HCSIF: 中国区域2000-2022年高时空分辨率（500m）SIF数据集
日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）被誉为“植被光合作用的探针”。2017年，搭载在Sentinel-5P卫星上的 TROPOMI (TROPOspheric Monitoring Instrument）传感器成功发射，该卫星同时具有高空间分辨率和高覆盖能力。目前的卫星反演SIF数据集仅在较粗的空间分辨率下提供，而已有的降尺度研究中，大范围的SIF降尺度产品通常具有较低的空间分辨率（如0.05°），高空间分辨率（如500m）的SIF产品通常只针对特定的局部区域，缺乏大范围的长时序高时空分辨率数据集，现有降尺度研究建模过程中对于地形因子的探索不足，建模精度有限，这限制了SIF降尺度产品在精细尺度上的应用。
HCSIF处理流程
研究数据与方法
利用加权Stacking集成学习算法，基于TROPOMI数据（原始数据的空间分辨率为3.5 km×5.6–7 km），基于MODIS反射率、温度、ERA-5气象数据，DEM数据提取了与SIF密切相关的13个特征，包括NDVI、NIRv、NDWI、kNDVI、白天LST、夜晚LST、cos (SZA)、fPAR、VPD、SM、slope、aspect和DEM，作为HCSIF模型的输入变量。生成了中国地区2000-2022年的高时空分辨率SIF数据集（500m，8天）。
HCSIF输入特征
数据验证结果
本研究的算法在测试集上的精度较高（R²=0.87，RMSE=0.057mW/m²/nm/sr），HCSIF产品与OCO-2 SIF数据、GOME-2 SIF数据、塔基实测SIF数据以及GPP通量观测数据进行了对比评估，取得了良好的验证效果。
加入地形因子前后精度对比
不同植被类型的偏差
HCSIF、原始TROPOMI SIF、OCO-2 SIF 和 GOME-2 SIF 数据的对比
应用前景
HCSIF数据集有助于深入理解精细尺度上的陆地生态过程，为生态系统生物多样性的监测提供支持，并为作物健康、生产力及胁迫水平的长期精确评估提供参考依据。
HCSIF、原始TROPOMI SIF、NIRv的比较