01 研究概述
本研究从冠层入射太阳辐射与日光诱导叶绿素荧光（SIF）的辐射传输过程出发，梳理了在非黑土背景下决定近红外反射率（Rnir）与远红SIF散射系数之间物理联系（reflectance-to-fluorescence, R2F）的关键因素。结果表明，土壤主要通过两条机制影响R2F关系：其一，土壤直接反射显著抬升Rnir，而对荧光散射贡献极小；其二，土壤—植被多次散射同时作用于Rnir与荧光散射，但二者效应往往相互抵消。由此明确，土壤直接反射是导致非黑土条件下冠层R2F偏差的核心来源。基于这一认识，我们提出土壤调节R2F（saR2F）方法，通过校正Rnir中的土壤分量，提高了由冠层尺度向叶片尺度进行SIF尺度转换的准确性，从而增强了SIF对光合活性变化的表征能力。
02 研究背景
SIF是光合作用的有效探针，但是该遥感信号受到辐射强度、冠层结构、太阳-观测几何、叶片生理状态等多种因素的影响。这些因素的复杂相互作用导致冠层SIF、叶片平均SIF与实际光合活性之间存在显著差异。将冠层SIF降尺度到叶片水平，以及分离SIF的结构与生理信息一直是利用SIF信号进行光合作用遥感监测的重要挑战。为应对这些挑战，基于SIF与反射率的辐射传输过程相似性原理，提出了R2F理论。该理论建立了近红外反射率（Rnir）与远红SIF散射系数（σF）的物理联系。然而，原始R2F理论建立在一个关键假设之上：冠层下方的土壤是完全不反射的（即“黑土”）。在现实世界中，这种假设显然不成立，尤其在稀疏植被冠层中，土壤的贡献不可忽视。土壤反射会显著增加Rnir信号，但对σF信号的影响机制不同，从而破坏了两者的关系。这一问题被称为“黑土问题”。如何缓解R2F关系中的“黑土问题”是值得研究的一个科学问题。
03 理论基础
对比入射辐射和发射SIF在黑土冠层和非黑土冠层中的辐射传输过程来阐明“黑土问题”的根源（图1）。揭示了土壤主要通过（1）直接反射（SR4→SR5→SR6）和（2）土壤-植被多次散射（SR1→SR2→SR3）增强Rnir信号，而仅通过土壤-植被多次散射（SF1→SF2→SF3）增强σF信号。由于相同波长的入射辐射和发射SIF在土壤-植被多次散射中的辐射传输是相似的，土壤-植被多次散射对Rnir和σF的影响往往相互抵消。土壤直接反射对Rnir信号的贡献成为影响Rnir-σF关系的主要因素。这为修正非黑土冠层的Rnir-σF关系提供了理论依据。
基于上述分析，校正的主要任务是从Rnir信号中剔除土壤之间反射的贡献。对于该部分土壤贡献，作者在今年早先提出了三种校正方法：参见
可以得到土壤调节的R2F关系为：
σF = saRnir/i0≈ (Rnir–1.40 × R675 + 0.40 × R438)/i0
图1. 入射太阳辐射和发射SIF在黑土冠层（a）和非黑土冠层（b）内部的辐射传输过程
04 实验评价
4.1 基于辐射传输模型模拟实验的评价
本研究使用SCOPE模型生成了两个模拟数据集来评价saR2F关系，并且将saR2F与原始R2F、基于NDVI的R2F（NIRv）和基于FCVI的R2F方法进行了比较。一组场景是用于测试四种R2F方法的总体效果，设置了广泛范围的参数组合（包括叶绿素含量、叶面积指数、叶倾角分布、太阳天顶角、观测天顶角、土壤反射率，表2）。另一组合成场景用于评价四种R2F方法在校正观测角度影响的效果，设置了广泛的LAI条件和观测天顶角。
在总体效果评价中，研究结果表明（图2）：
在植被冠层稀疏的情况下（LAI < 3），原始R2F方法基本失效，σF存在严重高估，估算值和真值毫无关系（R²为负值）。而saR2F表现出鲁棒的效果，估算值和真值的配对散点紧密分布在1:1线周围（R² = 0.802）。基于NDVI和FCVI的R2F方法优于原始R2F方法，但R²值较低（R² < 0.41），说明它们无法很好地解释σF的变化。
在植被冠层密集的情况下（LAI ≥ 3），saR2F保持优越的效果，原始R2F、基于NDVI的R2F、基于FCVI的R2F估算σF的精度也得到显著提升。
在校正观测角度影响方面，研究结果表明（图3，图4）：
在植被冠层稀疏的情况下（LAI < 3），原始R2F表现出最大的估算误差，而saR2F表现出最小的估算误差。基于NDVI和FCVI的R2F方法虽然比原始R2F更好一点，但也表现较大的误差变化。
在植被冠层密集的情况下（LAI ≥ 3），四种R2F方法都提供了可靠的估算，中值误差收敛于~10%。
