长期重建 1982-2023 年全球光合作用指标，为生态研究 “解锁” 新视角

研究人员为解决全球光合作用长期监测难题，重建 1982 - 2023 年全球光合作用指标（LCSPP），助力生态研究。

　　

从 “绿色谜题” 到生态新解：全球光合作用指标重建的探索之旅

在地球这个巨大的生态舞台上，植物的光合作用堪称一场神奇的 “绿色魔法”。它们凭借这一过程，吸收大气中的二氧化碳（CO2?），减缓全球变暖的步伐，对全球生物地球化学循环的年际变化起着关键作用。获取准确的总初级生产力（gross primary productivity，GPP）时空连续指标，对于洞悉碳循环反馈的气候效益、精准预测林业和农业产量意义非凡。然而，这场 “魔法” 的量化过程却充满挑战。尽管叶片层面的光合作用生物化学机制已相对明晰，但通过星载遥感等大规模方法直接监测碳通量仍困难重重。目前，陆地生态系统碳吸收的区域和全球估计，以及这些碳通量的长期反演，都存在较大不确定性，严重限制了人们对生物地球化学循环年际和年代际变化驱动因素的理解。

为了破解这些难题，来自哥伦比亚大学、首尔国立大学等机构的研究人员开展了一项富有开创性的研究，相关成果发表在《Scientific Data》上。研究人员致力于重建 1982 - 2023 年全球光合作用指标，以探究长期的生态系统功能变化。

在研究过程中，研究人员运用了多种关键技术方法。首先，对 1982 - 2023 年的 Advanced Very High - Resolution Radiometer（AVHRR）红波段和近红外反射率通道进行校准和填补缺失值，构建了新的时间序列一致的长期连续反射率（Long - term Continuous REFlectance，LCREF - AVHRR）数据集；同时，对 MODerate - resolution Imaging Spectroradiometer（MODIS）反射率进行归一化、滤波和填补缺失值处理（LCREF - MODIS） 。其次，利用仅有的反射率数据集训练神经网络来模拟 SIF，并分别应用于基于 AVHRR 和 MODIS 的 LCREF 数据，从而在全球范围内绘制 1982 - 2023 年的长期连续 SIF 驱动的光合作用指标（Long - term Continuous SIF - informed Photosynthesis Proxy，LCSPP） 。最后，将 LCSPP 与现有的光合作用指标、植被指数以及站点级 GPP 数据集进行评估对比。

研究结果主要从以下几个方面展开：

1. 数据校准效果显著：研究人员通过对 AVHRR 反射率进行校准，有效去除了轨道效应和传感器间偏差。在 10 个用于验证的伪不变校准站点（Pseudo - Invariant Calibration Sites，PICSs）分析中发现，校准前 LTDR AVHRR 反射率波动大，传感器间差异明显；校准后，内部一致性显著增强，与 MODIS 反射率更为匹配，反射率时间序列更加稳定，且剩余轨道效应的影响极小。
2. SIF 模拟模型表现良好：用于 SIF 模拟的机器学习模型在统计再现 OCO - 2 SIF 方面表现出较高的准确性。在训练数据集和测试数据集上，Nash - Sutchliffe 效率（NSE）均达到 0.79，均方根误差（RMSE）为0.19mWm?2nm?1sr?1，与用于生成 CSIF 的四波段算法性能相当，表明模型过拟合现象不明显。不过，在不同植被类型中，模型表现存在差异，在灌木地（SH）、针叶林（NF）和常绿阔叶林（EBF）中的相关性相对较低。
3. LCSPP 时空特征明晰：对校准后的 AVHRR 和基于 MODIS 的 LCSPP 进行时间趋势分析发现，1982 - 2000 年，LCSPP - AVHRR 呈现全球增加趋势，速率为0.0025mWm?2nm?1sr?1每十年；2001 - 2023 年，前期略有下降，随后继续上升，整体增加速率为0.0043mWm?2nm?1sr?1每十年 。相比之下，LCSPP - MODIS 上升趋势更为迅速，速率为0.0061mWm?2nm?1sr?1每十年。空间上，不同时期 LCSPP 趋势变化明显，1982 - 2000 年，东欧、萨赫勒地区、南部非洲以及美国中西部和东南部地区 LCSPP 呈增加趋势；2001 - 2023 年，中国东部、印度、南美洲大豆带以及大部分北方森林地区 LCSPP 显著增加，而东部亚马逊地区则出现轻微的 “褐变” 现象。
4. LCSPP 与 GPP 相关性良好：研究人员评估了 LCSPP 与站点级 GPP 的相关性。结果显示，LCSPP 在多种植被覆盖类型中，解释站点级 GPP 变化的能力优于仅依赖反射率信息的植被指数（如 NDVI、NIRv、kNDVI），但与结合了入射太阳辐射信息的 NIRvP 表现相当。在针叶林站点，LCSPP 与 GPP 的相关性高于 NIRvP。与 FLUXCOM - X - BASE GPP 相比，LCSPP - AVHRR 在部分站点（如 CRO、DBF、EBF、MF）与之相关性相当，在其他一些站点（如 GRA、NF、SH）则较低。

研究结论表明，LCSPP 和 LCREF 数据集为研究长期植被动态提供了有价值的数据支持。这些数据集可用于重新评估气候变化下区域绿化与褐变趋势、追踪物候变化、约束全球生物地球化学模型、检测植被胁迫以及评估植被恢复力等。然而，研究也存在一定局限性。例如，2000 年代中期基于 AVHRR 和 MODIS 的 LCSPP 趋势存在差异，尽管校准已减少了两者差异，但这种差异仍然存在，反映出统计校准方法的局限性，其机制原因有待进一步探究。此外，目前数据集的空间分辨率为 0.05°，在高空间异质性生态系统中的应用需谨慎。

总的来说，这项研究成功重建了 1982 - 2023 年的全球光合作用指标 LCSPP，为研究全球植被动态提供了新的有力工具。虽然存在一些问题，但也为后续研究指明了方向，有望推动全球生态系统研究取得新的进展。