La fluorescencia de clorofila inducida por la luz solar (SIF, por sus siglas en inglés) se ha consolidado como un indicador crucial de la fotosíntesis en la vegetación. En los últimos años, las mediciones de SIF basadas en torres han cobrado un valor creciente al combinarse con la productividad primaria bruta (GPP) para el estudio de las dinámicas fotosintéticas. Sin embargo, los algoritmos actuales para la obtención de SIF enfrentan importantes incertidumbres, especialmente aquellas derivadas de las condiciones atmosféricas y las geometrías de medición. Estas incertidumbres pueden distorsionar los patrones diurnos de SIF, dificultando así un monitoreo preciso de la fotosíntesis a lo largo del día.
Un equipo de investigación del Instituto de Información Aeroespacial de la Academia China de Ciencias ha publicado un estudio en el Journal of Remote Sensing que aborda estas incertidumbres en los algoritmos de obtención de SIF. Su investigación busca mejorar la precisión del monitoreo de la fotosíntesis vegetal al optimizar la fiabilidad de los datos de SIF, cerrando así brechas críticas en la investigación ecológica y agrícola.
Innovaciones en los algoritmos de SIF
La innovación central del estudio radica en la evaluación exhaustiva de tres algoritmos para recuperar SIF en el rango del infrarrojo lejano a partir de observaciones basadas en torres. El algoritmo de Ajuste de Forma de Banda (BSF) se destacó como el más fiable, mostrando un rendimiento superior en la captura de los patrones diurnos de SIF, especialmente durante el mediodía. Este algoritmo se distingue por desacoplar la absorción atmosférica de las señales de SIF sin requerir correcciones atmosféricas, lo que representa una ventaja significativa sobre los métodos tradicionales.
Por el contrario, el algoritmo de Descomposición de Vectores Singulares (SVD) mostró desviaciones significativas, especialmente a mediodía, mientras que el algoritmo de Discriminación de Línea de Fraunhofer de Tres Bandas (3FLD) requería correcciones atmosféricas precisas para alcanzar resultados comparables. El algoritmo BSF logró un coeficiente de correlación (R²) de 0.85 con la fotosíntesis vegetal, superando considerablemente a los otros algoritmos y reflejando su capacidad para capturar con precisión las variaciones diurnas de la fotosíntesis.
La investigación se llevó a cabo en dos sitios de flujo en China, con alturas de medición de 25 metros y 4 metros. El estudio comparó los patrones diurnos de SIF recuperados utilizando los diferentes algoritmos y evaluó su correlación con la fotosíntesis vegetal y la reflectancia en el infrarrojo cercano (NIRvR). Los resultados mostraron que el algoritmo BSF proporcionó las recuperaciones de SIF más estables y precisas, especialmente durante períodos de alta irradiancia solar.
Además, el estudio subrayó la importancia de refinar las técnicas de corrección atmosférica para mejorar aún más la precisión de la recuperación de SIF. Estos hallazgos resaltan el potencial del algoritmo BSF para optimizar el monitoreo de la vegetación, ofreciendo datos más fiables para la investigación ecológica y agrícola. «Este estudio proporciona información valiosa para el desarrollo de algoritmos de recuperación de SIF basados en torres», afirmó el investigador principal. «Al optimizar estos algoritmos, podemos monitorear las variaciones diurnas en la fotosíntesis vegetal con mayor precisión, lo que es crucial para entender las dinámicas de los ecosistemas vegetales».
Las mejoras en los algoritmos de recuperación de SIF prometen aplicaciones significativas en la ecología, la agricultura y la investigación sobre el cambio climático. Al ofrecer un monitoreo preciso de las variaciones diurnas en la fotosíntesis vegetal, estos algoritmos pueden proporcionar conocimientos más profundos sobre las dinámicas vegetales, ayudando a informar estrategias de mitigación del cambio climático. Además, los algoritmos mejorados podrían eventualmente aplicarse a la teledetección satelital, aumentando la precisión y la eficiencia de los esfuerzos globales de monitoreo de la vegetación.
