总初级生产力（Gross Primary Productivity，GPP）是陆地植物通过光合作用吸收的碳量，是陆地生物圈与大气之间最大的CO₂通量，在全球碳循环和气候变化中发挥着重要作用^［1-2］。因此准确量化区域GPP对于理解陆地生态系统和大气的交互作用至关重要^［3］。但是遥感驱动的GPP估算模型大多依赖于传统的遥感指数，仍存在较大的不确定性^［4］。近10 a以来，由于植物叶绿素荧光与光合作用在生理上的紧密联系^［5-6］，卫星反演的日光诱导叶绿素荧光（Sun-Induced chlorophyll Fluorescence，SIF）成为区域尺度估算植被光合作用和生产力的新手段^［7-8］。这主要归因于来自光反应机制的叶绿素荧光能够表征植物光合活性，而基于“绿度”的植被指数仅能够反应植被的潜在光合信息^［8］。因此，基于卫星SIF为区域GPP估算提供了更好的前景，探究区域尺度上SIF与GPP的关联机制以及气候响应至关重要的。

以往的研究发现在冠层和区域尺度SIF与GPP的关系是线性的^［9-13］，但是这种线性关系受到了环境因子的调节^［4］。研究表明SIF和GPP关联性很大程度上依赖于植物吸收的光合有效辐射（sor-bed Photosynthetically Active Radiation，APAR），这主要由于荧光和光合是植被吸收光能后的三大途径中的两个过程^［6，14］。同时，也有研究表明高光照和高水汽压差（Vapor Pressure Deficit，VPD）会导致农田和森林生态系统SIF的减少^［15］，而环境条件会影响草地生态系统基于卫星的SIF与通量塔的GPP的关系^［16］。除此以外，越来越多的研究报告区域尺度上的气候干旱会导致SIF的减少^［17-19］。尽管先前的研究表明SIF受到限制光合作用光利用率（Light Use Efficiency，LUE）的环境应力的影响，但是环境条件对于SIF和GPP关系的影响仍需要进一步探究。

GPP/SIF被作为衡量GPP与SIF关系的新指标，包含光能分配的信息^［4］。在基于LUE的GPP模型中^［20］，GPP可以通过公式（1）计算，而SIF可以表示为公式（2）：

其中：LUE表示为光合作用的光能利用率，SIF_Yield表示为SIF的产量，PAR和fPAR分别表示为光合有效辐射和植物吸收光合有效辐射的比例^{［12，20］}。植物吸收的光能有3个利用途径：叶绿素荧光，光合作用和热耗散（Non-Photochemical Quenching，NPQ），叶绿素荧光与光合作用的关系通过复杂的耗散机制调节^{［5-6，21］}。但是目前，使用GPP/SIF表征的光能分配的时空格局仍不清晰，不同环境应力对于SIF和GPP关系的影响仍需进一步的探究。

采用2007~2018年中国GOME-2 SIF与MODIS GPP协同环境条件（温度、降水和辐射）以及气候限制因子（最小温度、VPD，土壤水分和APAR）来研究GPP与SIF关系的时空格局以及探讨环境条件对于GPP和SIF关系的影响。主要目的在于：①揭示中国陆地生态系统GPP与SIF关系的时空格局；②探究环境应力对于陆地生态系统GPP与SIF关系的调控机制。

研究采用了2007~2018年V28的3级月尺度GOME-2 SIF数据 ^［22］，空间分辨率0.5º×0.5º，下载自NASA的AVDC （https：∥avdc.gsfc.nasa.gov/pub/data/satellite/MetOp/GOME_F/v28/MetOp-A/level3/aura）。GOME-2搭载在MetOp-A卫星上，过境时间约为9：30，使用主成分分析算法在740 nm波长附近反演了SIF数据^［22］。本研究中由于噪声导致的负值被处理成0。

GPP数据来自MODIS的MOD17A2产品，下载自NASA的LAADS DAAC （https：∥ladsweb.modaps.eosdis.nasa.gov/search/order/1/MOD17A2H--6），具有1 km的空间分辨率^［20］。为了与SIF数据匹配，8 d分辨率的MODIS GPP数据整合到月尺度，并重采样到0.5º。

