北半球高纬度生态系统的光合作用正在逼近气候变暖正向效益的临界点

摘要

陆地植物通过光合作用吸收大气中的二氧化碳是减缓气候变化的主要机制。植物光合作用在北半球高纬度地区受到低温的强烈限制。气候变暖减缓了温度限制，诱导了光合作用的增加。最近的研究表明，随着持续变暖，光合作用对温度的敏感性下降。然而，潜在的机制仍不清楚。本研究使用重建的日光诱导荧光数据（CSIF）分析了高纬度地区光合作用对温度的时空响应。研究证实了过去20年间光合作用的温度敏感性普遍下降（2000-2009和2010-2019分别为3.25%/°C和2.19%/°C），正向温度敏感性（升温引起生产力增加的幅度）在衰减甚至逆转，而光合作用对温度的非线性响应是主因。本研究表明北半球高纬度生态系统光合作用正在逼近气候变暖正向效益的临界点。

TCNIRv：一种可同时抑制背景与地形影响的植被功能代理指数

植被近红外反射率植被指数(near-infrared reflectance of vegetation，NIRv)是总初级生产力(gross primary production，GPP)的有效代理。然而，受背景和地形影响，NIRv还很难应用于高山稀疏植被。本文基于路径长度地形校正方法(path length correction，PLC)，提出一种抗地形和背景影响的新型植被指数TCNIRv。该指数可以有效缓解地形对NIRv的影响，并且可以很好地刻画山区GPP动态。作为山区GPP的有效代理，TCNIRv将有助于复杂地形山区的植被监测。

01 研究背景

陆地总初级生产力GPP是研究碳循环和气候变化的关键参数，被定义为植被通过光合作用实现的总体固碳量。山区在地球表面占据较高的比例，在复杂的地球系统中起着重要的作用。因此，准确估算山区GPP对了解陆地生态系统和全球碳平衡具有重要意义。

在过去的几十年里，人们提出了各种卫星数据驱动的模型来估算GPP。主要分为两类:(1)生态系统机理模型和(2)经验统计模型。生态系统机理模型主要包括基于过程的模型和光利用率模型。但是，这些模型都需要气象数据作为输入，而气象站分布稀少的山区往往难以获取这些数据。在这种情况下，基于实测的GPP与植被指数(VIs)之间的经验关系的统计模型为估算山区的GPP提供了一种替代方法。

选择合适的VI是基于统计模型估算GPP的前提。在现有的VI中，归一化植被指数NDVI是应用最广泛的。然而，大气条件、土壤背景和饱和效应等因素会强烈影响其值，进而限制其应用。近几年发展的植被近红外反射率植被指数NIRv，代表像素中植被部分的近红外反射率，被证明是GPP的稳健代理。NIRv对背景和高植被区不敏感，但对地形效应非常敏感。

在山区，地形改变了局部地表的光照条件、冠层结构、和太阳-目标-传感器几何结构，显著影响冠层双向反射率分布函数特征。NDVI通过归一化差分方式来调节地形效应。相反，NIRv和NIRv衍生的植被生物物理和生化参数估计具有相当大的不确定性。然而，就我们所知，山区NIRv-GPP关系还没有得到系统的评价。因此，进一步评估地形对NIRv的影响，对GPP的准确估算至关重要。

近几十年来，人们提出了一系列地形校正方法，如C、SE、SCS和SCS+C校正方法。这些方法一般依赖遥感观测与地形因子回归获得的经验参数。因此，尽管它们对单幅影像表现出色，但由于经验参数在时间和空间上的特殊性，在时间序列和空间拼接应用中出现不一致。路径长度校正PLC是一种基于对辐射传递模型简化的地形校正方法。该算法的原理是，地形会在冠层上/下坡方向拉伸/压缩光子在冠层内的传播距离(路径长度)，通过补偿光子路径长度畸变来缓解地形效应。PLC地形校正方法为山区植被长期、大规模监测提供了一种新的机会。

基于此，本文的主要目的是提出一种地形不敏感的NIRv来更好地刻画山区GPP的季相变化。

02 数据与方法

NIRv仅代表植被分量的近红外波段反射率，它被定义为：

式中，NIR和R分别表示为近红外和红光波段反射率。

根据PLC地形校正方法，斜坡表面的反射率ρ₀通过乘以地形归一化转换因子P可以转换为其水平等效的反射率ρ_PLC：

式中，Ω₁和Ω₂分别为太阳和观测方向；S和S_t分别为水平表面和倾斜表面上的路径长度，可以简单的计算为：

式中，θ和φ分别为太阳或观测方向的天顶和方位角。α和β分别为斜坡表面的坡度和坡向。

NIRv仅代表植被部分的近红外反射率，消除了背景对像元尺度反射率的影响。PLC假设传感器采集到的辐亮度仅来自植被，忽略了土壤背景的影响。NIRv和PLC中反射率的物理意义是相同的，这使得它们之间的直接结合成为可能。因此，我们提出以下简单但物理上稳健的地形校正NIRv (TCNIRv)：

我们假设一个良好的VI，适合在山区刻画GPP，应独立于地形并与GPP强相关。因此，本文从缓解地形效应和刻画山地GPP动态两方面对TCNIRv进行了评价。

03 结果

分析发现，NIRv不管在时间上还是空间上都受地形效应的强烈影响。TCNIRv在缓解地形效应方面与被认为对地形不敏感的NDVI和GNDVI相当。仔细观察发现TCNIRv在时间上和空间上的稳定性略高于NDVI和GNDVI(图1)。

与基于通量的GPP直接比较的验证结果不仅受地形效应尺度相关性的影响，还受通量足迹的空间代表性的影响。分析发现，NDVI、GNDVI和NIRv与实测GPP之间的R²(RMSE)随通量足迹空间代表性的增大而增大(减小)。相比之下, TCNIRv在各空间代表性中相对稳定，R²最高(~ 0.9)，RMSE最低(~ 1.5gCm⁻²d⁻¹)。所有植被指数在千米尺度上，特别对于NIRv而言，由于地形效应得到缓解，与GPP都具有较好的一致性(图2)。

04 结论

地形校正的NIRv(即TCNIRv)被证明是山区GPP的稳健代理。TCNIRv具有坚实的物理基础，无需经验参数，形式简单，是一种监测植被时空一致的有用工具。后续将结合实测数据开展TCNIRv在光合物候提取方面的性能。