fig.6 Correlation coefficients between phenology (SOS and EOS) and environmental factors at Qianyanzhou site生長季開始時(shí)間(SOS)考慮冬季和秋季環(huán)境因子,生長季結(jié)束時(shí)間(EOS)考慮夏季和秋季環(huán)境因子;星號(hào)(*)代表顯著相關(guān)(P<0.05);Winter_Tair: 冬季氣溫Winter air temperature; Winter_Ts: 冬季土壤溫度Winter soil temperature; Winter_VPD: 冬季飽和水汽壓差Winter vapor pressure deficit; Winter_SWC: 冬季土壤含水量Winter soil water content; Winter_SR: 冬季輻射Winter solar radiation; Winter_Prec: 冬季降水Winter precipitation; Spring_Tair: 春季氣溫Spring air temperature; Spring _Ts: 春季土壤溫度Spring soil temperature; Spring_VPD: 春季飽和水汽壓差Spring vapor pressure deficit; Spring_SWC: 春季土壤含水量Spring soil water content; Spring _SR: 春季輻射Spring solar radiation; Spring _Prec: 春季降水Spring precipitation; Summer_Tair: 夏季氣溫Summer air temperature; Summer_Ts: 夏季土壤溫度Summer soil temperature; Summer_VPD: 夏季飽和水汽壓差Summer vapor pressure deficit; Summer_SWC: 夏季土壤含水量Summer soil water content; Summer _SR: 夏季輻射Summer solar radiation; Summer _Prec: 夏季降水Summer precipitation; Autumn_Tair: 秋季氣溫Autumn air temperature; Autumn_Ts: 秋季土壤溫度Autumn soil temperature; Autumn_VPD: 秋季飽和水汽壓差A(yù)utumn vapor pressure deficit; Autumn_SWC: 秋季土壤含水量Autumn soil water content; Autumn_SR: 秋季輻射Autumn solar radiation; Autumn_Prec: 秋季降水Autumn precipitation;

3 討論

3.1 SIF能夠捕捉亞熱帶常綠針葉林的物候信息

日光誘導(dǎo)葉綠素?zé)晒獬四軌蚬浪汴懙厣鷳B(tài)系統(tǒng)生產(chǎn)力、監(jiān)測植被脅迫狀況,還在植被物候監(jiān)測方面發(fā)揮著重要的作用[42]。第一,光合速率與發(fā)射的葉綠素?zé)晒庥忻芮嘘P(guān)系是SIF反演GPP的重要基礎(chǔ)。很多研究報(bào)道表征光反應(yīng)系統(tǒng)II(PSII)的SIF與表征CO2固定的GPP有較好的正相關(guān)關(guān)系[7,22,24-25,27],體現(xiàn)在葉片尺度[20]、冠層尺度[7,21]、生態(tài)系統(tǒng)尺度[22- 24]到區(qū)域尺度上[22,43-44],從GOSAT[22-23]、GOME- 2[25]到OCO- 2[10,26]多種遙感平臺(tái)上。第二,SIF可以用作植被對(duì)生物因子(氮等)和非生物因子(干旱、高溫等)脅迫的指標(biāo)。例如,Flexas等[45]發(fā)現(xiàn)C3葉片在水分脅迫下熒光產(chǎn)量下降。Daumard等[46]發(fā)現(xiàn)在干旱情況下冠層尺度熒光的下降。2015/2016年亞馬遜干旱研究表明SIF在干旱季節(jié)出現(xiàn)大規(guī)模下降[47]。第三,正因?yàn)镾IF與GPP有著良好的相關(guān)性,同時(shí)SIF能夠快速反映脅迫的信息,開拓了遙感監(jiān)測植被物候的新領(lǐng)域[42]。例如,Joiner等[27]首次利用GOME- 2 SIF數(shù)據(jù)提取了落葉闊葉林、混合林和作物的物候信息；而后衛(wèi)星SIF開始在常綠林和針葉林的物候監(jiān)測方面發(fā)揮重要的作用[8-9,48]。研究表明常綠針葉林CO2交換與光反應(yīng)系統(tǒng)II及其電子傳輸速率在春季同時(shí)開始恢復(fù)[14]。因此表征PSII電子傳輸速率的SIF與GPP在季節(jié)尺度上有著顯著的正相關(guān)[8]。在高緯度常綠針葉林,GOME- 2 SIF很好地捕捉了植被的季節(jié)變動(dòng),特別是春季的恢復(fù)時(shí)期[8]?；诘孛婀庾V儀和通量的同步觀測發(fā)現(xiàn)常綠林SIF與葉黃素循環(huán)和光合系統(tǒng)II的最大量子效率存在著顯著的相關(guān)性[29],因而可以證實(shí)常綠林GPP的季節(jié)性主要受到葉片光合效率和光保護(hù)色素適應(yīng)的共同調(diào)節(jié)[49]。本研究中,利用GOME- 2 SIF估算的陸表物候和通量GPP估算的光合作用物候的比對(duì)可以發(fā)現(xiàn)SIF能夠追蹤亞熱帶常綠針葉林的物候信息。

