植被总初级生产力(GPP)是生态系统碳循环的关键参量,其精确估算对理解全球气候变化与陆地生态系统的相互作用至关重要。当前,全球GPP研究多聚焦于提升空间分辨率,但现有主流GPP产品的时间分辨率通常≥8天,难以捕捉日间乃至小时尺度的生产力动态变化,限制了对生态系统快速响应环境胁迫机制的深入认识。为此,成都山地灾害与环境研究所山地地表过程智能监测与模拟团队应用RTL-LUE模型,融合多源遥感与再分析数据,成功研制并发布了全球长时序小时尺度植被GPP数据集。
该数据集揭示了全球GPP在小时尺度下的波动幅度可达到约0.10 gC/m²/h,为深入分析碳通量在短时尺度上的动态变化提供了重要依据。基于该数据集,全球GPP年总值约为124.77 PgC,略低于基于8天时间分辨率的同类GPP产品(126.92 PgC)。这种差异主要源于模型在使用较粗时间尺度进行计算时,通常会平滑极端环境胁迫事件,导致GPP估算值偏高。相比之下,小时尺度的模拟过程能够更好地捕捉这些极端胁迫事件的影响,从而提供更为精准的GPP估算。
针对现有GPP数据时间分辨率不足的问题,团队还创新开发了一种高效的时序降尺度算法。该算法以6小时分辨率的全球GPP数据为基础,通过引入每小时太阳天顶角作为权重进行分配,最终可获取1小时分辨率的GPP数据集。全球尺度验证结果表明,降尺度处理使得GPP的年总值偏差从4.14 gC/yr显著降低至0.53 gC/yr,小时尺度的平均相对误差从32.40%下降至18.49%。
随着数据集时间分辨率的提升,该研究为碳循环与气候变化研究提供了新的视角,推动了生态系统碳动态理解的精细化进展,为全球气候变化应对策略的精准制定提供了科学依据。相关成果发表在领域TOP期刊International Journal of Applied Earth Observation and Geoinformation和数据集期刊Scientific Data上。成都山地所联合培养硕士生王勇为论文第一作者,谢馨瑶副研究员为通讯作者。研究成果得到国家重点研发计划项目(2024YFF1306503)、国家自然科学基金面上项目(42471429)和中科院青促会项目(2023390)等的资助。
全球植被GPP小时尺度平均空间格局(a-h分别对应不同UTC时刻)
日间GPP波动随着经度的变化
GPP时序降尺度方法流程