关于利用成像光谱技术遥感估算植被冠层光合能力及其温度响应的研究报告
由 Shawn P. Serbin（布鲁克海文国家实验室）、Aditya Singh、Ankur R. Desai、Sean G. DuBois、Andrew D. Jablonski、Clayton C. Kingdon、Eric L. Kruger、Philip A. Townsend（威斯康星大学麦迪逊分校）共同完成的研究成果，于2015年发表在《Remote Sensing of Environment》期刊上（卷167，78-87页，2015年6月11日在线发布）。这项研究代表了遥感与植物生理生态学交叉领域的一项重要进展，其核心目标是探索并验证利用高光谱成像数据（成像光谱技术，imaging spectroscopy）从冠层尺度遥感估算植被最大光合羧化速率（Vcmax）及其温度敏感性（活化能，Ev）的可行性。
一、 学术背景与研究目标
在生态系统和地球系统模型（EESMs）中，植被光合作用是模拟碳、能量和水通量的核心过程。模型的关键输入参数之一是Vcmax（最大核酮糖-1,5-二磷酸羧化/加氧酶催化速率），它直接决定了光合作用的潜在能力。然而，当前的EESMs通常依赖于叶片尺度或文献推导的Vcmax估计值，并将其粗略地分配到少数植物功能型（PFTs）中，导致模型在捕捉光合作用的空间异质性和季节动态方面存在显著不确定性，严重制约了模型预测陆地碳汇的能力。Vcmax不仅随物种、季节和功能型变化，还对多种生物和非生物胁迫（如病虫害、污染、干旱）高度敏感。此外，Vcmax对温度呈指数敏感，其温度敏感性由活化能（Ev）量化。Ev同样存在显著的种间和功能型间差异，但目前缺乏预测其变化的理论或经验模型，在模型中通常也需要基于有限观测数据进行参数化。
近年来，光谱学技术显示出估算叶片尺度Vcmax的巨大潜力（如Serbin等，2012；Ainsworth等，2014）。然而，能否将这种方法从叶片尺度“上推”到冠层甚至景观尺度，利用机载或星载成像光谱仪进行大范围、实时监测，仍是一个悬而未决的关键问题。基于此背景，本研究旨在解决以下核心科学问题：1）能否利用机载可见光/红外成像光谱仪（AVIRIS）获取的高光谱影像，在植被冠层尺度上同时、准确地预测Vcmax（标准化到30°C，记为Vc30）及其温度敏感性Ev？2）基于此方法生成的Vc30和Ev空间分布图是否合理、可信？研究成果将直接服务于NASA proposed的星载高光谱红外成像仪（HyspIRI）等未来遥感任务，有望为EESMs提供前所未有的、高时空分辨率的植被光合功能参数，从而大幅提升模型模拟精度。
二、 研究流程与方法详述
本研究设计严谨，包含野外数据采集、影像处理、模型构建与验证、景观制图等多个关键环节。
1. 研究区域与植被采样（2013-2014年） 研究在美国加利福尼亚州的帝王谷和圣华金河谷复杂的农业矩阵中进行。选取了三个加州大学农业研究站内的13个单一物种（monospecific）的C3作物生态系统作为研究对象，涵盖了鳄梨、葡萄、柠檬、燕麦、桃、开心果、石榴、红椒、棕榈等多种经济作物。这种选择确保了研究对象在物种生理和冠层结构上具有足够多样性（Vc30变化2.8倍，Ev变化1.7倍），同时避免了天然生态系统中复杂的物种混交和严重胁迫干扰，有利于初步验证光谱与生理参数关系的基本原理。所有地面数据采集力求与NASA HyspIRI原型机载活动的AVIRIS过境飞行时间同步（通常在一周内）。
