基于 SIF 的轻量级作物模型：精准估算澳大利亚小麦产量的新利器

来自多单位的研究人员为解决大规模作物产量估算难题，开展基于太阳诱导叶绿素荧光（SIF）的作物模型研究，开发出可估算澳大利亚小麦产量的模型，为保障粮食安全提供新途径。

　　在全球粮食供应体系中，澳大利亚作为重要的小麦生产和出口国，其小麦年产量约 2500 万吨，其中 65 - 75% 用于出口，在全球小麦产量和出口量中分别占比约 4% 和 20%，对维持全球小麦供应和保障粮食安全意义重大。因此，精确、及时且详细的小麦产量估算，对各级粮食安全监测和市场战略制定至关重要。然而，传统的基于过程或统计的作物产量模型，在获取准确估算时，需要大量关于作物品种、管理措施、气候和土壤条件等详细空间信息，这些信息获取难度大、成本高，严重阻碍了大规模作物产量的精准估算。

作物产量的准确估算依赖于对作物光合作用中二氧化碳同化的精确测量。碳固定所需能量来源于吸收的光合有效辐射（APAR），但并非所有的 APAR 都能用于光合作用。APAR 会通过光化学、组成型非调节热耗散、调节热耗散和叶绿素荧光这四条竞争途径被消耗。太阳诱导叶绿素荧光（SIF，光谱范围 640 - 850nm）是植物光合作用过程中以太阳光为激发源发出的能量，多项研究表明，SIF 可有效替代 APAR。植物体内存在光系统 I（PSI）和光系统 II（PSII），二者均能发射 SIF，其中 PSI 荧光不受光化学和非光化学猝灭过程影响，而 PSII 反应中心发射的 SIF 量子产率会随这些过程发生显著变化。此外，能够进行光化学反应的 PSII 开放反应中心比例（q_L）与光合二氧化碳同化的量子产率直接相关。

将 SIF 和 q_L结合使用，比单独使用 SIF 能更准确地追踪植物光合二氧化碳同化的变化。Gu 等人在 2019 年提出的机理光响应（MLR）模型，结合了 SIF 和 q_L的变化，为从 SIF 估算总初级生产力（GPP）提供了坚实的理论框架。Liu 等人于 2024 年在此基础上，开发出基于 SIF 观测和气温的模型，用于估算冠层尺度的 q_L。与此同时，卫星观测 SIF 的技术也取得了重大进展，如今已能获取近每日、千米尺度的 SIF 数据产品，这些成果为利用 SIF 大规模估算作物 q_L，以及在区域或国家层面机理估算作物 GPP 和产量奠定了坚实基础。

在本研究中，研究人员首先利用前期研发的叶级气体交换、主动调制和被动光谱荧光测量系统，对小麦的 q_L模型进行参数化。随后，以卫星 SIF 观测数据和其他相关气象数据集为输入，在 2019 - 2022 年期间，对澳大利亚小麦产量和产量进行了估算，空间分辨率为经度和纬度均 0.1°。接着，研究人员考察了以水汽压亏缺（VPD，代表大气干旱程度）和土壤含水量（SWC，代表土壤干旱程度）为指标的干旱胁迫，在研究期间对小麦产量的影响程度和方向。最后，研究人员找出了澳大利亚小麦产量估算中的主要误差来源。

本研究构建的基于 SIF 的轻量级作物模型，可在大区域范围内有效估算作物产量。该模型以卫星 SIF 观测数据和其他常用数据为驱动，先估算 q_L，再利用 MLR 模型机理估算作物 GPP，进而预测作物产量。与现有的基于过程和统计的作物模型不同，它无需详细追踪众多复杂的农业气候过程，为作物产量的估算提供了一种新的高效方法。研究中模拟所需的输入数据、源代码和验证数据，均可在https://github.com/luxiaoliangnwnafu/Australia_wheat获取。

研究人员 Jinru Xue 负责撰写初稿、可视化、方法学、形式分析、数据整理和概念构思；Alfredo Huete 参与撰写审核与编辑、监督、资源获取和项目管理；Zhunqiao Liu 参与撰写审核与编辑、软件开发和调查；Sicong Gao 参与撰写审核与编辑和调查；Xiaoliang Lu 参与撰写审核与编辑、初稿撰写、项目管理、方法学、资金获取和概念构思。