Global GPP from microwave remote sensing–driven dynamics: feasibility, strengths, and limitations
Ruxandra-Maria Zotta · Moritz Clemens Müller · Raul Lezameta 等 6 人
构建全微波驱动的GPP估算框架，用微波LST替代再分析气温并加入土地覆盖与土壤水分。
随机森林升尺度通量站GPP，输入AMSR-E/AMSR2/SSMIS微波LST、
土地覆盖分数带来最大精度提升，水文约束在短植被与水分受限区改进最明显。
可探索微波驱动GPP在干旱与极端事件下的响应，并发展更高分辨率、融合光学与微波的GPP产品。
该研究提出不依赖再分析温度、完全由微波观测驱动的长时序GPP反演框架，方法新颖、验证扎实，对农业遥感与碳汇监测有实质参考价值。
摘要：长期监测总初级生产力（GPP）对于量化陆地碳吸收以及生态系统对气候变率和极端事件的响应至关重要。VODCA2GPP是一个数据驱动的升尺度框架，将涡度协方差（EC）GPP观测与被动微波植被光学厚度（VOD）及再分析气温相联系，为光学GPP产品提供了基于微波的多年代际补充。然而，其对再分析温度的依赖降低了基于微波估算的方法学独立性，且在某些生态系统中对水分胁迫的敏感性有限。本文开发并评估了一个更新的微波驱动GPP框架，其中时变环境驱动因子来源于微波观测，同时静态土地覆盖信息提供生物群区背景。该框架以0.25°空间分辨率生成2002—2020年8天GPP。利用一系列训练用于升尺度EC GPP的随机森林（RF）模型，我们检验了不同预测因子组的增量贡献。我们将ERA5-Land 2米气温（T2M）替换为源自AMSR-E、AMSR2和SSMIS F17协调Ka波段亮温的陆面温度（LST），随后评估土地覆盖（LC）比例作为生物群区背景、空间变化的多年度L波段VOD均值作为持久冠层结构信息，以及表层土壤水分（SSM）和根区土壤水分（RZSM）作为浅层和深层水分可利用性约束。将模型与外部GPP产品、日光诱导叶绿素荧光（SIF）及干旱相关数据集进行比较。预测技能采用站点分组10折交叉验证评估，每一折中同一站点的所有观测均保留在训练集或验证集中。以微波-derived LST替换再分析T2M产生了广泛可比的站点级预测性能。添加LC比例在预测技能上产生最大的单项提升（中位r：0.690至0.762；RMSE：2.646至2.345 g C m−2 d−1），而空间变化的多年度L波段VOD均值通过添加持久冠层结构信息提供了较小的额外提升。结构与水文约束改善了与外部GPP产品、SIF和干旱指标的一致性，在矮植被和水分受限区域增益最为明显；在水文预测因子中，RZSM提供了最强的