[论文解读] Reconstruction of a Long-term spatially Contiguous Solar-Induced Fluorescence (LCSIF) over 1982-2022

Jianing Fang, Xu Lian+4 more|arXiv (Cornell University)|Nov 25, 2023

Atmospheric and Environmental Gas Dynamics被引用 4

一句话总结

本研究利用经过偏差校正的AVHRR和MODIS反照率数据，从1982年至2022年重建了长期、空间连续的太阳诱导荧光（LCSIF）数据集。通过在MODIS SIF与两个反照率波段（红光和近红外）上训练神经网络，作者将SIF估算时间回溯至1982年，揭示了自2001年以来全球SIF呈加速上升趋势，每十年增长0.0038 mW m⁻² nm⁻¹ sr⁻¹，且与地面实测GPP及既有的植被指数高度一致。

ABSTRACT

Satellite-observed solar-induced chlorophyll fluorescence (SIF) is a powerful proxy for diagnosing the photosynthetic characteristics of terrestrial ecosystems. Despite the increasing spatial and temporal resolutions of these satellite retrievals, records of SIF are primarily limited to the recent decade, impeding their application in detecting long-term dynamics of ecosystem function and structure. In this study, we leverage the two surface reflectance bands (red and near-infrared) available both from Advanced Very High-Resolution Radiometer (AVHRR, 1982-2022) and MODerate-resolution Imaging Spectroradiometer (MODIS, 2001-2022). Importantly, we calibrate and orbit-correct the AVHRR bands against their MODIS counterparts during their overlapping period. Using the long-term bias-corrected reflectance data, a neural network is then built to reproduce the Orbiting Carbon Observatory-2 SIF using AVHRR and MODIS, and used to map SIF globally over the entire 1982-2022 period. Compared with the previous MODIS-based CSIF product relying on four reflectance bands, our two-band-based product has similar skill but can be advantageously extended to the bias-corrected AVHRR period. Further comparison with three widely used vegetation indices (NDVI, kNDVI, NIRv; all based empirically on red and near-infrared bands) shows a higher or comparable correlation of LCSIF with satellite SIF and site-level GPP estimates across vegetation types, ensuring a greater capacity of LCSIF for representing terrestrial photosynthesis. Globally, LCSIF-AVHRR shows an accelerating upward trend since 1982, with an average rate of 0.0025 mW m-2 nm-1 sr-1 per decade during 1982-2000 and 0.0038 mW m-2 nm-1 sr-1 per decade during 2001-2022. Our LCSIF data provide opportunities to better understand the long-term dynamics of ecosystem photosynthesis and their underlying driving processes.

研究动机与目标

• 为克服卫星SIF观测时间覆盖有限的问题，目前大多数观测仅限于过去十年。
• 利用来自AVHRR和MODIS的长期、偏差校正的地表反照率数据，将高分辨率SIF估算扩展至1982年。
• 开发一种双波段神经网络模型，仅使用红光和近红外反照率即可准确再现SIF，从而实现长期连续性。
• 通过与卫星SIF和地面实测GPP的对比验证重建的LCSIF，确保其在生态系统监测中的可靠性。
• 量化陆地光合活动的长期趋势，并评估气候变化与环境变化对全球植被的影响。

提出的方法

• 在重叠时段（2001–2002）内，将AVHRR反照率数据与MODIS反照率数据进行校准与轨道校正，以减少偏差。
• 利用在OCO-2 SIF及相应MODIS红光和近红外反照率上训练的神经网络模型，预测SIF。
• 将训练好的模型应用于偏差校正后的AVHRR反照率数据，生成1982年至2000年的SIF估算值。
• 通过在所有全球陆地区域统一应用同一模型并使用一致的输入反照率波段，确保空间连续性。
• 通过在不同植被类型中与独立的卫星SIF（OCO-2）和地面实测GPP数据对比，验证重建的LCSIF。
• 将LCSIF性能与广泛应用的植被指数（NDVI、kNDVI、NIRv）进行比较，以评估其对光合活动的代表性。

实验结果

研究问题

• RQ1 仅使用红光和近红外反照率的双波段模型能否准确重建长期SIF？
• RQ2 重建的LCSIF在不同生物群落中与卫星SIF观测及地面实测GPP测量结果相比如何？
• RQ3 1982年至2022年间全球光合活动的长期趋势是什么？其变化趋势如何演变？
• RQ4 LCSIF产品在捕捉光合动态方面是否优于或至少不逊于传统植被指数？
• RQ5 AVHRR与MODIS数据的整合在多大程度上提升了SIF记录的时间连续性与可靠性？

主要发现

• LCSIF产品显示出全球SIF显著的加速上升趋势，1982年至2000年期间的速率为每十年0.0025 mW m⁻² nm⁻¹ sr⁻¹，2001年至2002年期间则上升至每十年0.0038 mW m⁻² nm⁻¹ sr⁻¹。
• 在多种植被类型中，LCSIF与卫星SIF及地面实测GPP估算的相关性与传统植被指数（NDVI、kNDVI、NIRv）相当或更高。
• 偏差校正后的AVHRR反照率数据使1982年至2000年期间的SIF重建成为可能，将SIF记录扩展至MODIS时代之前。
• 双波段神经网络模型能够以高保真度再现OCO-2 SIF，证实了该方法的稳健性，即使输入数据减少。
• 重建的LCSIF数据集提供了40年连续、全球一致的光合活动记录，为长期生态系统动态提供了新见解。
• 本研究通过物理信息驱动的机器学习框架，将历史AVHRR数据与现代SIF观测相结合，建立了长期SIF监测的新基准。