CMIP6融合GPP产品

精度更高更可靠

利用深度学习融合23个CMIP6模型，生成高精度GPP产品，显著减少随机误差，更准确地捕捉长期趋势。

Lu, Jiao · Wang, Guofu · Feng, Donghan · Nooni, Isaac K.

Forests 2023

参数信息

决定系数

0.86

均方根误差

0.77 gCm−2d−1

技术优势

精度显著提升

与多模型集合平均相比，融合产品与GLASS GPP的决定系数从0.66提高到0.86，随机误差大幅降低。

更好捕捉趋势

融合产品在东南沿海植被茂密地区能更准确地捕捉GPP长期变化趋势。

时空覆盖全面

产品覆盖1850–2100年，空间分辨率为0.25°，包含四种气候情景，为气候变化研究提供完整数据支持。

应用场景

• 碳循环评估：用高精度GPP数据准确核算陆地碳汇，支撑碳收支评估。
• 生态系统监测：以0.25°月度GPP监测植被生产力时空动态，捕捉异常变化。
• 气候变化研究：提供四种情景下1850–2100年GPP趋势，量化辐射强迫影响。