近日，中国科学技术大学地球和空间科学学院、风云卫星遥感联合实验室李锐教授团队在卫星全天候遥感陆地植被生态系统固碳能力方面取得重要进展。团队基于光能利用率模型，利用中国风云三号D星在2020-2022年期间获取的卫星微波植被含水量指数（EDVI），估算了全球植被总初级生产力（GPP），提供了受云层影响较小且更可靠的估算结果。相关研究成果以“Global Gross Primary Productivity Estimation Using Passive Microwave Observations from China’s Fengyun-3D Satellite”为题于12月份在大气科学领域国际知名期刊《Journal of Geophysical Research: Atmospheres》（JGR Atmospheres）在线发表。
陆地生态系统通过光合作用途径吸收固定大气二氧化碳（CO2），是地球系统中重要的碳汇。总初级生产力（Gross Primary Production，简称GPP）是衡量陆地生态系统光合作用固碳能力的关键指标。准确评估生态系统碳汇能力，能为实现我国碳达峰、碳中和目标提供有力的技术支撑和理论指导。
光能利用率（Light Use Efficiency，简称LUE）模型因为概念简单且遥感数据易于获取，已逐渐成为估算GPP的主要方法。然而，Yuan等人（2014）发现，六个LUE模型在多云天气下显著低估了GPP，因为这些模型忽略了云层散射辐射对LUE的影响。总太阳辐射可分为直射光与散射光两部分。研究表明，散射光比直射光更能有效促进植物光合作用，该现象被称为“散射辐射施肥效应”。散射辐射施肥效应的发生机制在于：在散射辐射条件下，光线能更深地穿透冠层，照亮原本处于阴影中的叶片，从而整体提升光合作用效率。因此，在LUE模型中纳入云层散射辐射对GPP估算的影响就显得尤为重要。
被动微波遥感技术具备穿透云层的能力，已成为多云条件下估算GPP的有力方案。此前研究中，我们已开发出基于微波EDVI的站点尺度GPP估算方法（Wang et al., 2021）。2003-2010年FLUXNET站点观测数据验证了EDVI-GPP方法在全天空条件下可靠估算日GPP的能力。随后，我们将该方法扩展至东亚区域（80°E−150°E, 5°N−55°N）（Song et al., 2025）。该方法采用中国风云三号B星2016–2018年期间在东亚区域获取的EDVI数据，通过18个涡度相关通量站点的GPP观测数据及与四种卫星GPP产品的对比分析得到验证。在中度至重度云层覆盖条件下，该方法仍保持优异性能，表明其具备抗云层干扰能力。然而，作为具有穿透云层能力的模型，EDVI-GPP模型尚未纳入云层散射辐射的影响。
本研究以2020-2022年全球FY-3D EDVI数据、ERA5-LAND辐射数据和气象数据和MODIS地表植被覆盖类型（MCD12C1）为输入数据，通过云量指数（CI）调节光能利用率以纳入散射辐射对GPP的影响，并采用亚利桑那大学洗牌复形演化算法SCE-UA（Shuffled Complex Evolution-University of Arizona）对关键参数进行调参。通过全球163个涡度相关通量观测站（覆盖10种主要生态系统类型）的GPP测量数据，对模型进行校准与验证。得到的全球FY-3D EDVI-GPP产品提供了适用于晴天和阴天的每日时间分辨率GPP估算，空间分辨率为0.25度。
在8天尺度上，2020–2022年间EDVI-GPP与站点GPP观测值的决定系数(R2=0.51)与主流GPP产品（FLUXCOM-GPP、MODIS-GPP、GLASS-GPP、 PML-GPP及GOSIF-GPP）表现一致（图1），且有着较小的bias（-0.46 gC m-2 day-1）。
图1 8天平均的（a-d）2020-2022年EDVI-GPP、（e-h）2020-2022年的MODIS-GPP、（i-l）2020-2022年的GLASS-GPP、（m-p）2020-2022年的PML-GPP，（q-t）2020-2022年的GOSIF-GPP、（u-x）仅2020年的FLUXCOM-GPP数据，与所有植被类型（第一列）、森林（第二列）、灌木丛与稀树草原（第三列）、草地与农田（最后一列）的站点GPP观测值的散点图。
在全球尺度上，EDVI-GPP的多年平均值与另外几种GPP产品呈现高度空间一致性，相关系数R为0.71~0.74（图2）。
图2 2020-2022年间（a）EDVI-GPP、（b）MODIS-GPP、（c）GLASS-GPP、（d）PML-GPP，（e）GOSIF-GPP，（f）2020年FLUXCOM-GPP的年平均值，以及（g）年均GPP纬度分布模式。
在全球尺度上，Anav等人（2015）通过比较不同GPP模型与产品，指出全球GPP范围为112至169 Pg C yr-1。FY-3D EDVI-GPP算法估算的2020-2022年全球平均GPP为123.77±1.33 Pg C yr-1，与国际主流产品高度吻合。此外，还比较了2020年全球主要经济体（美国、中国和印度）以及欧洲、南美和非洲地区所有GPP产品的估算值（图3）。
