日光誘導葉緑素蛍光（Solar-induced Chlorophyll Fluorescence、SIF）は植生が自然光で光合成を行う際に発する微弱な光学信号です。SIFは植生の光合成を指し示す非破壊的な探針として、近年、植生生産力の推定、ストレス監視、物候監視など、さまざまな分野で広く使用されています。近地面タワー観測を行うことで、植生の生理生化学プロセスを微視的なスケールで理解することができますが、SIF信号は非常に微弱であり、植生の反射光と混ざるため、従来の手法ではSIFを直接観測することが難しいです。現在、植生スペクトルに基づく複数のSIF逆推定アルゴリズムが存在しますが、これらのアルゴリズムの違いや異なる状況での適応性についての理解や議論が不足しています。そこで、本研究では、山地森林観測所で得られた高スペクトルデータを用いて、6つのSIF逆推定アルゴリズム（sFLD、3FLD、iFLD、SFM、SVD、BSF）の比較分析と評価を行いました。その結果、次のようになります：（1）伝統的なFLDシリーズアルゴリズム（sFLD、3FLD、iFLD）の逆推定結果はかなり類似しています（R2>0.86）、SVDアルゴリズムの逆推定結果は他のアルゴリズムよりも顕著に高く、SFMおよびBSFアルゴリズムは他のアルゴリズムと高い相関を維持しています。 (2) SFM、SVDおよびBSFアルゴリズムは、従来のFLDシリーズアルゴリズムと比較してより高い精度と安定性を示しています（NIRvRと比較：平均ΔR2=0.29、GPPと比較：平均ΔR2=0.10）、多くの雲がある場合や不安定な天候の状況でもSFMアルゴリズムは依然としてGPPと高い相関を維持できるため、複雑な環境でのSIF逆推定に最も適しており、SVDアルゴリズムは植生の日内スケールでの太陽放射の変化を最もよく表現できます。 （3）BSFアルゴリズムは観測高度と先行重みの設定に敏感ですが、温度パラメータには敏感ではなく、BSFアルゴリズムを使用してSIFを逆推定する際には、使用状況やデータ特性に応じて調整する必要があります。 本研究は、6つの典型的なSIF逆推定アルゴリズム間の違いを明らかにし、将来のさまざまな状況でのSIF逆推定アルゴリズムの選択に参考情報を提供しています。

太陽誘導葉緑素蛍光（SIF）;逆推定アルゴリズムの評価; タワー観測; 高スペクトルデータ; 総初級生産力（GPP）; 山地森林