准确监测秋季光合物候是了解碳循环的关键。绿-红植被指数（the green-red vegetation index，GRVI）是基于宽波段红光和绿光反射率计算得出的指数，被越来越多地用作估算植被光合物候。然而，GRVI在大范围上的表现仍然不清楚。本文系统评估了归一化差异植被指数（NDVI）、归一化差异绿度指数（NDGI）、植被近红外反射率指数（NIRv）、太阳诱导叶绿素荧光（SIF）和GRVI在追踪站点和区域尺度高寒草地秋季光合物候的表现。结果发现，GRVI在提取站点和整个青藏高原尺度草地秋季光合物候的表现与SIF相当。然而，用于刻画植被光合生理的SIF的使用会受到空间分辨率和时间跨度的局限。相比之下，GRVI因其数学形式简洁且便于获得，在估算大范围秋季光合物候上具有独特优势，对碳吸收研究具有重要意义。

1.研究背景

植被通过光合作用将二氧化碳转化为有机化合物，从而调节全球碳循环和能量交换。光合物候是指由周期性变化的环境触发的光合活动节律变化，光合物候的转变极大地影响了陆地生态系统的碳平衡。秋季光合物候在决定植被光合作用持续时间方面起着关键的作用。因此，提高对秋季光合物候的理解对于准确识别陆地生态系统中的碳源和碳汇至关重要。

植被通过光合作用吸收的碳量可以通过总初级生产力（GPP）直接量化。然而，直接利用GPP监测光合物候的时空动态并不是一项简单的任务，因为基于光能利用效率理论的卫星GPP模型仍未得到良好的校准和验证，无法以高可靠性实现全球时空连续的光合物候监测。SIF是光合作用光反应过程中重新发射的小部分能量，可作为区域到全球尺度上植被光合作用的探针。然而，包括低时空分辨率和短时间跨度等在内的几个技术问题限制了SIF在追踪秋季光合物候方面的广泛应用。近几十年来，NDVI、NDGI和NIRv等遥感卫星植被指数（VI）已被广泛应用于提取秋季光合物候。然而，大部分的植被指数都只捕捉到冠层绿度，从而衡量了潜在的光合作用，而在衰老期间，潜在光合作用通常与实际光合作用脱离。相反，绿红植被指数（GRVI）虽然是一种简单的光学指数，但其可以量化叶片光合速率，并成功捕捉到了植被生长季结束期的光合作用下调。然而，现有的对GRVI的研究都只基于通量站点尺度，其在追踪大范围尺度秋季光合物候方面的表现仍不清楚。

作为“世界屋脊”，青藏高原（TP）在区域生态系统碳循环中起着关键作用。高寒草地占据了青藏高原总面积的60%以上，是其主要植被类型，对气候变化和人类活动非常敏感。因此，监测高寒草地秋季光合物候的动态变化将有助于改善未来气候变化情景下青藏高原草地生态系统碳循环的预测。基于此，本研究旨在评估GRVI在提取青藏高原高寒草地秋季光合物候方面的性能。

2. 研究思路与实验方法

2.1植被指数的计算

式中，NIR、R、G分别表示为近红外、红光、和绿光波段反射率。

2.2 秋季光合物候提取

本文分别采用具有代表性的三种方法：50%动态阈值法、最大变化率法和分段逻辑函数法，对各指标进行秋季光合物候的提取。同时为了避免因某种方法偶然性引入的误差，我们以三种方法提取结果的平均值作为最终的物候值。

2.3 评估方法

（1）以通量站点GPP为基准，比较了NDVI、NDGI、NIRv、GRVI和SIF在站点尺度提取秋季光合物候的表现；

（2）在青藏高原范围内，评估NDVI、NDGI、NIRv、GRVI追踪SIF代表的秋季光合物候期及其变化趋势的能力。

3. 重要结果

结果显示基于NDVI、NDGI、NIRv和GRVI提取的EOS相比于GPP都普遍延迟（图1）。其中，NDVI的R²最低，偏差最大，分别为0.15和20.72天（图1(a)）。虽然NDGI和NIRv提供了令人满意的R²（分别为0.40和0.42），但偏差较大（13.62天和6.56天）。与NDVI和NDGI相比，GRVI和SIF估计的EOS的滞后明显减轻。偏差分别减少到4.39天和0.71天。结果表明，SIF可以作为提取秋季光合物候的可靠代理，GRVI与SIF的表现相当。

进一步，我们以SIF为基准，分析了四种植被指数在区域尺度提取秋季光合物候的表现（图2）。结果显示在NDVI和NDGI的结果中，EOS普遍晚于SIF（分别为总面积的96％和95％），并且这些差异显示出从青藏高原东部到西部逐渐减小的空间梯度（图2(a)和2(b)）。不同的是，GRVI的与SIF结果的差异明显较小（图2(d)，2.97±5.67 d，平均值±标准差）。而在趋势分析中，NDVI和NDGI都在青藏高原东部/西部高估/低估了EOS的变化（图2(e)和(f)）。与NDVI和NDGI相比，GRVI和NIRv的结果中这种空间模式得到了缓解（图2(g)和(h)）。

4. 研究结论

植被绿度与生理在秋季的脱钩导致常用结构植被指数如NDVI、NDGI和NIRv估算EOS的严重滞后，而GRVI可以成功捕捉到秋季光合作用的下调，与SIF提取的秋季光合物候相当。同时红光和绿光波段的反射率在大多数现有光学传感器（如Landsat和Sentinel）上很容易获取，具有高分辨率和长时间跨度的优势，因此GRVI可以作为秋季光合物候监测的一个有效工具。随着遥感产品分辨率的不断提高，GRVI有潜力在米乃至亚米尺度上实现光合物候监测，这可能最终实现对全球陆地碳平衡更准确的估计。同时借助于GRVI对植被生理变化的独特敏感性，我们甚至可以利用GRVI监测植被对极端气候事件的响应以及全球高精度植被生产力的估算。