近期，2025澳门2025免费原料网（SDG中心）CBAS卓越科学家项目在日光诱导叶绿素荧光卫星产品研究方面取得重要进展，研究成果以SDG中心为第一完成单位发表在《Remote Sensing of Environment》期刊，SDG中心刘新杰副研究员为论文第一作者，刘良云研究员为通讯作者。

 图1. 全球eSIF产品示例

　　日光诱导叶绿素荧光（SIF）遥感研究是植被遥感领域的前沿热点。SIF可以同时反映生态系统的结构和生理信息，是植被光合作用的理想探针，但其卫星产品的应用严重受限于较粗的时空分辨率和较低的信噪比。本研究将SIF信号拆分为NIRvP（SIF的光学组分）和SIFyield（SIF的生理组分）两部分，针对光学组分和生理组分的不同时空变异特征，利用多源数据融合、空间滤波等处理，实现对原始SIF卫星产品的降噪、时间尺度转换和方向归一化校正。由此得到的增强SIF产品（eSIF）具有 0.05° 的空间分辨率和8天的时间分辨率，以及比原始 TROPOMI SIF 数据更高的信噪比和更低的角度依赖性。

图2. 长江（上）、密西西比河（中）和尼罗河（下）区域 NIRvP（左）、eSIF（中）和 SIF（右）的空间格局（0.05 °分辨率，2019.07.28-08.04 8天均值）

　　结果表明，eSIF 具有与原始 SIF 相似的空间分布规律，但在空间上更连续且噪声更小。与 FLUXCOM 全球 GPP 产品的比较表明，对于不同的草地/农作物类型，eSIF 与 GPP 的关系比 NIRvP 更普适，但 NIRvP 在监测森林（除北方常绿针叶林外）GPP方面优eSIF。此外，eSIF 能够更好地跟踪与环境胁迫相关的 GPP 的季节性变化。因此，基于SIF和NIRvP 组合的方法是一种有前途的方法，可以更好地监测 GPP。

图3. 北方常绿针叶林和热带草原的GPP、eSIF、NIRvP随光、温、水条件的季节变化规律

　　本研究不仅提供了一种提升SIF卫星遥感产品数据质量和应用潜力的简单方法，而且有助于理解SIF和NIRvP在GPP监测中的不同优势、局限性和适用条件。

文章链接：https://doi.org/10.1016/j.rse.2022.113341

产品共享链接：https://zenodo.org/record/7331411