3.2 SIF與其他遙感指數(shù)對(duì)常綠針葉林物候監(jiān)測的差異

植被物候是研究植物周期性的生長特征變化(如發(fā)芽、開花、落葉等)以及這種生長變化如何受季節(jié)/年際氣候變化的影響。其中生長季開始時(shí)間SOS和結(jié)束時(shí)間EOS對(duì)氣候變化非常敏感,決定生長季的長度并對(duì)生態(tài)系統(tǒng)碳循環(huán)有重要啟示,是植被物候中最受關(guān)注的參數(shù)[4]。傳統(tǒng)的地面觀測方法可以精確記錄特定站點(diǎn)和樹種的物候時(shí)期,但是由于其覆蓋范圍有限,監(jiān)測方法和手段的差異,很難應(yīng)用到大區(qū)域長時(shí)間物候監(jiān)測中。隨著遙感技術(shù)的飛速發(fā)展,越來越多研究側(cè)重于基于遙感觀測數(shù)據(jù)來獲取植被陸地表層的季節(jié)格局,也就是最常見的陸表物候(LSP)[6],空間分辨率覆蓋250 m到25 km。渦度相關(guān)通量數(shù)據(jù)監(jiān)測陸地生態(tài)系統(tǒng)和大氣的CO2交換,可以用GPP來提取光合物候時(shí)間[50-51]。研究表明遙感估算的陸表物候與通量GPP估算的光合物候有較好的一致性[52]。因此用GPP估算的光合物候能夠用來驗(yàn)證遙感提取的中分辨率到低分辨率的陸表物候[5]。

傳統(tǒng)的植被指數(shù)已被廣泛應(yīng)用于植被物候監(jiān)測研究中,但是這些指數(shù)往往僅反映植被的綠度信息,而不能追蹤實(shí)際的光合作用變化。由于遙感SIF與光合能力直接相關(guān),并且對(duì)云和大氣散射不敏感[27],因此SIF不僅能反映植被的形態(tài)物候,同時(shí)也能追蹤植被脅迫信息[42]。在本研究中,基于表征森林實(shí)際生長的通量GPP數(shù)據(jù)估算得到5年內(nèi)亞熱帶常綠針葉林生長季開始時(shí)間為第63天,結(jié)束時(shí)間為第324天,生長季長度為272天(圖4)?；诜从持脖还夂献饔锰卣鞯腟IF曲線獲得物候信息都要滯后GPP物候期,其中SOSSIF滯后SOSGPP19天,EOSSIF滯后EOSGPP2天；基于傳統(tǒng)植被指數(shù)的物候期滯后GPP物候期的時(shí)間要大于SIF滯后期,植被指數(shù)SOS滯后SOSSIF12天,植被指數(shù)EOS滯后EOSSIF8—15天。由此可見,對(duì)于亞熱帶常綠針葉林,基于SIF的陸表物候監(jiān)測更加接近于光合作用物候期(SOSGPP和EOSGPP)。

