结合植被生态过程模型的GPP模型估算中，有较多关于光能利用率的模型研究结果。光能利用率模型是Monteith于1972年提出，理论是基于植被在水分、土地肥力充足的条件下，植被生产力仅与入射太阳能量相关。随着遥感技术发展，光能利用率模型被应用于多种尺度上的遥感研究(Turner 等，2003；卫亚星和王莉雯，2010)。遥感光能利用率模型假设环境因素简化情况下，植被生产力只与温度，水分，光照以及该地区本身光能利用率有关。该类型算法原理为式(1)所示。

式中，LUE(Light Use Efficiency)为光能利用率，APAR为吸收到的光合有效辐射量，f为环境影响因子(包括水分条件及温度影响因子)，LUEmax为最大光能利用率。目前，LUE主要利用经验公式从遥感影像中计算或者根据先验知识得到(Yuan 等，2007)。LUE的估算模型主要包括VPM(Vegetation Production Model)、VPRM(Vegetation Production and Respiration Model)、CFix(Carbon Fix)、CFlux(Carbon Flux)、EC-LUE(Eddy Covariance-Light Use Efficiency)，MOD17(Moderate Resolution Imaging Spectroradiometer-GPP)等(算法见附表)。不同的光能利用率算法利用不同的参数化方案，适用于不同地区的GPP估算。

本节基于光能利用率遥感GPP算法精度验证，是利用通量站尺度气象及各种输入参数，与通量站处理得出GPP进行对比，验证不同算法精度。利用涡度相关原理，在观测通量站碳和水的交换量后，经一系列处理获得长时间连续的地表GPP估算值，被认为是地表生态系统光合作用真值(Baldocchi 等，2001)，因此可用于对比分析卫星遥感估算GPP精度。很多文献利用通量站GPP作为真值，验证各种GPP模型及产品的精度(Keenan 等，2012)。Yuan等人(2014)和Verma等人(2014)对比了几种光能利用率算法对GPP估算的影响。

VPM模型属于光能利用率及植被指数型GPP模型，其引入LSWI及EVI进行计算。全球区域总体估算相关性R2为0.52，RMSE为2.67 gC/m2/d；估算精度在落叶阔叶林(R2=0.691，RMSE=2.827 gC/m2/d)、混交林(R2=0.691，RMSE=2.276 gC/m2/d)估算效果较好，而在常绿阔叶林(R2=0.153，RMSE=3.034 gC/m2/d)以及灌丛(R2=0.111，RMSE=2.137 gC/m2/d)的估算精度较低。对北方森林以及温带森林精度良好，但是对于热带森林，受到云量、干湿季等因素影响估算精度较低。该模型主要受最大光能利用率在不同植被类型的影响，因此需要进一步利用通量站数据校正最大光能利用率数值，以提高全球尺度估算的效果(Xiao 等，2004，2005)。

VPRM模型是在VPM模型的基础上，考虑生态系统呼吸的因素，加入遥感、气象、通量塔以及给定的先验知识数据驱动模型，能够模拟半小时至年的时间尺度，局地到大陆的空间尺度。其全球估算精度R2为0.5，RMSE为2.27 gC/m2/d；其中在落叶阔叶林(R2=0.692，RMSE=2.69 gC/m2/d)、草地(R2=0.649，RMSE=2.14 gC/m2/d)、混交林(R2=0.692，RMSE=1.93 gC/m2/d)估算效果较好，在灌丛(R2=0.171，RMSE=1.93 gC/m2/d)常绿阔叶林(R2=0.068，RMSE=2.48 gC/m2/d)效果较差。模型中驱动数据较多，而且需要一些校正模型的数据，因为数据缺失，某些地区并不能使用该模型进行GPP估算(Mahadevan 等，2008)。

CFix模型由Veroustraete等人(2002)提出，利用通量站和遥感卫星计算欧洲地区净生物量。全球总体估算精度R2为0.46，RMSE为2.27 gC/m2/d；其中在落叶阔叶林(R2=0.589，RMSE=3.10 gC/m2/d)、草地(R2=0.555，RMSE=2.00 gC/m2/d)估算效果较好，在灌丛(R2=0.068，RMSE=2.69 gC/m2/d)和常绿阔叶林(R2=0.085，RMSE=3.72 gC/m2/d)效果差。但模型当中的FPAR是在欧洲地区建立的与NDVI的线性经验关系，因此欧洲以外地区有不适用的情况，尤其是在低纬度干旱地区，模型估算效果差(Veroustraete 等，2002)，不适用于全球GPP估算。

CFlux模型由King等人(2011)提出，利用通量站和遥感卫星美洲地区GPP。模型考虑到云量的影响，对于GPP估算效果有提升作用。全球总体估算精度R2为0.64，RMSE为2.07 gC/m2/d；其中在落叶阔叶林(R2=0.794，RMSE=2.69 gC/m2/d)、草地(R2=0.701，RMSE=2.00 gC/m2/d)、混交林(R2=0.701，RMSE=1.93 gC/m2/d)估算效果较好，常绿阔叶林(R2=0.120，RMSE=2.14 gC/m2/d)效果较差。CFLUX模型在各种LUE模型当中表现最好，普遍估算精度最高，但在云量大的时候，存在明显低估GPP的情况。且模型需要输入气象数据，考虑天空中云的情况，因此模型需输入有云情况下的LUEmax，该数据需要经过通量站优化计算，在不同研究区域会有不同的取值。

EC-LUE模型由Yuan等人(2007)提出，属于光能利用率GPP模型基础下的植被指数型，该模型利用温度以及蒸散发的波文比作为输入，结合最大光能利用率计算。模型在所有类型植被估算相关性R2约为0.58，在落叶阔叶林(R2=0.78，RMSE=2.55 gC/m2/d)、草地(R2=0.67，RMSE=1.79 gC/m2/d)估算效果较好；在常绿阔叶林(R2=0.120，RMSE=3.10C/m2/d)估算效果较差。模型能够在全球尺度上模拟GPP，但是对于农田，模型依然需要进一步发展。模型的误差来源主要源于NDVI与FPAR的相关系数，需要通过更多的通量站数据校正。

表1列出主要GPP估算模型在不同植被类型的估算精度。全球各类GPP模型中，估算精度较高的模型为CFlux及EC-LUE模型，其中模型在落叶阔叶林，混交林，草地植被类型估算效果较好，在灌丛及常绿阔叶林估算效果较差。

表 1 全球范围基于光能利用率遥感GPP算法与通量站GPP估算精度对比 Table 1 Global comparison of remote sensing based light use efficiency GPP algorithm estimation accuracy with flux tower based GPP

此外，还有基于生理生态过程模型的LPJ(Sitch 等，2003)、ORCHIDEE(Krinner 等，2005)，通量数据基础统计模型SVM(Yang 等，2007)，因为其输入参数较多，且基于较低空间分辨率数据进行计算，不属于传统遥感模型，因此本文不讨论类似模型。部分遥感GPP估算算法精度的有关说明详见本文电子版附表(DOI：10.11834/jrs.20186456)。