图3 2020年全球不同经济体及主要区域（包括美国、中国、印度、欧洲、非洲和南美洲）的EDVI-GPP、FLUXCOM-GPP、MODIS-GPP、GLASS-GPP、PML-GPP和GOSIF-GPP产品估算值。EDVI-GPP以红色柱状图表示，FLUXCOM-GPP为蓝色柱状图，MODIS-GPP为绿色柱状图，GLASS-GPP为洋红色柱状图，PML-GPP为黄色柱状图，GOSIF-GPP为青色柱状图。背景土地覆盖图源自2020年MCD12C1土地覆盖数据。
中国科学技术大学地空学院博士生宋斌斌和刘清扬为本文共同第一作者，李锐教授为通讯作者。李锐教授团队近年来在卫星遥感陆地生态系统碳水循环领域获得了一系列成果，在国际主流学术期刊发表相关论文数篇。研究受到国家自然科学基金重点项目、安徽省自然科学基金、国家重点研发计划、风云气象卫星专项创新中心、以及中国气象局-中国科学技术大学风云遥感联合实验室的资助。
文章链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025JD044385
论文信息：Song, B., Liu, Q., Hu, J., Wang, Y., Zhang, P., Chen, L., Wu, S., & Li, R. (2025). Global Gross Primary Productivity Estimation Using Passive Microwave Observations from China’s Fengyun-3D Satellite. Journal of Geophysical Research: Atmospheres, 130(24), e2025JD044385. https://doi.org/10.1029/2025JD044385
参考文献：
Anav, A., Friedlingstein, P., Beer, C., Ciais, P., Harper, A.B., Jones, C.D., Murray-Tortarolo, G.N., Papale, D., Parazoo, N.C., Peylin, P., Piao, S., Sitch, S.A., Viovy, N., Wiltshire, A., & Zhao, M. (2015). Spatiotemporal patterns of terrestrial gross primary production: A review. Reviews of Geophysics, 53, 785 - 818. https://doi.org/10.1002/2015RG000483
Song, B., Hu, J., Wang, Y., Li, D., Zhang, P., Wang, Y., Zhong, L., Li, R. (2025). Regional Gross Primary Productivity Estimation Using Passive Microwave Observations from China’s Fengyun-3B Satellite. Journal of Geophysical Research: Atmospheres, Volume130, Issue8. https://doi.org/10.1029/2024JD041425
Wang, Y., Li, R., Hu, J., Fu, Y., Duan, J., & Cheng, Y. (2021). Daily estimation of gross primary production under all sky using a light use efficiency model coupled with satellite passive microwave measurements. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2021.112721
Yuan, W., Cai, W., Xia, J., Chen, J., Liu, S., Dong, W., Merbold, L., Law, B.E., Arain, M.A., Beringer, J., Bernhofer, C., Black, A.T., Blanken, P.D., Cescatti, A., Chen, Y., François, L., Gianelle, D., Janssens, I.A., Jung, M., Kato, T., Kiely, G., Liu, D., Marcolla, B., Montagnani, L., Raschi, A., Roupsard, O., Varlagin, A., & Wohlfahrt, G. (2014). Global comparison of light use efficiency models for simulating terrestrial vegetation gross primary production based on the LaThuile database. Agricultural and Forest Meteorology, 192, 108-120. https://doi.org/10.1016/j.agrformet.2014.03.007