RSE | 协同使用SMAP和OCO-2数据评估2018年美国干旱对生态系统生产力的影响
点击上方「蓝字」关注我们
SMAP(Soil Moisture Active Passive)的土壤水分和总初级生产力(GPP)数据以及OCO-2的日光诱导叶绿素荧光(SIF)数据,为在大尺度上了解土壤水分与陆地生态系统光合作用之间的关系提供了新的机会。本研究探讨了协同使用基于SMAP和OCO-2的数据来监测生态系统生产力对干旱响应的潜力。研究利用SMAP的根区土壤水分和GPP(9 km)数据和较高分辨率的SIF产品(GOSIF,0.05 °)作为补充观测信息,比较了这些变量在2018年美国干旱期间异常的空间格局和时间演变,并研究了它们在多大程度上可以表征干旱引起的通量塔GPP和作物产量的变化。
结果表明,SMAP的GPP和基于OCO-2的GOSIF很好地捕获了SMAP根区土壤水分缺失的空间影响和动态以及美国干旱监测地图表明的干旱条件。在美国西南部,区域平均的土壤湿度的月度异常与SMAP GPP(R2 = 0.44, p < 0.001)和GOSIF(R2 = 0.76, p < 0.001)呈显著正相关,这表明在干旱地区,水分对植物生产力有较强的控制作用。SMAP GPP和GOSIF数据也能很好地表征干旱引起的通量塔GPP变异以及作物产量异常。该研究结果表明协同使用SMAP和OCO-2数据产品可以在多个时空尺度上揭示干旱演变及其对生态系统生产力和碳吸收的影响,并论证了SMAP和OCO-2在生态系统功能、碳循环和气候变化等方面研究的价值。
本文使用的核心数据GOSIF,是基于OCO-2 SIF、MODIS EVI以及关键气象变量如辐射、VPD、温度,利用机器学习算法生产。该数据时空分辨率为8天、0.05°,2000-2018年。相比原始的OCO-2SIF数据时空分辨率大大提高,对于生态系统尺度的研究更加适用。
详细数据生产方法以及验证见:
LiX, Xiao J. A global, 0.05-degree product of solar-induced chlorophyllfluorescence derived from OCO-2, MODIS, and reanalysis data[J]. Remote Sensing,2019, 11(5): 517.
数据可以免费下载,地址为:
https://globalecology.unh.edu//data/GOSIF.html
感谢第一作者的来稿!
想了解更多,一定要下载原文阅读 ↓↓↓
https://doi.org/10.1016/j.rse.2020.112062
Remote Sensing of Environment | 长期的MODIS数据揭示中国大型湖库透明度的变化
欢迎同行加入生态笔记交流群(纯学术交流群),探讨有关生态、环境、农业等学术问题 ,分享学术资源。入群请添加管理员微信:Eco_note。(长按与识别下方二维码)
喜欢就分享、点赞、点“在看”