图2. SCOPE模拟中利用四种R2F方法估算的σF与实际σF的对比
图3. SCOPE模拟中原始R2F、saR2F、基于NDVI和FCVI的R2F方法利用不同观测角度的冠层SIF估算总发射SIF的相对误差
图4. SCOPE模拟中利用四种R2F方法估算冠层总发射SIF相对误差的角度分布
4.2 基于多角度野外观测实验的评价
除了模拟实验以外，本研究也利用野外实验观测数据对saR2F方法进行了检验。研究团队于3月16日和21日在河北固城开展了冬小麦的多角度野外观测实验，此时小麦冠层稀疏，土壤裸露明显，LAI分别为0.71和0.89。实验设计如图5所示。
本研究通过测试冠层SIF与调节反射率（例如，Rnir，saRnir，NIRv和FCVI）之间的相关性来评价四种R2F方法。该测试策略基于以下假设：（1）在短时间内，冠层发射的总SIF和冠层截获率保持不变（即光照和冠层结构基本不变）；（2）传感器观测的冠层SIF仅随观测方位角变化。
在多角度野外实验中，研究结果表明（图6）：
在两天的野外观测中，saR2F与冠层SIF的相关性均高于原始R2F与冠层SIF的相关性，尤其是在3月16日较为稀疏的植被冠层下（LAI = 0.71），saR2F的相关性比原始R2F高出0.21–0.31。这表明saR2F更能有效捕捉由观测几何引起的冠层方向SIF的变化。
图6. 不同冠层LAI下的小麦多角度野外测量中R770，saR770，NIRv，FCVI与冠层SIF相关性
05 研究意义
本研究系统探讨了土壤影响R2F关系的原因，发现引起R2F关系偏差的主要原因是土壤直接反射对Rnir的贡献。通过校正Rnir信号中的土壤直接反射，提出了土壤调节R2F方法。该方法不仅能够提升冠层SIF到叶片水平的降尺度精度，而且为利用SIF监测植被生理状态和光合活性提供了实用工具。这对于推进全球碳循环监测、精准农业管理以及生态系统健康评估等领域的研究具有重要意义。
06 作者介绍
本文第一作者兼通讯作者为南京师范大学杨沛琦，合作作者包括北京师范大学刘志刚，南京师范大学刘婧、韩大磊、张润飞，德国尤利希研究所Bastian Siegmann、Uwe Rascher，中国气象科学研究院赵花荣，福建师范大学陈镜明及荷兰特文特大学Christiaan van der Tol。
论文链接：https://doi.org/10.1016/j.rse.2025.114998
相关论文 ：
1.Yang, P. (2022). Exploring the interrelated effects of soil background, canopy structure and sun-observer geometry on canopy photochemical reflectance index. Remote Sensing of Environment, 279, 113133. https://doi.org/10.1016/J.RSE.2022.113133
2.Yang, P. (2024). Downscaling canopy photochemical reflectance index to leaf level by correcting for the soil effects. Remote Sensing of Environment,311, 114250. https://doi.org/10.1016/J.RSE.2024.114250
3.Yang, P., & van der Tol, C. (2018). Linking canopy scattering of far-red sun-induced chlorophyll fluorescence with reflectance. Remote Sensing of Environment, 209, 456–467. https://doi.org/10.1016/J.RSE.2018.02.029
4.Yang, P., van der Tol, C., Liu, J., & Liu, Z. (2025). Separation of the direct reflection of soil from canopy spectral reflectance. Remote Sensing of Environment, 316, 114500. https://doi.org/10.1016/J.RSE.2024.114500