2007~2018年每日平均温度，每日平均最小温度（tmn），降水和水汽压数据来自 CRU（Climatic Research Unit）TS4.04数据集（https：∥catalogue.ceda.ac.uk/uuid/89e1e34ec3554dc98594a5732622bce9），1901~2019年每月网格化的气候数据是使用ADW（Angular-Distance Weighting）插值生成的，具有0.5º的空间分辨率。

2007~2018年中国光合有效辐射（Photosynthetically Active Radiation，PAR）数据来自CERES（Clouds Earth’s Radiant energy system）的SYN1deg-Month Ed4A 产品（https：∥asdc.larc.nasa.gov/project/CERES）。每月PAR数据具有1º的空间分辨率，将其重采样到0.5º以匹配其他数据集。

2007~2018年中国VPD是利用CRU的每月的温度和水汽压数据计算得到，表征饱和水汽压与实际水汽压的差值。研究采用温度数据作为Goff-Gratch公式^［24］的输入参数计算饱和水汽压。

2007~2018年土壤含水量（Soil Moisture，SM）数据来自MERRA-2 （Modern-Era Retrospective Analysis for Research and Applications） avgM_2d_lnd_Nx数据集的根区土壤水分数据（0~1 m）。本研究将每月网格化的土壤水分数据从0.5º×0.625º重采样到0.5º×0.5º。

2007~2018年中国植物吸收光合有效辐射的比例（Fraction of Absorbed Photosynthetically Active Radiation，fPAR）数据来自MODIS的MOD15A2H产品。8 d分辨率的fPAR数据整合到每月，并重采样到0.5º。

2007~2018年中国归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）数据和近红外反射率（Near-Infrared Reflectance，NIR）数据来自MODIS的MOD13A3产品。该数据具有1 km的空间分辨率和每月的时间分辨率，将其重采样到0.5º。

由于GOME-2 SIF是卫星过境时的瞬时观测值，而MODIS GPP是每天植物固定CO₂的累计值，为了将两者匹配，瞬时的SIF需要校正到每日^［25］。尤其是在高纬度地区，由于GOME-2本地过境时间可能与9：30略有偏离并且白天的长度和太阳天顶角的可变性，因此无法直接将过境时间的荧光信号与GPP进行比较^［12］。在无云条件下，忽略瑞利散射以及气体吸收，下行太阳辐射与太阳天顶角的余弦成线性关系^［26］。每日平均SIF可以计算为公式（3）：

其中：SIF_daily表示为每天的SIF，SIF_inst表示为卫星过境时观测的瞬时SIF，t₀表示为卫星过境的当地时间，COS（SZA（t₀））表示为卫星过境时太阳天顶角的余弦，卫星过境当天太阳天顶角的每日积分的积分间隔被设置为10 min，并去除夜间数据^［25］。SIF从瞬时到每日的校正因子随着时间和纬度变化^［26］。

基于卫星监测的离开冠层的SIF仅代表植物冠层中所有叶子释放的荧光的一部分^［27］。荧光释放后，会在冠层内重新吸收或散射，因此在观测方向上只有一定比例的荧光被监测到 ^［28］。根据Zeng 等（2019）的研究，冠层SIF的逃逸概率可以用公式（4）计算：

其中：f_esc 表示植物释放的SIF离开冠层的概率（范围在0~1之间），NIR_v表示植被的近红外反射率指数，NIR表示近红外反射率，NDVI表示归一化差异植被指数。因此总冠层SIF（SIF_total）可以被表示为公式（5）：

其中：SIF_total表示为植物释放的总冠层SIF，SIF_obs表示从卫星观测的SIF。

由于中国气候多样、地形复杂，研究将中国划分为4个气候区域^［29-30］。如图1所示，分别为温带大陆性季风气候区（Ⅰ）、温带季风气候区（Ⅱ）、高原山地气候区（Ⅲ）、亚热带-热带季风气候区（Ⅳ）。

