農(nóng)業(yè)科研站通常已具備氣象、土壤、物候等傳感器體系，各類設(shè)備分工明確。但植物數(shù)據(jù)大多停留在形態(tài)層面，光合系統(tǒng)以何種效率實(shí)際運(yùn)行，往往缺乏連續(xù)的定量記錄。日光誘導(dǎo)葉綠素?zé)晒猓⊿IF）監(jiān)測正是填補(bǔ)這一層的技術(shù)入口——它不需要采樣、不損傷植物，可以非接觸、連續(xù)地反映冠層的實(shí)時光合狀態(tài)。愛博能（ABN）圍繞這一需求，提供從地面定點(diǎn)到無人機(jī)機(jī)載的完整SIF監(jiān)測方案。

地面定點(diǎn)：積累長時序基礎(chǔ)數(shù)據(jù)

在實(shí)驗小區(qū)或田間固定點(diǎn)位連續(xù)運(yùn)行的SIF監(jiān)測系統(tǒng)，提供的不是某天的截面，而是整個生育期的光合日變化曲線。聯(lián)合通量塔數(shù)據(jù)，可在站點(diǎn)尺度估算植被總初級生產(chǎn)力（GPP）。Bai et al.（2021）整合了FLUXNET2015全球212個通量塔站點(diǎn)數(shù)據(jù)，結(jié)合OCO-2衛(wèi)星SIF產(chǎn)品（GOSIF）訓(xùn)練機(jī)器學(xué)習(xí)模型，最終GPP估算精度R2=0.58，RMSE=2.74 gC·m?2，所需輸入變量少于傳統(tǒng)衛(wèi)星GPP產(chǎn)品?？蒲姓镜倪B續(xù)地面SIF觀測記錄，可直接轉(zhuǎn)化為碳通量量化依據(jù)。

基于GOSIF SIF數(shù)據(jù)的全球GPP估算流程圖

ABN-SIF-1 為單通道在線式系統(tǒng)，光譜范圍650~800nm，光譜分辨率≤0.3nm，信噪比≥1000:1。設(shè)備置于恒溫箱內(nèi)，配備全自動防雨防塵裝置，適合野外長期無人值守運(yùn)行。

ABN-SIF-2 在ABN-SIF-1基礎(chǔ)上增加第二臺光譜儀（300~1100nm），可同步獲取全波段植被指數(shù)，一次部署同時輸出SIF與NDVI/EVI等多項指標(biāo)，減少多傳感器集成的復(fù)雜度。對需要同時觀測光合活性與植被結(jié)構(gòu)的科研站，ABN-SIF-2一次部署覆蓋兩類數(shù)據(jù)需求。

ABN-SIF-1單通道臺站式日光誘導(dǎo)監(jiān)測系統(tǒng)

無人機(jī)巡航：覆蓋地面看不到的空間變異

地面定點(diǎn)的優(yōu)勢在于"深度"——同一位置的高頻率、長時序記錄；無人機(jī)載SIF的優(yōu)勢在于"廣度"——同一時段內(nèi)對多個位置的橫向掃查。Xue et al.（2024）在新疆開展了為期20年（2001~2020）的研究，覆蓋塔里木盆地、準(zhǔn)噶爾盆地、天山北坡等區(qū)域，對耕地、森林、草地、灌叢四類植被類型分析了GOSIF對多時間尺度干旱（SPEI指數(shù)）的響應(yīng)。結(jié)果顯示，2006年和2009年兩次嚴(yán)重干旱期間，不同植被類型的SIF下降拐點(diǎn)并不同步，SIF捕捉到了各類型植被的響應(yīng)時序差異，而單純依賴NDVI則容易忽略這種過程層面的區(qū)分。這一研究說明，空間異質(zhì)性是真實(shí)存在且不可忽視的。

SPEI12、GOSIF、NDVI和EVI的趨勢分布（A、D、G、J）及其顯著性檢驗結(jié)果（B、E、H、K）；（C、F、I、L）為按“顯著降低、不顯著降低、無變化、不顯著增加、顯著增加"五類劃分的空間分布。

ABN-SIF-UAV1/UAV2 是針對無人機(jī)平臺設(shè)計的機(jī)載版本，對應(yīng)與地面版相同的單/雙通道配置，由無人機(jī)直接供電，可在飛行作業(yè)中采集冠層SIF信號。兩款型號適用于試驗站多小區(qū)快速普查、大田脅迫空間分布制圖、地面站數(shù)據(jù)的空間外推校驗。在科研站場景中，地面儀器捕捉到異常后，無人機(jī)可快速定位異常區(qū)域的空間范圍。

兩端配合：數(shù)據(jù)完整，格式統(tǒng)一

地面在線式設(shè)備提供時間維度數(shù)據(jù)，無人機(jī)載設(shè)備提供空間維度數(shù)據(jù)。ABN-SIF系列地面版與UAV版采用同一套光譜儀內(nèi)核和熒光算法，兩端數(shù)據(jù)格式一致，可直接對比，無需額外轉(zhuǎn)換。

從一臺地面儀器起步，先建立時間維度的基礎(chǔ)數(shù)據(jù)，再引入無人機(jī)載設(shè)備擴(kuò)展至空間維度——地面觀測異常，無人機(jī)定位范圍，科研站的觀測體系從單點(diǎn)升級為"點(diǎn)-面"聯(lián)合。如需了解ABN-SIF系列的具體配置方案，歡迎聯(lián)系我們。

案例來源：

1. Bai, Y. et al. (2021). Estimating Global Gross Primary Production from Sun-Induced Chlorophyll Fluorescence Data and Auxiliary Information Using Machine Learning Methods. Remote Sensing.

2. Xue, C. et al. (2024). Response of solar-induced chlorophyll fluorescence-based spatial and temporal evolution of vegetation in Xinjiang to multiscale drought. Frontiers in Plant Science.