1982-2010年中国陆地植被碳密度数据

基于AVIM2、CEVSA2、BIOME-BGC、 CLASS-CTEM-N、 CLM4、CLM4VIC、DLEM、ISAM、TEMP6和TRIPLEX-GHG模型模拟的1982-2010年中国植被碳密度数据，结合野外调查的植被碳密度数据，利用机器学习随机森林方法构建新的中国陆地植被碳密度的估算模型，重新估算了1982-2010中国陆地植被碳密度数据。与观测数据相比，随机森林多模型集成模拟结果仅低估了约0.2% 。而传统的多模型平均的结果高估了约2%的中国区域植被碳密度。同时，泰勒模型比较结果表明，基于机器学习的模型模拟结果具有最小的标准差，最大的相关系数。此外，随机森林多模型集成模拟结果与NDVI的年变化趋势较为一致，而多模型平均结果与NDVI的年变化趋势相反。本数据集是论文A multimodel random forest ensemble method for an improved assessment of Chinese terrestrial vegetation carbon density（2021年10月发表于Methods in Ecology and Evolution）的支撑数据。