首先使用每日校正因子将瞬时SIF校正到每日均值SIF，然后使用逃逸概率计算为总冠层SIF。将经过两次校正的GOME-2 SIF数据统一表示为SIF。首先计算了2007~2018年每月每个像元的GPP/SIF，去除SIF为零值的像元。在此基础上计算GPP、SIF、GPP/SIF、温度、降水和APAR数据多年平均值来探究其空间分布特征。同时计算了LUE、SIF_Yield、GPP/SIF分别与tmn、VPD、SM和APAR的偏相关关系来探究环境因子对于SIF和GPP关系的影响，并且将剩余的环境因子设置为控制变量来减少环境因子之间交互影响。最后分别计算了tmn（1 ℃）、VPD（0.05 kPa）、SM（0.01 m³/m³）和APAR（2 W/m²）在固定间隔内LUE、SIF_Yield和GPP/SIF的均值来探究对于环境因子响应规律，并且去除单位间隔内数量少于100的均值以获得相对可靠的变化曲线。

中国陆地生态系统2017~2018年GPP、SIF、GPP/SIF以及气候因子（温度、降水和APAR）多年均值空间分布格局如图1所示。结果表明GPP与SIF具有一致的空间分布，高GPP与SIF主要分布在华南和华北平原（图1（a）和图1（b））。但是GPP/SIF的空间分布与GPP和SIF不同，高GPP/SIF主要分布在中国西南和东南区域，而GPP/SIF的低值主要分布在华北平原和青藏高原（图1（c））。温度和降水的空间分布与GPP和SIF相似（图1（d）和图1（e）），在华南具有高温和多雨的气候条件，但是高APAR主要集中在中国西南、东南和东北区域（图1（f））。

不同气候区之间环境条件具有明显差异，亚热带—热带季风气候区（Ⅳ）表现为高温、高降水和高APAR（图2（b）、图2（d）和图2（f））。研究发现高GPP分布在亚热带-热带季风气候区（Ⅳ），其次是温带季风气候区（Ⅱ），高原山地气候区（Ⅲ）表现为最低的GPP（图2（a））。而且SIF在不同气候区的分布与GPP是一致的（图2（c））。在不同气候区中GPP/SIF并没有表现出明显的差异，GPP/SIF在亚热带-热带季风气候区（Ⅳ）表现出相对较高的均值（图2（e））。

2007~2018年GPP/SIF多年均值的季节变化表现出双峰曲线，分别出现在5月和10月，而低谷出现在7月（图3（a））。GPP与SIF的季节变化是高度一致的，尽管SIF的峰值比GPP的峰值提早1个月。温度、降水和APAR的季节动态呈现单峰曲线，峰值出现在7月，而APAR的峰值出现在8月（图3（b）），与GPP的季节动态具有高度的一致性。

根据2007~2018年中国LUE、SIF_Yield、GPP/SIF与环境因子（tmn，VPD，SM和APAR）的偏相关分析，发现环境因子调控LUE、SIF_Yield和GPP/SIF的季节变化（图4）。LUE与环境因子的偏相关关系的空间分布存在明显的差异。LUE与tmn在中国北方显著正相关，而APAR对于LUE限制的空间格局与tmn相反，表现出显著的负相关。在华北区域VPD与LUE负相关，而SM与LUE在青藏高原和华北区域正相关。同时，SIF_Yield与环境因子的偏相关关系的空间格局与LUE相似，但是SIF_Yield与环境因子的偏相关系数低于LUE。在华北区域APAR与SIF_Yield正相关，而与LUE负相关。此外，GPP/SIF与环境因子的偏相关关系的空间格局与LUE和SIF_Yield不同（图4）。在空间上，GPP/SIF与tmn在华北和东北区域正相关，也与VPD在中国东北区域正相关，而GPP/SIF与APAR负相关。

不同气候区的LUE、SIF_Yield、GPP/SIF与环境因子的偏相关关系如图5所示，发现LUE和SIF_Yield与tmn和APAR具有更高的偏相关系数，其次是VPD和SM。在温带大陆性气候区（Ⅰ）和温带季风气候区（Ⅱ）LUE与tmn具有更高的偏相关关系，但是在温带大陆性气候区（Ⅰ）SIF_Yield与tmn的偏相关系数较低。SIF_Yield与APAR的偏相关系数在亚热带-热带季风气候区（Ⅳ）具有较高的数值，其次是高原山地气候区（Ⅲ）。SIF_Yield在不同气候区与环境因子的相关性要比LUE小。GPP/SIF在不同气候区与环境条件的偏相关关系最高值出现在温带季风气候区（Ⅱ）的tmn，其次是APAR和VPD。但是GPP/SIF与环境因子的相关性比LUE和SIF_Yield要弱很多。

