日光诱导叶绿素荧光(Sun-InducedChlorophyllFluorescence，简称SIF)是植物在太阳光照条件下，由光合中心发射出的光谱信号(650—800nm)，具有红光(690nm左右)和近红外(740nm左右)两个波峰，能直接反映植物实际光合作用的动态变化。测量SIF非常重要，因为它与陆地总初级生产力（GPP）密切相关。GPP计算的是一个特定区域内通过光合作用固定的二氧化碳总量。
根据许多实验室和野外实验，研究表明，SIF可以有效地改善GPP的估计，这对全球碳汇研究和碳减排战略是必要的。中国已经承诺到2060年实现碳中和，通过未来四十年的技术升级和能源结构调整，对减少碳排放至关重要。然而，考虑到植物所提供的大量天然碳汇（carbonsink），这个目标就更容易实现了。
扩大陆地生态系统的能力，使其成为实现碳中和的一条有效途径。因此，科学家必须准确评估自然碳汇，以评估当前和即将到来的碳中和实施计划。在中国科技部、中国科学院和中国气象局的支持下，中国二氧化碳监测卫星任务（TanSat）于2016年12月发射。TanSat监测全球大气中的二氧化碳浓度并能够测量SIF。
第一张TanSat全球SIF地图是使用基于SVD（奇异值分解）技术的数据驱动方法构建的。现在TanSat从一个新的基于物理的算法中检索其SIF产品，该算法名为IAPCAS/SIF。这个算法是基于中科院大气物理研究所的卫星遥感平台二氧化碳检索算法，该算法绘制了全球大气中的二氧化碳分布。IAPCAS/SIF算法提供了O2A波段内757nm和771nm两个微窗口的SIF排放数据。
由于空间尺度的差异，很难直接验证卫星测量的SIF与在叶片或树冠尺度测量的SIF的准确性和精确性。与基于卫星的XCO2产品一样，SIF检索仍然需要更全面的验证试验，以评估进一步碳通量估计的精度。TanSat任务的主要研究人员杨东旭博士说："不同算法的SIF产品之间的相互比较可以验证算法的可靠性，同时也为后续的算法优化提供思路。
他的团队比较了由新的IAPCAS/SIF算法和数据驱动（SVD）方法提供的TanSatSIF产品。考虑到规模和时间，结果表明，这两种SIF产品在全球范围内的吻合度很高。虽然研究小组注意到SIF地图有轻微的区域偏差，但两个SIF产品之间的线性相关性很强，在所有季节都高于0.73。他们的TanSatSIF算法比较发表在《大气科学进展》上。
研究人员将分析和使用新的SIF产品来更好地了解陆地生态系统。这包括将SIF数据同化到GPP模型和全球碳通量估算中。IAPCAS/SIF算法的优化将有助于开发来自其他卫星任务的SIF产品，科学家们希望探索SIF产品的综合使用将促进对全球碳汇和气候变化的定量研究。
