全球海洋监测系统叶面积指数（GIMMS LAI4g）时空一致的全球数据集（1982-2020年）

具有明确生物物理意义的叶面积指数（LAI）是描述陆地生态系统特征的关键变量。长期的全球 LAI 数据集已成为监测植被动态和探索其与其他地球成分相互作用的基础数据支持。然而，目前的 LAI 产品在时空一致性方面存在一些局限性。在这项研究中，我们采用了反向传播神经网络（BPNN）和数据整...

Leaf Area Index (LAI), which has clear biophysical significance, is a key variable for characterizing terrestrial ecosystems. Long-term global LAI datasets have served as fundamental data support for monitoring vegetation dynamics and exploring their interactions with other Earth system components. However, current LAI products have certain limitations in terms of spatio-temporal consistency. In this study, we adopted Backpropagation Neural Network (BPNN) and data integration...

搜集汇总

背景与挑战

背景概述

全球海洋监测系统叶面积指数（GIMMS LAI4g）数据集（1982-2020年）是一个时空一致的全球数据集，通过BPNN模型和数据整合方法生成，具有更高的准确性和更低的低估。该数据集可用于监测植被动态和探索其与其他地球组分的相互作用。