全球高分辨率日光诱导叶绿素荧光（SIF）数据集（2001-2021）

日光诱导叶绿素荧光（SIF）数据是光合作用的重要诊断量，近几年已被广泛应用在提高陆面模式碳循环模拟能力、估算全球作物产量、监测CO₂浓度和全球碳循环、反演长时间序列植被物候、反演全球碳水通量等方面的研究中，相比“绿度”指标，SIF数据被证明对各反演模型更高的敏感性。因此本数据集将在评估长期陆地生态系统光合作用和全球碳水通量方面有重要价值，有助于生态系统碳循环和碳中和的研究。

Sun-induced Chlorophyll Fluorescence (SIF) data is a critical diagnostic metric for photosynthesis. In recent years, it has been widely applied in research including improving the carbon cycle simulation capabilities of land surface models, estimating global crop yields, monitoring atmospheric CO₂ concentrations and the global carbon cycle, retrieving long-time-series vegetation phenology, and retrieving global water-carbon fluxes. Compared with the "greenness" index, SIF data has been proven to exhibit higher sensitivity across various inversion models. Therefore, this dataset holds significant value for evaluating long-term terrestrial ecosystem photosynthesis and global water-carbon fluxes, and will contribute to research on ecosystem carbon cycles and carbon neutrality.

搜集汇总

背景与挑战

背景概述

该数据集是全球高分辨率日光诱导叶绿素荧光（SIF）数据，覆盖2001年至2021年，具有0.05°的空间分辨率和8天、月度及年度的时间分辨率。它基于OCO-2 SIF数据、MODIS植被数据和气象资料，通过机器学习算法合成，用于评估陆地生态系统光合作用和全球碳水通量，对碳循环和碳中和研究有重要价值。