由MODIS-LAI,Sentinel-3-LAI和ERA5-Land数据驱动的陆地碳流量从塔到全球的升级
Pablo Reyes-Muñoz1, Dávid D Kovács1, Jochem Verrelst1
1Image Processing Laboratory (IPL), University of Valencia, C/Catedrático Agustín Escardino Benlloch 9, Paterna, 46980 Valencia, Spain.
使用高斯过程回归 (GPR) 的机器学习模型在全球范围内有效地升级陆地碳流 (TCFs). 叶面积指数 (LAI),太阳辐射和潜在热量流是关键预测因素,特别是在森林生物群中.
科学领域:
- 地球和环境科学 地球和环境科学
- 气候科学 气候科学
- 生态生态学 生态生态学
背景情况:
- 陆地碳流 (TCFs) 对气候建模至关重要.
- 从状共变量 (EC) 流量塔升级到全球规模的TCF带来了挑战.
- 机器学习,特别是高斯过程回归 (GPR),为TCF升级提供了先进的方法.
研究的目的:
- 使用高斯过程回归 (GPR) 模型,从塔到全球规模,升级陆地碳流 (TCF).
- 研究气候变量的预测能力和在多种生物群中对TCF的叶面积指数 (LAI).
- 通过分析关键预测因素的影响,为TCF升级方法提供一个新的视角.
主要方法:
- 使用FLUXNET数据进行训练的应用GPR模型 (EC-GPR-TCFs) (总初级生产率,生态系统呼吸,净生态系统交换).
- 集成的LAI测量与EC塔观测到的气候和土壤变量.
- 利用谷歌地球引擎在300米至5公里的分辨率上进行升级,并结合MODIS LAI和Sentinel-3数据.
主要成果:
- 确定了LAI,短波入射太阳辐射 (SW) 和潜热流 (LE) 作为TCF的关键预测因素,在温带和寒冷森林中相关性最强.
- 根据EC塔数据,EC-GPR-TCF的验证结果是一致的 (R2 ≈ 0.6,RMSE < 3 μmol m−2 s−1).
- 与基准产品进行全球范围的相互比较显示,GPP (中位数R:0.70.85) 和RECO (中位数R:0.810.85) 适合.
结论:
- 高斯过程回归 (GPR) 提供了一个强大的方法,用于升级地球碳流 (TCFs).
- 叶面积指数 (LAI) 和特定的气候变量显著影响不同生物群体的TCF.
- 该研究增强了对TCF动态的理解,并提供了改进的全球规模估计方法.
更多相关视频
09:55Surface Renewal: An Advanced Micrometeorological Method for Measuring and Processing Field-Scale Energy Flux Density Data
Published on: December 12, 2013
08:09Measuring and Mapping Patterns of Soil Erosion and Deposition Related to Soil Carbonate Concentrations Under Agricultural Management
Published on: September 12, 2017
相关概念视频
Global Climate Change
The Carbon Cycle
Influence of Earth's Curvature and Atmospheric Refraction on Leveling
Precipitation Gravimetry
In determining nickel by gravimetric analysis, a precipitant of ethanolic dimethylglyoxime is added to a hot nickel salt solution. This is quickly followed by the dropwise addition of dilute ammonia solution until precipitation occurs. A...