如图6所示，LUE、SIF_Yield 和GPP/SIF在不同环境条下的具有明显的变化趋势。研究发现LUE、 SIF_Yield 对于tmn、VPD、SM和APAR的响应是高度一致的。随着tmn的增加而增加，直到22 ℃后出现减少。随着VPD的增加而减少，直到0.9 kPa后趋于平缓。随着SM的增加而增加，但是在低SM（<0.16 m³/m³）条件下变化并不显著。随着APAR的增加而减少。而GPP/SIF对于tmn和VPD的响应与LUE和SIF_Yield存在明显差异。GPP/SIF随着tmn增加，直到5 ℃后缓慢减少。在低VPD（<0.7 kPa）条件下，GPP/SIF趋于平缓，随后增加至1 kPa处的峰值又迅速减少。GPP/SIF对于SM和APAR的响应与LUE和SIF_Yield相似。GPP/SIF随着SM增加，但是在低SM（< 0.2 m³/m³）条件下出现波动。GPP/SIF在低APAR（< 8 W/m²）条件下先增加，然后逐渐减少。

研究发现GPP和SIF具有一致的空间格局，高值主要集中在温带季风气候区和热带—亚热带季风气候区（图1）。同时SIF和GPP还具有一致的季节动态，在追踪生产力季节变化上表现出巨大的潜力（图3）。GPP/SIF可以表示为LUE和SIF_Yield的比值，能够表征光能分配的信息，被作为研究GPP和SIF关系新指标^［4］。结果表明GPP/SIF的时空格局与GPP和SIF不同，而且具有明显的空间异质性，高值出现在中国西南和东南区域，低值则集中在华北平原和青藏高原。GPP/SIF与APAR和降水的多年均值具有相似的空间格局。在高植物吸收光合有效辐射辐射的和高降水的区域，更多的能量分配给植物光合作用，导致较高的GPP/SIF。在环境条件受到限制的区域，吸收的能量通常会发生竞争^{［12，31-33］}。Chen等^［4］（2020）研究表明在空间上GPP/SIF从冷湿气候到干热气候逐渐下降。随着水分供应的减少，干旱胁迫会更大程度的限制GPP，因此表现出较低的GPP/SIF。因此，使用基于卫星的SIF估算GPP时，如果不考虑区域之间环境条件的巨大差异，通用的SIF-GPP线性关系可能会导致植被生产力估算出现误差。GPP/SIF的季节动态表现出显著的双峰曲线，这揭示了荧光和光合作用在季节上能量竞争的动态过程。当植物开始生长时，更多的能量用于光合作用。但是在高APAR的时候，光合作用光利用率可能比叶绿素荧光产量受到更多的限制，导致GPP/SIF下降，随着辐射限制的减弱，GPP/SIF又逐渐上升，当植物生长季节结束时候，用于光合作用的能量减少，导致GPP/SIF的减少。植物光合作用能量竞争过程的机理的研究需要进一步针对不同生物群落和气候区的研究。

研究使用卫星过境时间的太阳天顶角的余弦计算的每日校正因子将瞬时SIF估算为每天平均SIF^{［12，25-26］}，减少了时间和纬度对于计算GPP/SIF的误差。此外，有研究报道森林复杂的冠层结构会由于荧光信号的重吸收、散射和碰撞只有少量的SIF离开冠层被观测到^［27-28］，导致森林的GPP/SIF高于农田和草地。研究使用通过NIRv和fPAR计算的逃逸概率估算总冠层SIF^［28］，很大程度上减少了冠层结构的影响，仍发现GPP/SIF的具有明显空间变异。关于不同生物群落之间GPP与SIF是否具有通用的线性关系存在很大争议^{［9，25，27，34-35］}，有研究报道不同植被功能类型（C3和C4）的GPP和SIF的线性关系的斜率存在明显的差异^{［27，37］}，具有更高光合作用光利用率的C4植物会表现更高的GPP/SIF。也有研究报道混合像元会影响GPP和SIF关系^［27］，非均匀像元之间的GPP和SIF线性关系的斜率具有更小的变异。GOME-2 SIF数据在高太阳天顶角时会产生不可避免的正偏差^［25］，这可能会导致高纬度冬季GPP/SIF偏低。因此，更准确地描述GPP和SIF的关系需要具有更加精细的时空分辨率的SIF数据和更加准确校正方法以及基于生理机制的理解。尽管本研究粗糙的空间分辨率和不可避免的系统误差可能会对GPP和SIF关系的空间格局的研究造成一些误差，但是经过了校正的数据在表征GPP/SIF空间格局上仍具有重要的参考价值。

