日光誘導葉綠素熒光（Solar-Induced Chlorophyll Fluorescence，SIF）與植物光合作用過程密切相關，為植被光能利用和生理狀態研究提供了新的遙感信息。

隨著高光譜傳感器、SIF反演方法和機載觀測平臺的發展，SIF觀測已經從葉片、冠層和固定點位拓展到田塊乃至更大的生態系統尺度。機載平臺能夠在較高空間分辨率下觀察不同品種、處理和植被類型之間的SIF差異，為研究光合作用、環境脅迫、冠層結構和生態系統功能提供新的觀測手段。前面幾期，我們介紹了SIF的基本原理和機載觀測方式。這一期不再講設備和參數，而是回到實際研究：

機載SIF已經被用來研究哪些科學問題？

圖1 機載SIF應用研究版圖

01 從“測到SIF"走向“解釋SIF"

早期機載SIF研究首先要解決的是一個基礎問題：微弱的熒光信號能不能從空中穩定獲取。

隨著傳感器和反演方法的發展，研究重點逐漸向后推進——數據獲取之后，觀測到的SIF究竟反映了什么？

現在的機載SIF研究，已經越來越多地與反射光譜、生理測量、土壤水分和輻射傳輸模型結合。從農田中的品種差異、水分脅迫，到冠層結構和森林生態系統功能，SIF開始進入更具體的植物生理和生態研究

02 精準農業與作物表型：SIF能告訴我們什么？

農業是目前機載SIF較具代表性的應用方向之一。傳統反射光譜和植被指數能夠表征作物的色素、長勢和冠層結構等特征，SIF則增加了與光合作用過程相關的信息。在田間表型研究中，兩類信息關注的側重點并不完*相同。

冬小麥表型：品種差異不能只看一個指標

Salattna（2025）在波恩大學完成的博士研究中，開發并應用了一套無人機載SIF成像系統，將多光譜反射率與760 nm附近的SIF觀測結合，用于田間作物監測和表型研究。

在冬小麥品種比較中，不同品種之間可以觀察到F760差異。不過，冠層SIF并不能脫離冠層結構單獨解釋：部分具有復雜冠層結構的品種同樣可能表現出較高的F760。與此同時，一些基于反射率構建的色素相關指數，在品種區分中仍表現出較好的能力。

因此，在田間表型研究中，SIF更適合作為一個新的信息維度，與反射光譜、生化特征和冠層結構結合使用，而不是代替已有的反射光譜指標。

圖2 無人機載SIFcam在冬小麥表型研究中的應用

柑橘水分脅迫：從SIF觀察光合作用變化

水分脅迫是SIF農業應用中另一個受到較多關注的問題。

Zarco-Tejada等（2016）在不同灌溉處理的柑橘園中開展了持續兩年的機載高光譜實驗。研究設置正常供水和不同程度的虧缺灌溉處理，同時測量葉片CO₂同化速率、氣孔導度和水勢等生理參數，并通過機載高光譜影像反演冠層SIF。

結果顯示，在不同生育階段和水分條件下，FLD3反演得到的SIF能夠較穩定地追蹤光合作用變化。在研究比較的指標中，FLD3在兩年多次飛行實驗中表現出較好的季節穩定性；進一步對SIF進行歸一化后，研究獲得了跨季節更加統一的SIF—CO₂同化關系。

這項研究關注的不只是“缺水以后SIF怎么變"，更重要的是利用機載SIF觀察水分處理下與光合作用相關的生理響應，以及這種關系在不同時間和環境條件下是否穩定。

當然，SIF不能單獨判斷具體的脅迫類型。水分狀況、冠層結構、光照和其他環境條件仍需結合起來分析。

圖3 不同水分處理下柑橘SIF與光合作用關系

03 從“SIF多少"到“為什么不同"：冠層結構不能忽略

隨著SIF應用逐漸深入，一個問題變得越來越重要：

傳感器在冠層頂部看到的SIF，能不能直接代表植物產生的熒光？

不能簡單畫等號。

葉片產生的熒光在穿過冠層、到達傳感器之前，會受到葉片排列、冠層密度、土壤背景以及太陽—冠層—傳感器幾何關系的影響。因此，即使兩個冠層內部的熒光產生過程相近，最終在冠層頂部觀測到的SIF也可能存在差異。