常綠針葉林生長季中樹葉在顏色和總?cè)~面積方面的季節(jié)性很弱[53]。常綠針葉林新的枝芽只占生物量很小一部分,芽伸長、針葉生長以及凋落等不能體現(xiàn)森林生產(chǎn)力/生物量的變化[53-54]。同時(shí)常綠林常年保持綠色器官,植被綠度(表現(xiàn)為NDVI和EVI等)在休眠階段不會(huì)下降到0,因此不能很好的提供實(shí)際光合作用發(fā)生或停止的信號(hào)[40]。以往許多實(shí)驗(yàn)結(jié)果表明森林春季恢復(fù)要早于植被綠度[55-57]。在本研究中春季返青期綠度增加信息要晚于光合作用第一信號(hào)31天。雖然針葉林在休眠時(shí)間保持綠色,但是低碳水化合物的需求會(huì)導(dǎo)致光合效率的解耦[58]。SIF對(duì)常綠針葉林的季節(jié)性描述,更多地包含了光能利用率的信息[8,25,28]。因此相比于傳統(tǒng)的植被指數(shù)NDVI和EVI,SIF能夠更好地捕捉常綠林的生長階段,SIF物候的滯后期要短于植被指數(shù)物候的滯后期。同時(shí)3種遙感指數(shù)EOS滯后于GPP的時(shí)間都短于SOS,這與Walther等中北方常綠針葉林相似[8]。因此,相對(duì)于傳統(tǒng)以反射率為基礎(chǔ)的植被指數(shù)(NDVI、EVI等),SIF可以直接與“實(shí)際光合作用”相聯(lián)系,其變化早于葉綠素含量的下降及植物形態(tài)結(jié)構(gòu)的變化,特別是在常綠群落、植被受脅迫的早期階段、季節(jié)性雪蓋影響等區(qū)域[28]。對(duì)于冬季休眠的針葉林來說,植被綠度指數(shù)很難去捕捉GPP的大小和時(shí)期,而SIF能夠有效提高常綠林碳循環(huán)動(dòng)態(tài)監(jiān)測[29]。

3.3 模型改進(jìn)的啟示

植被物候?qū)ι鷳B(tài)系統(tǒng)模型有重要啟示,提供模型所需要的物候變動(dòng)信息[59]。因此SIF與GPP的相關(guān)性更多地可以應(yīng)用在碳循環(huán)模型中,在模型中對(duì)葉片物候和光合功能方面的參數(shù)有很好的約束作用。研究表明在早春和晚秋時(shí)期的低溫狀態(tài),碳循環(huán)模型對(duì)植被生產(chǎn)力的模擬是不精確的[60]。以往很多光能利用率模型都采用植被指數(shù)來估算GPP,SIF可能提供模型更好的物候信息[61-62]。而在生態(tài)系統(tǒng)過程模型中,SIF能夠有效約束葉片物候光合方面的參數(shù)來提供可靠性的知識(shí)[63]。很多研究表明日光誘導(dǎo)葉綠素?zé)晒庹系疥懨婺Ｊ娇梢蕴岣逩PP的模擬精度[61,64]。因此,研究SIF追蹤植被物候的能力可以有效地改進(jìn)目前各類碳循環(huán)模型中物候過程,減少模型模擬的不確定性。