研究发现环境条件会调控GPP和SIF的关系。首先，SIF的季节变化主要依赖于APAR，这决定了SIF与GPP紧密的联系^［14］。同时SIF产量还受到环境因子的限制（图4），而且SIF产量与GPP的光能利用率在不同的环境因子条件下具有一致的响应（图6）。最近的一项研究也表明SIF在空间上受到SM与VPD的限制^［37-38］。这表明SIF还包含约束GPP的环境因子的信息，证明了SIF和GPP之间更紧密的联系。先前的一项研究使用SIF与PAR的比值作为生产力的代理研究环境条件的控制^［31］。但是本研究发现环境因子对于SIF产量和GPP光利用率的空间控制的格局存在差异（图4），因此直接使用SIF研究生产力的气候驱动存在不确定性。最后，研究发现GPP/SIF还受到tmn和APAR的显著控制，以及水分条件的限制。当水分亏缺时，植物通过调节气孔减少水分流失，所限制的光合作用速率，也减少了作为光合作用副产品叶绿素荧光的产生。在高辐射条件下，过量的能量通过自我保护机制NPQ向外辐射热量以避免损伤植物，这导致另外两个光利用途径（光合作用和叶绿素荧光）的减少。在环境应力条件下，NPQ的增加可能会导致荧光和光合作用的关系发生变化，如果荧光和光合作用成比例协同变化，则两者关系保持稳定，否则会发生变异^［16］。而且，有研究表明PRI（光化学植被指数）作为NPQ的代理能够改善GPP和SIF的关系^［39］。环境应力条件导致的NPQ的变异以及对于GPP和SIF的关系的调控机制仍需要进一步基于生理机理的研究。因此，环境条件对于GPP和SIF关系的影响是不可忽视的，使用基于卫星SIF估算GPP需要考虑将环境因子纳入约束条件。

研究使用的GOME-2 SIF数据的时间分辨率是每月，空间分辨率是0.5º。为了与SIF数据匹配，将其他数据均重采样到0.5º并聚合到每月。其次，GOME-2监测的SIF值对绝对太阳辐照度敏感，GOME-2仪器在使用期限内会退化，因此会对长时间序列的分析造成一定的影响。Joiner等（2013）试图通过监测太阳辐照度值的降低来解释，但是对数据的调整可能仍不完善，目前长时间序列的卫星SIF和GPP的关联研究仍采用GOME-2 SIF^［3-4］。最后，在计算SIF逃逸概率时，为了能够表示SIF逃逸概率的方向性，近红外反射率应与SIF同步获取来获得相同的成像几何条件，但是研究使用的GOME-2 SIF是每月的格网化产品，无法对其进行方向性校正。虽然没有计算出精确的逃逸概率，但是近红外SIF在冠层内的重吸收较少，使用MODIS NIR_v和FPAR估算的逃逸概率可以对减少冠层结构的影响起到一定的作用^［39］。基于前人的研究^［3-4］，GOME-2 SIF数据仍具有较高的可靠性，尤其是本研究使用经过两次校正的SIF数据，减少了时间、纬度和冠层结构的影响。

研究表明：①在时空尺度上，GPP和SIF都有较好的一致性，但是GPP/SIF具有明显的空间异质性，主要表现为高值出现在中国的东南，西南区域，低值出现在华北平原和青藏高原。同时GPP/SIF的季节动态呈现表现为双峰曲线，表征了植物生长过程中能量分配的季节变化。②SIF_Yield受到的环境调控，环境条件对于SIF_Yield和LUE相似的控制格局和响应趋势证明了SIF和GPP的紧密联系以及使用SIF代理GPP的潜力。但是tmn、APAR和水分条件也会约束GPP/SIF的变化，进而影响GPP-SIF的相关性。因此，厘清GPP-SIF相关性在区域、时间和气候空间内的变异机制有助于理解和预测GPP-SIF的关系，同时也能在未来气候变化中提高GPP的模拟精度。