Bendig等（2025）利用無人機獲取大麥冠層的日變化SIF數據，并結合輻射傳輸模型，研究冠層結構、太陽角度以及SIF—土壤光學相互作用對F760的影響，同時比較NIRvH1和FCVI兩種校正方法。

模擬結果顯示，NIRvH1在補償F760混雜效應方面總體表現更好，尤其是在較稀疏的冠層條件下；但在實際機載光譜數據中，兩種方法的表現更加接近。

這里需要關注的已經不只是SIF數值本身。冠層結構、土壤背景和觀測幾何都會參與塑造傳感器最終接收到的SIF信號。 在利用SIF進一步研究光合作用時，這些因素不能被忽略。

圖4 冠層結構與太陽角度對機載SIF觀測的影響

04 從單次脅迫實驗到多年監測：SIF如何響應作物可利用水？

前面的柑橘實驗說明SIF能夠追蹤水分處理下的光合作用變化。但如果把時間尺度進一步拉長，一個更實際的問題是：

不同年份、不同作物、不同土壤水分背景下，這種關系還能不能觀察到？

Quirós-Vargas等（2026）利用HyPlant獲取了2018—2022年連續五個生長季的機載SIF數據，覆蓋甜菜、小麥和馬鈴薯等作物，并分析SIF與土壤—植物有效水（Plant Available Water，PAW）的空間變化。

為了降低冠層結構的影響，研究進一步計算了SIF emission efficiency（eSIF），并分析其與PAW之間的關系。

在生長早期的雨養甜菜田中，eSIF與PAW表現出明顯的正相關，而且在考慮LAI變化后，這種關系仍然存在。相比之下，在水分供應相對穩定的灌溉馬鈴薯中，并沒有觀察到相同的eSIF—PAW關系。

由此可以看到，SIF與水分條件之間并不存在一個脫離環境背景的固定關系。當水分限制較為明顯時，與水分狀態相關的SIF變化可能更容易表現出來；在水分供應穩定的情況下，同樣的關系未必存在。

從單次實驗走向多年、多作物和不同水分背景，也讓機載SIF的研究場景更接近真實、復雜的農業環境。

圖5 多年機載SIF與土壤—植物有效水空間關系

05 從農田走向森林：SIF還能告訴我們什么？

機載SIF的應用并不局限于農業。

與農田相比，森林具有更加復雜的樹種組成和三維冠層結構。傳統反射光譜可以表征樹種、色素和結構差異，而SIF是否還能提供與森林功能相關的信息，也是生態遙感關注的問題之一。

Tagliabue等（2020）利用機載HyPlant獲取溫帶混交林高空間分辨率影像，并分析遠紅光SIF（F760）的空間異質性與森林功能多樣性（functional diversity）之間的關系。

研究者將F760空間異質性與基于植物功能性狀建立的參考功能多樣性進行比較，同時與NDVI異質性和高光譜反射率變異等方法進行對照。

結果顯示，在該研究的數據和分析框架下，F760的空間異質性能夠有效捕捉森林功能性狀的空間變化，并優于基于NDVI異質性的功能多樣性指標。

這個案例把機載SIF的應用從單一植被目標進一步拓展到了復雜生態系統。研究關注的也不只是某一區域SIF的高低，而是利用其空間異質性分析森林內部植物功能狀態的空間差異。

