编辑推荐：
净生态系统生产力（NEP）估算需结合FLUXNET数据与多源遥感产品优化光能利用效率（LUE）模型，建立双曲线SIF-GPP关系显著提升模型精度，尤其在异质生态系统中表现突出，但区域性能差异需通过情境化温度参数配置解决。
梁爱琳|赵子芳
南京信息科学技术大学遥感与地理信息工程学院，中国南京210044
摘要
准确估算净生态系统生产力（NEP）对于评估气候变化下的生态系统碳动态至关重要。本研究结合了FLUXNET观测数据、气候数据和多源遥感产品，以优化光利用效率（LUE）模型，并探讨了太阳诱导的叶绿素荧光（SIF）在NEP估算中的潜力。利用来自10种土地覆盖类型的203个全球站点的数据，我们建立了SIF与总初级生产力（GPP）之间的双曲线关系，证明了这种方法优于传统的线性模型。值得注意的是，双曲线模型使常绿阔叶林（EBF）的R2值提高了0.32（从0.05提高到0.37），常绿针叶林（ENF）的R2值提高了0.12（从0.59提高到0.71），表明其能够更好地表征光合作用动态。
为了提高NEP估算的准确性，我们通过整合NDVI、EVI、GPP和SIF数据得出的特定站点最优温度，对LUE模型（CASA和VPM）中的温度参数进行了优化。这种优化提高了模型在不同生态系统中的适应性，特定站点的温度配置比通用土地类型平均值表现得更好。对四种模型（SIF、CASA、VPM和MODIS）的全面比较显示了它们各自的优势：VPM获得了最高的R2值（0.38），而MODIS的RMSE最低（76.75），表明它们在模型性能上具有互补性。
我们的研究结果表明，将多参数优化与SIF-GPP关系相结合显著提高了NEP估算的准确性，尤其是在异质生态系统中。该方法为改进碳汇评估和未来LUE模型的开发提供了一个可适应的框架。然而，模型性能在不同地区的差异（半球间的R2值范围从0.24到0.74）突显了生态建模应用中特定情境参数化的重要性。
引言
随着全球气候变化的加剧，关于碳循环和碳汇的研究变得越来越重要。碳汇是指通过光合作用等生物过程从大气中移除并储存的二氧化碳，其准确估算对于深入理解全球碳循环、应对气候变化影响以及制定缓解策略至关重要。在关键指标中，净生态系统生产力（NEP）是衡量碳汇的重要指标，它直接量化了生态系统内碳固定与释放之间的净平衡。近年来，提高NEP估算的准确性已成为碳循环研究的核心挑战，推动了众多针对这一目标的模型的开发和改进（Yuan等人，2010年）。
目前，光利用效率（LUE）模型被广泛用于估算生态系统生产力指标，包括总初级生产力（GPP）和净生态系统生产力（NEP）。这些模型基于光合作用的基本原理，通过将吸收的光合有效辐射（APAR）乘以光利用效率参数（ε）来计算GPP，该参数量化了光能转化为生物量的效率（Monteith，1977年）。这些模型在全球碳循环和碳汇研究中发挥着关键作用，经典的模型如Carnegie-Ames-Stanford方法（CASA）（Potter等人，1993年；Field，1995年）、植被光合作用模型（VPM）（Xiao等人，2004年；Xiao等人，2004年）和MODIS GPP模型（Running等人，2004年）都基于LUE理论，并被广泛应用于各种生态模型中（Tangrui等人，2023年；Behzad和Rafique，2019年；Teng等人，2020年；Zhang等人，2015年）。
然而，LUE模型的准确性受到多种因素的影响，尤其是温度参数。作为光合作用和呼吸作用的关键环境调节因素，温度对GPP和NEP有显著影响（Increasing 2003年；Yao等人，2017年）。传统的LUE模型通常依赖于固定的或平均的最优温度参数，无法捕捉不同植被类型和生态系统的实际温度响应，从而限制了NEP估算的准确性（Jiang等人，2024年）。例如，Li等人的研究表明（Pan等人，2024年），调整温度参数可以提高GPP估算的准确性。这些局限性促使研究人员改进LUE模型中的温度参数化。同时，太阳诱导的叶绿素荧光（SIF）作为一种新的遥感方法，在GPP估算中显示出巨大潜力（Frankenberg等人，2011年）。由于SIF强度与光合作用效率密切相关，它成为GPP的直接代理指标。来自GOME-2、GOSAT、OCO-2和Tropomi等卫星平台的全球尺度SIF数据已被广泛用于GPP估算（Jia等人，2022年）。
