卫星被动微波遥感为准确估算中国陆地碳汇提供新视角

近日，图书馆VIP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B星在2016-2018年期间在东亚上空获取的卫星微波植被含水量指数（EDVI），估算了区域植被总初级生产力（GPP）。在中度到重度云层覆盖的情况下，该方法仍能保持优异的性能，并利用该方法独立估算了中国陆地总生产力GPP的大小，为中国双碳战略提供了重要数据支撑。相关研究成果以“Regional Gross Primary Productivity Estimation Using Passive Microwave Observations from China’s Fengyun-3B Satellite”为题于3月份在大气科学领域国际知名期刊《Journal of Geophysical Research: 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。在全球变暖背景下，陆地生态系统碳汇已成为减缓气候变化、实现国家碳达峰、碳中和战略的重要途径。总初级生产力（GPP）是衡量生态系统光合作用固碳能力的关键指标。中国及其周边地区幅员辽阔、植被类型众多，在区域和全球碳循环过程中占据重要地位。精确探测和科学理解中国及其周边地区云天陆面生态系统碳循环过程，是准确评估生态系统碳汇功能的重要前提，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。

卫星遥感是获取大面积区域GPP的唯一可行办法。光学遥感虽然具有空间分辨率高的优点，但在云天不可用，无法观测云对碳交换过程的影响、也无法观测高时间分辨率GPP变化特征。而被动微波信号可穿越云层，定量反演植被的含水量特征EDVI（Li et al., 2020）。因为植被的碳水交换具有高度耦合性，李锐教授课题组在国际上率先成功开发卫星被动微波遥感GPP算法（Wang et al., 2021）,本研究在此基础上将原算法由站点尺度推广到了东亚大区域。并且利用中国风云3B MWRI探测器观测的微波亮温作为原始输入，从而实现了算法的自主可控。

从图一可以看出FY-3B EDVI-GPP可以在东亚云雨天气频发的夏季实现对GPP逐日的观测。研究还证明了即使是在中度到重度云层覆盖的情况下，EDVI-GPP仍能保持优异的性能。

图1 2016年7月20日至7月27日的日EDVI-GPP空间分布。

中国的双碳战略要求精确估算中国陆地生态系统的碳汇能力，而仅仅依赖光学遥感会引入很大不确定性。本算法从微波遥感的角度对此给出了很重要的独立估算：2016年至2018年期间中国全国的EDVI-GPP年平均值为6.00 Pg C yr^-1（图2红色柱），而已发表文献（图2蓝色柱）报告的中国GPP估算值为4.42到9.16 Pg C yr^-1，本研究成果对提高中国GPP估算精度具有重要参考价值。

图2 不同GPP算法对中国总初级生产力的估算。

论文第一作者为图书馆VIP地空学院大气专业宋斌斌博士生，李锐教授为通讯作者。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-图书馆VIP风云遥感联合实验室的资助。

文章链接：https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024JD041425

参考文献

1.        Song, B., Hu, J., Wang, Y., Li, D., Zhang, P., Wang, Y., Zhong, L., and Li, R.*. (2025). Regional gross primary productivity estimation using passive microwave observations from China's Fengyun‐3B satellite. Journal of Geophysical Research: Atmospheres, 130, e2024JD041425. https://doi.org/10.1029/ 2024JD041425

2.        Wang, Y.P. ,  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, 267, 112721, https://doi.org/10.1016/j.rse.2021.112721 

3.        Li, R.*, Wang, Y., Hu, J., Wang, Y., Min, Q., Bergeron, Y., et al. (2020). Spatiotemporal variations of satellite microwave emissivity difference vegetation index in China under clear and cloudy skies. Earth and Space Science, 7, e2020EA001145. https://doi. org/10.1029/2020EA001145