准确追踪Savanna木本植物的水力学特征是理解其对气候变化和人类管理响应的关键环节。目前，Savanna生态系统植被水力学特征的估算误差较大。日光诱导叶绿素荧光（SIF）可以预测植被蒸腾，但是否可以用于Savanna植被水力学特征估算中尚不明确。基于中国浑善达克沙地温带Savanna生态系统三年塔基尺度的远红外SIF观测和地面液流监测数据，本研究分析了远红外SIF与液流密度之间的关系，并建立了基于SIF的随机森林模型估算液流密度。研究结果表明，SIF与榆树（Ulmus pumila var. sabulosa）的液流密度存在显著线性关系，日尺度（R2=0.62-0.68，p < 0.001）线性关系比小时尺度（R2=0.47-0.56，p < 0.001）线性关系显著。SIF-液流密度的主要相关性出现在榆树生长季中期（7月和8月）。光合有效辐射（PAR）是SIF和液流密度相关性的主要驱动因素。土壤湿度、饱和水气压（VPD）和空气温度在日尺度和月尺度上影响SIF-液流密度的相关性。基于机器学习算法，将SIF、木本植被覆盖度（FVC）和环境因素（PAR、空气温度和VPD）作为预测因子，构建基于SIF的植被液流密度模型，模拟结果可以准确追踪榆树季节性液流密度变化（R2=0.71；RMSE=0.003）。该研究结果证实可以通过SIF、木本FVC和环境因素准确追踪温带Savanna植被水力学特征。该方法也可用于Savanna或稀疏植被生态系统地表过程建模。

榆树疏林,液流,模拟