圖6 機載F760表征森林功能多樣性的研究案例

06 從這些研究中，我們還能看到三個共同問題

前面的研究對象并不相同，但在實際應用中都繞不開幾個問題。

第一，冠層結構不能忽略。

SIF從葉片產生到最終被傳感器接收，中間經歷復雜的輻射傳輸過程。LAI、葉傾角、冠層密度和土壤背景等因素都可能改變最終觀測到的SIF。不同冠層之間的SIF差異，不能全部直接解釋為光合作用差異。

第二，觀測條件需要盡量一致。

太陽高度、入射輻射、觀測方向和觀測時間都會影響SIF。在比較不同日期、不同處理或不同平臺的數據時，需要盡量保持觀測條件一致，并記錄入射輻射和觀測幾何等信息。

第三，SIF需要和其他信息一起看。

將SIF與反射光譜、冠層結構、環境參數、生理測量和模型結合，可以幫助區分不同因素對SIF變化的影響，也有利于建立更完整的生理和生態解釋。

綜合來看，機載SIF研究已經不再局限于信號獲取本身。在保證觀測質量的基礎上，如何區分植物生理、冠層結構和環境條件對SIF的影響，并建立SIF與光合作用過程之間更可靠的聯系，正在成為研究中需要重點解決的問題。

圖7 從SIF觀測到科學解釋：機載SIF應用研究框架

07 從“新型信號"走向“科研工具"

從冬小麥品種表型、柑橘水分脅迫，到大麥冠層結構、多年作物水分變化和森林功能多樣性，近年來的研究已經展示了機載SIF在不同研究場景中的應用。

這些案例也說明，SIF的價值并不在于替代反射光譜、熱紅外或傳統植物生理測量，而是增加一個與光合作用過程密切相關的信息維度。

同時，SIF也不是一個可以脫離冠層結構和環境條件獨立解釋的指標。冠層輻射傳輸、觀測幾何、多源數據協同以及跨時間、跨平臺的一致性，都是機載SIF開展定量研究時需要考慮的問題。

隨著研究深入，關注點也會逐漸從“獲取SIF"轉向如何解釋SIF。將SIF與冠層結構、環境條件、生理測量和多尺度遙感信息結合，才能更好地把觀測到的熒光信號轉化為植物生理和生態信息。

目前，機載SIF已經應用于作物表型、脅迫監測、光合作用、精準農業和生態遙感等研究方向。

雙利合譜 GaiaSky-SP2-SIF 與 GaiaSky-IM-SIF 也面向這些科研需求，為不同類型的機載SIF觀測與應用研究提供相應的技術選擇。

參考文獻

[1] Salattna, S. (2025). UAV-based Imaging of Multispectral Reflectance and Solar-Induced Chlorophyll Fluorescence for Crop Monitoring. Doctoral dissertation, Rheinische Friedrich-Wilhelms-Universität Bonn.

[2] Zarco-Tejada, P. J., González-Dugo, M. V., & Fereres, E. (2016). Seasonal stability of chlorophyll fluorescence quantified from airborne hyperspectral imagery as an indicator of net photosynthesis in the context of precision agriculture. Remote Sensing of Environment, 179, 89–103. DOI: 10.1016/j.rse.2016.03.024.

[3] Bendig, J., Malenovský, Z., Siegmann, B., Krämer, J., & Rascher, U. (2025). Comparing methods for solar-induced fluorescence efficiency estimation using radiative transfer modelling and airborne diurnal measurements of barley crops. Remote Sensing of Environment, 317, 114521. DOI: 10.1016/j.rse.2024.114521.

[4] Quirós-Vargas, J., Brogi, C., Damm, A., et al. (2026). Solar-induced chlorophyll fluorescence (SIF) tracks variations in the soil-plant available water (PAW): a multiyear analysis on three crops. Science of Remote Sensing, 13, 100367. DOI: 10.1016/j.srs.2026.100367.

[5] Tagliabue, G., Panigada, C., Celesti, M., et al. (2020). Sun-induced fluorescence heterogeneity as a measure of functional diversity. Remote Sensing of Environment, 247, 111934. DOI: 10.1016/j.rse.2020.111934.