2016—2020年中国30米植被总初级生产力数据集的发布
《Scientific Data》
《Scientific Data》，是《Nature》旗下的一本开放获取（Open Access）的学术期刊，专注于发表高质量的数据描述性文章（Data Descriptors）。这些文章旨在提供详细的科学数据集和其产生、处理的背景信息，以促进数据的共享和重用。
《Scientific Data》涵盖的领域非常广泛，包括生命科学、物理科学、社会科学等。该期刊的主要目的是提高科学数据的透明度和可重复性，支持开放科学和数据共享的理念。
https://www.earth-system-science-data.net/
英文题目：A 30-m gross primary production dataset from 2016 to 2020 in China
中文译名：2016—2020年中国30米植被总初级生产力数据集
发布时间：2024年10月1日
发表期刊：Scientific Data
第一作者：Shangrong Lin et al
第一单位：中山大学地理科学与规划学院
DOI：10.1038/s41597-024-03893-x
理解陆地生态系统的总初级生产力（GPP）对于揭示陆地碳循环至关重要。然而，目前的全国性GPP数据集主要基于较粗的空间分辨率（≥500米）遥感数据，无法有效捕捉不同生态系统类型的空间异质性。为此，研究团队推出了新的高分辨率GPP数据集Hi-GLASS GPP v1，提供了2016年至2020年间中国的30米和月度时间分辨率数据。这一数据集的发布将极大推动对中国碳汇能力的更准确评估。
Hi-GLASS GPP v1数据集使用30米的Landsat数据生成，具有比以往数据集更高的空间分辨率。这使得数据集能够捕捉不同生态系统类型间GPP的细微差异，为更精确的生态研究提供支持。
该数据集采用基于过程的光利用效率模型，结合了详细的玉米种植地图。玉米是中国重要的C4作物，以其较高的光合效率著称，这种设计有效纠正了通常将所有农田统一分类为C3作物而导致的GPP低估现象。
Hi-GLASS GPP v1数据集与来自涡动协方差塔的GPP数据展现了良好的相关性。这一特征增强了对中国陆地碳汇能力的评估准确性，使研究人员能够更深入地分析碳 sequestration 过程。
【数据获取】
https://doi.org/10.57760/sciencedb.1113430
Hi-GLASS GPP v1数据集的推出为研究中国陆地生态系统的碳循环提供了重要工具。通过更高的空间和时间分辨率，研究者可以更精准地评估各类生态系统的生产力，揭示不同植物类型在碳循环中的作用。这一数据集不仅对学术界的生态研究具有重要意义，同时也为政策制定者提供了可靠的数据基础，以支持可持续发展和生态保护的相关决策。
图1. 精细空间分辨率rEC-LUE模型下的GPP估算工作流程。
图2. 不同质量标签NDVI概念图。
图3. 2016 年至 2020 年中国 Hi-GLASS GPP v1 空间格局。
图4. 每月由 Hi-GLASS GPP v1 驱动的无云 NDVI的比例。
图5. 针对中国涡流协方差站点的 GPP 验证。
图6. 通过站点观测（黑点）和 16 个典型站点的 Hi-GLASS GPP v1（红线）获得的 GPP 季节性变化。
图7. 不同生态系统类型年度GDP总量统计。
图8. 四个 GPP 数据集的交叉比较。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“20241002”，即可直接获取原文PDF。（提示：关键字要完整）
免责申明
本推送文章（数据）来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享。欢迎广大学者们转发本号发布的内容，可留言或后台私信韦丰小编进行授权，转载请注明出处，侵删。