2. 地面数据采集 * 植被覆盖度测量： 在每个生态系统内，沿随机角度的30米交叉样线，使用点截法（point-intercept method）测量冠层覆盖度和叶面积指数（LAI），并使用GPS记录样点位置。这为后续将叶片生理参数“稀释”到像元尺度提供了关键数据。 * 叶片光合参数测量： 使用Li-6400便携式光合作用测量系统结合叶室荧光计，在每种植被的代表性样点上，对冠层上部三分之一的成熟、向阳叶片进行气体交换测量。关键实验设计是：在三种不同的参考叶室温度下（如20°C、28°C、35°C），测量叶片的光合-CO2响应曲线（A-Ci曲线）。这一设计使得能够通过拟合模型（Long & Bernacchi， 2003）计算出每个温度下的表观Vcmax。然后，利用阿伦尼乌斯方程（Arrhenius equation）对所有叶片和温度的数据进行 pooled 分析，拟合得到该物种/生态系统的Ev（活化能）。最终，将所有Vcmax值标准化到30°C（即Vc30），以便于比较和建模。测量共获得72个有效样点数据。
3. 影像数据处理 使用NASA ER-2飞机搭载的AVIRIS-Classic传感器获取的约20公里高空航拍影像，空间分辨率为18米。影像已由喷气推进实验室辐射定标并使用改进的ATREM大气校正方法转换为地表反射率。为排除噪声和大气水吸收波段的影响，分析中使用了414-2447 nm范围内的172个波段。为消除地形和双向反射带来的场景内/间亮度差异，对所有影像进行了亮度归一化处理（Feilhauer等方法）。根据地面GPS坐标，从目标农业生态系统内部提取对应的AVIRIS像元光谱。同时，利用高分辨率Google Earth影像，通过目视解译和光谱角制图（SAM）方法，并结合逻辑回归模型，生成了每个AVIRIS像元的植被覆盖度图，该模型验证精度高（R² > 0.90）。
4. 像元尺度参数计算与PLS回归建模 核心创新点在于将叶片生理参数与像元信息结合。由于AVIRIS像元是植被和土壤的混合体，研究定义了“像元尺度”的生理参数：Vc30,pixel = Vc30 * 植被覆盖度 和 Ev,pixel = Ev * 植被覆盖度。这样，裸露土壤区域的生理参数值将接近于零，符合实际。 * 模型算法： 采用偏最小二乘回归（PLSR）作为主要的建模方法。PLSR能够处理高维、共线性的光谱数据，并最大限度地提取与目标变量（Vc30,pixel或Ev,pixel）协方差最大的潜变量，有效避免过度拟合。 * 误差传播与不确定性量化： 研究采用了严格的500次随机排列建模流程来评估和传播不确定性。每次排列中：①随机将75%数据用于校准，25%用于验证；②在测量误差范围内扰动响应变量（Vc30, Ev）和植被覆盖度估计值；③重新拟合PLSR模型。最终，模型的预测值为500次预测的中值，其不确定性（标准差）由500次预测的标准差来表征。这种方法（参考Singh等，in press）系统地整合了从覆盖度估算到生理参数反演每一步的误差。 * 模型解释： 通过分析标准化回归系数和变量重要性投影（VIP）统计量，来解读不同光谱波段对预测Vc30,pixel和Ev,pixel的相对贡献和方向。
5. 景观制图与应用验证 将训练好的500组PLSR模型系数应用于研究区域更多的AVIRIS影像上，生成整个农业景观的Vc30,pixel和Ev,pixel空间分布图及其不确定性图。通过对比假彩色合成影像、植被覆盖度图和土地利用图，定性评估制图结果的合理性和空间一致性，例如检查裸露农田或沙漠区域的预测值是否接近零。
三、 主要研究结果
1. PLSR模型具有极高的预测精度。 交叉验证结果表明，AVIRIS光谱能够非常准确地预测Vc30,pixel和Ev,pixel。对于Vc30,pixel，验证R²高达0.94，均方根误差（RMSE）为11.6 μmol m⁻² s⁻¹，仅占数据范围的6%；对于Ev,pixel，验证R²为0.92，RMSE为4.4 kJ mol⁻¹ K⁻¹，也占数据范围的6%。两个模型分别仅需3个和7个潜变量即可达到此精度，表明模型简约而高效。