3.4 不確定性分析

本研究通過MODIS植被指數(shù)和GOME- 2 SIF來追蹤亞熱帶地區(qū)常綠針葉林的植被物候,主要存在兩方面的不確定性。首先,植被物候遙感存在尺度效應(yīng)。(1)空間分辨率方面：傳統(tǒng)植被指數(shù)NDVI和EVI,由于其衛(wèi)星數(shù)據(jù)覆蓋時(shí)間較長,是估算陸表物候的最常用手段,空間分辨率通常250 m到8 km[65-66]。研究表明大區(qū)域上春季物候?qū)τ?50 m和8 km兩種分辨率估算結(jié)果相似,差異小于5天,但是在某些地區(qū)可能有比較大的差異[67]。目前GOME- 2 SIF產(chǎn)品分辨率較粗(0.5°×0.5°),而通量觀測通常代表的是風(fēng)浪區(qū)內(nèi)(<1 km2)的碳水交換,兩者在空間尺度上并不完全匹配。但是通量觀測通常所在的站點(diǎn)植被均質(zhì)性較好,代表性較強(qiáng)。因此有研究表明SIF反映的常綠林綜合信息與通量塔的風(fēng)浪區(qū)是比較一致的[68]。(2)時(shí)間分辨率方面：通常估算陸表物候的遙感數(shù)據(jù)時(shí)間分辨率8—16天,天尺度的遙感數(shù)據(jù)由于大氣和傳感器的影響并不可靠[69]。研究表明如果遙感數(shù)據(jù)的時(shí)間分辨率不低于16天,物候估算誤差不超過3天,因此遙感數(shù)據(jù)空間分辨率6—16天能夠準(zhǔn)確估算植被物候[69]。同時(shí)也有研究表明遙感數(shù)據(jù)在時(shí)間尺度整合過程中采用準(zhǔn)確觀測日期的數(shù)值可以有效地減少低時(shí)間分辨率的不確定性[70]。其次,遙感數(shù)據(jù)重建方法的誤差。目前遙感數(shù)據(jù)最常用的重建方法包括最佳指數(shù)斜率提取法(BISE)、S-G 濾波法、非對(duì)稱高斯函數(shù)擬合法(AG)、時(shí)間序列諧波法(HANTS)和雙邏輯斯蒂函數(shù)擬合法(D-L)等。很多研究表明S-G濾波方法對(duì)噪聲去除效果較好[71-72]。最后,當(dāng)前的SIF產(chǎn)品仍舊存在著噪聲,特別是春季SIF或者冬季SIF,導(dǎo)致了物候監(jiān)測的偏差。本研究使用的SIF產(chǎn)品噪聲相對(duì)較低[8]。

4 結(jié)論

本研究以亞熱帶常綠針葉林為研究對(duì)象,采用MODIS NDVI/EVI、GOME- 2 SIF以及通量GPP來估算常綠針葉林物候期,評(píng)價(jià)陸表物候與光合作用物候之間的吻合性,明確SIF在常綠針葉林物候監(jiān)測的重要性。結(jié)果表明SIF觀測能夠用來追蹤亞熱帶常綠針葉林GPP的季節(jié)動(dòng)態(tài),其物候期相比于傳統(tǒng)的植被指數(shù)更加接近于光合作用物候；而表征綠度的植被指數(shù)估算的物候期與光合作用的春季恢復(fù)和秋季衰弱的滯后時(shí)間較長。通過分析NDVI、EVI、SIF和GPP估算的物候期(SOS和EOS)和環(huán)境因子的相關(guān)性,結(jié)果表明春季溫度是驅(qū)動(dòng)生長季開始時(shí)間的主要因素,而秋季水分和輻射是影響生長季結(jié)束時(shí)間的關(guān)鍵因素。

目前SIF的應(yīng)用仍舊受到粗分辨率的限制,很難在小尺度上開展光合動(dòng)態(tài)監(jiān)測。隨著NASA OCO- 2衛(wèi)星數(shù)據(jù)的發(fā)展,可以更好地探究高分辨率SIF和通量GPP的關(guān)系[9],進(jìn)而能夠更加深入地評(píng)估SIF在監(jiān)測光合作用物候的重要作用。同時(shí)2017年發(fā)射TROPOMI(TROPOspheric Monitoring Instrument)以及2022年預(yù)計(jì)發(fā)射的Flex(Fluorescence Explorer)都將能提供全球高分辨率的SIF,可以更好地估算光合能力和季節(jié)性[19,73-74]。

致謝:MODIS 植被指數(shù)數(shù)據(jù)來自于LP DAAC網(wǎng)站(https://lpdaacsvc.cr.usgs.gov/appeears/),GOME- 2 SIF來自于ftp.gfz-potsdam.de/pub/home/mefe/GlobFluo/。中國生態(tài)系統(tǒng)網(wǎng)絡(luò)CERN提供千煙洲森林站長期觀測數(shù)據(jù)。