为了进一步提高NEP估算的准确性，研究人员正在探索温度参数的优化，以使LUE模型更好地适应特定的区域和生态系统条件。尽管温度是影响光合作用和呼吸作用的关键因素，尤其是在极端气候条件下，传统的LUE模型通常使用平均温度参数，忽略了不同植物种类和生态系统之间的温度响应差异（Yuan等人，2010年；Gamon等人，1992年；Sitch等人，2003年）。最近的进展通过引入更细致的温度参数解决了这一问题。例如，Zhao和Running（2015年）利用卫星观测和气候模型量化了干旱对全球净初级生产力（NPP）的影响（Zhao和Running，2010年）。
比较分析显示，LUE模型在不同地理和气候条件下的表现存在差异。作为早期的LUE框架，CASA模型使用遥感和气象数据估算全球NPP和NEP（Potter等人，1993年），但在复杂地形和多样化的生态系统中其准确性较低。相比之下，VPM模型通过结合植被指数（NDVI、EVI）和SIF数据进行GPP/NEP估算，表现出更强的适应性。此外，MODIS GPP产品通过将LUE理论与多源遥感数据相结合，在全球和区域尺度的碳循环研究中得到了广泛应用（Running等人，2004年）。
本研究利用多源数据（FLUXNET通量、SIF、气候）开发了双曲线SIF-GPP模型，并优化了LUE模型中的温度参数，以提高NEP估算的准确性。通过引入特定生态系统的最优温度参数，我们提出了一种改进LUE模型的创新方法。此外，我们系统地评估了模型（CASA、VPM、MODIS）在NEP估算中的性能，并阐明了不同地区的最佳温度参数应用。
本文的结构如下：第2节详细介绍了数据来源、方法和模型开发过程。第3节展示了模型验证和模型准确性与适用性的比较分析。第4节总结了主要发现，第5节讨论了局限性和未来研究方向。这项工作为碳循环和气候变化研究提供了重要的参考，为全球碳汇管理和政策制定奠定了科学基础。
部分摘录
FLUXNET
本研究中的地表监测通量数据主要来自FLUXNET数据集（Pastorello等人，2020年），该数据集为全球通量站提供了微气象变量（如气温、风速、大气压力、降雨量、入射短波/长波辐射和饱和水汽压）。FLUXNET还包括碳通量测量数据（NEE、GPP、生态系统呼吸作用），是碳汇估算和碳动态分析的重要数据来源
SIF与GPP的关系
在本文中，首先建立了三种SIF-GPP关系（如图2所示：原点处截距为零的线性模型、截距非零的线性模型以及双曲线模型），以及不同地面类型站点的拟合斜率和R2值（如表1所示）。可以看出，在大多数情况下，双曲线模型的拟合效果最好，其次是截距非零的线性模型，最后是
讨论
本研究通过整合多源遥感数据（SIF、NDVI、EVI）和203个全球代表性站点的通量塔观测数据，推进了净生态系统生产力（NEP）的估算。然而，基于GPP的最优温度仅限于通量塔站点。在方法论上，我们引入了双曲线SIF-GPP模型和动态温度参数化的创新方法。下面，我们将对这些发现进行背景说明，评估其意义，并
结论
本研究通过将太阳诱导的叶绿素荧光（SIF）与优化的光利用效率（LUE）模型相结合，在覆盖10种土地覆盖类型的203个全球分布的FLUXNET站点上系统地评估和改进了净生态系统生产力（NEP）估算方法。关键发现得到了表格和图形结果（表1、表2、表3、表4、表5、表6、表7；图2、图3、图4、图5）的严格支持，总结如下：
1. 非线性
CRediT作者贡献声明
梁爱琳：监督、软件、资源、方法论、调查、数据整理、概念化。赵子芳：写作——审稿与编辑、撰写初稿、验证。