2. 光谱-生理关系揭示了潜在的生理光学机制。 对PLSR标准化系数和VIP的分析显示： * Vc30,pixel： 可见光（400-700 nm）和近红外（1150-1300 nm）波段尤为重要。在红边区域（~743 nm）观察到一个强烈的正向系数峰值和VIP高值，这可能与叶绿素荧光或红边位置随光合能力增强向长波方向移动有关。短波红外（SWIR，>1300 nm）波段也贡献显著，其系数模式与叶片氮含量（%N）的光谱响应相似，支持了Vcmax与叶片氮含量存在协同关系的经典理论。 * Ev,pixel： 预测Ev,pixel的关键波段集中在1000-1150 nm以及1500-1700 nm的SWIR区域。在红边区域（~724 nm）则表现出一个显著的负向系数峰值和高VIP值。这表明，Ev较高的植被（光合作用对温度更敏感）在红边处的反射率相对较低，可能与植被活力或特定生化组分的差异有关。Ev与SWIR波段普遍呈负相关关系，这与Vc30和%N的关系不同，暗示其背后可能存在尚未被充分认识的、独立于传统叶片经济学谱系的生理生化机制。
3. 空间制图结果合理且信息丰富。 将模型应用于更大范围的AVIRIS影像，成功生成了加利福尼亚州农业区的Vc30,pixel和Ev,pixel空间分布图。制图结果显示： * 空间异质性显著： 不同田块、不同作物之间以及同一作物在不同时间的Vc30,pixel和Ev,pixel都存在明显变化。 * 参数相对独立： Vc30和Ev的空间格局并不完全一致，说明它们是两个相对独立的、需要分别参数化的生理属性。 * 符合物理直觉： 植被覆盖度低的区域（如休耕田、沙漠）预测出的Vc30,pixel和Ev,pixel值接近零，表明模型能正确识别非植被区域。 * 不确定性可控： 不确定性图谱显示，误差较高的区域主要出现在田块边缘和植被覆盖度低于30%的地方，而在植被茂密的核心区域不确定性较低。这为结果解读提供了可靠的置信度信息。
四、 结论与意义
本研究成功证明，基于成像光谱数据的偏最小二乘回归方法，能够从冠层尺度有效、高精度地遥感估算植被的最大光合能力（Vcmax）及其温度敏感性（Ev）。这不仅将此前叶片尺度的光谱学方法成功拓展到了景观尺度，更首次实现了对Ev的遥感量化，这是一个重要的突破。
科学价值： 1. 提供了全新的数据获取范式： 为生态系统模型提供了直接获取关键光合参数（Vcmax和Ev）高分辨率空间分布图的可能性，有望摆脱对有限站点观测、恒定PFT参数或间接性状（如氮含量）推算的依赖，从而减少模型的不确定性。 2. 揭示了新的光谱-生理关联： 特别是关于Ev的光谱响应模式，为理解光合温度适应性的生化基础提供了新的线索和研究方向。 3. 验证了未来卫星任务的潜力： 有力支持了类似HyspIRI这样的星载高光谱成像仪在全球尺度监测植被光合功能动态的应用前景，标志着“光学类型学”向“功能类型学”迈进了一步。
应用价值： 1. 农业精准管理： 可用于实时、大面积监测作物生理状况和胁迫响应，辅助精准农业实践，如灌溉、施肥决策和产量预测。 2. 全球变化研究： 有助于量化气候变化（如变暖、干旱）对植被光合作用的直接影响及其空间异质性，提升对陆地碳循环反馈的预测能力。 3. 模型数据融合： 生成的数据产品可直接用于初始化、参数化或验证生态系统模型，推动模型-数据融合研究的发展。
五、 研究亮点
六、 其他有价值的讨论
研究也坦诚地指出了当前的局限性，主要在于推断空间（inference space） 目前仅限于管理良好、物种单一、结构相对简单的C3农业生态系统。自然生态系统（如森林）中复杂的冠层结构、物种混合、多重胁迫以及阴影、木质组分等因素，可能会对光谱-生理关系产生干扰。作者明确表示，下一步工作将把该方法扩展到包含沙漠、灌丛、森林等多种自然生态系统的更复杂梯度上，并探索辐射传输模型等物理方法在分离冠层结构效应方面的应用。此外，研究还提到未来可以结合同步获取的热红外数据（如MASTER传感器）来估算冠层温度，从而将标准化的Vc30和Ev转换为实际环境温度下的Vcmax，实现从“光合能力”到“实际光合代谢”的更进一步估算。这些讨论为后续研究指明了清晰的方向。