全球長時序小時尺度植被總初級生產力數據集發布

近日，成都山地災害與環境研究所山地地表過程智能監測與模擬團隊應用RTL-LUE模型，融合多源遙感與再分析數據，成功研制并發布了全球長時序小時尺度植被植被總初級生產力（GPP）數據集。相關成果于2月2日發表于《國際應用地球觀測與地理信息雜志》。

植被總初級生產力(GPP)是生態系統碳循環的關鍵參量，其精確估算對理解全球氣候變化與陸地生態系統的相互作用至關重要。當前，全球GPP研究多聚焦于提升空間分辨率，但現有主流GPP產品的時間分辨率通常≥8天，難以捕捉日間乃至小時尺度的生產力動態變化，限制了對生態系統快速響應環境脅迫機制的深入認識。

該數據集揭示了全球GPP在小時尺度下的波動幅度可達到約0.10 gC/m2/h，為深入分析碳通量在短時尺度上的動態變化提供了重要依據。基于該數據集，全球GPP年總值約為124.77 PgC，略低于基于8天時間分辨率的同類GPP產品(126.92 PgC)。這種差異主要源于模型在使用較粗時間尺度進行計算時，通常會平滑極端環境脅迫事件，導致GPP估算值偏高。相比之下，小時尺度的模擬過程能夠更好地捕捉這些極端脅迫事件的影響，從而提供更為精準的GPP估算。

針對現有GPP數據時間分辨率不足的問題,團隊還創新開發了一種高效的時序降尺度算法。該算法以6小時分辨率的全球GPP數據為基礎，通過引入每小時太陽天頂角作為權重進行分配，最終可獲取1小時分辨率的GPP數據集。全球尺度驗證結果表明,降尺度處理使得GPP的年總值偏差從4.14 gC/yr顯著降低至0.53 gC/yr,小時尺度的平均相對誤差從32.40%下降至18.49%。

隨著數據集時間分辨率的提升，該研究為碳循環與氣候變化研究提供了新的視角，推動了生態系統碳動態理解的精細化進展，為全球氣候變化應對策略的精準制定提供了科學依據。

相關論文信息：https://doi.org/10.1016/j.jag.2025.105059