生态模型数据产品

1981-2019年全球逐日NEP模拟数据产品

本数据产品为1981-2019年逐日NEP数据，利用植被参数（叶面积指数、聚集度指数、地表覆盖）遥感数据、气象数据和大气CO2浓度等驱动日步长的机理性生态模型BEPS生成。覆盖全球有植被的陆地地区，空间分辨率为0.072727°×0.072727°，文件存储格式详见数据说明文档。来自 <国家生态数据中心资源共享服务平台>

基于FIUXCOM的机器学习的产品

Jiye Zeng data

A Data-driven Upscale Product of Global Gross Primary Production, Net Ecosystem Exchange and Ecosystem Respiration

该产品包括 1999 年至 2019 年的 10 天全球初级生产总产值（GPP）、净生态系统交换（NEE）和生态系统呼吸（RECO）平均值，空间分辨率为 0.1x0.1 度。随机森林（RF）用于将FLUXNET 2015观测值从南纬60°提升到北纬80°。每日GPP摘自FLUXNET 2015全套中的GPP_NT_VUT_REF，NEE取自NEE_VUT_REF，RECO取自RECO_NT_VUT_REF。预测变量包括叶面积指数（LAI）、吸收光合有效辐射分数（FAPAR）、气温（T）、相对湿度（RH）、表面向下太阳辐射（DSR）、LAI的最小值和最大值以及LAI数大于最小值和最大值的平均值。后三个是用来表示每年和网格中的植物功能类型（PFT）的。预计它们比BIOME4等产品更能代表PFT的时间和空间变化。据我们所知，所有数据驱动的升级产品都使用MODIS。我们从哥白尼全球土地服务局提取了LAI和FAPAR;以及欧洲中期天气预报中心ERA5的T、RH和DSR。该产品采用不同的方法，有望为全球GPP，NEE和RECO的研究提供新的信息。

来自 <A Data-driven Upscale Product of Global Gross Primary Production, Net Ecosystem Exchange and Ecosystem Respiration｜Data / Resources｜National Institute for Environmental Studies>

FLUXCOM grid data

The FLUXCOM initiative generated a large ensemble of global carbon flux products for two defined setups that differ on the set of predictor variables and spatial-temporal resolution. FLUXCOM used machine learning to merge carbon flux measurements from FLUXNET eddy covariance towers with remote sensing and meteorological data to estimate gross primary productivity (GPP), terrestrial ecosystem respiration (TER) and net ecosystem exchange (NEE) and their uncertainties. The resulting database comprises more than 100 global gridded products in two setups: (1) using exclusively MODIS remote sensing data (RS) on a 0.0833° grid, and (2) using remote sensing and meteorological data (RS+METEO) at 0.5° resolution. Within each setup we use a full factorial design across multiple machine learning methods, climate forcing datasets (for RS-METEO) and two flux partitioning approaches. Here we provide these data on a monthly resolution and provide also FLUXCOM ensemble products. Please see Jung et al. 2020, BG and Tramontana et al. 2016, BG before using the data, and cite both papers in publications. These data are freely available on a CC4.0 BY license.

来自：https://www.bgc-jena.mpg.de/geodb/projects/FileDetails.php

基于CO2卫星的遥感反演产品

GOSAT ACOS v9 XCO2反演的2010-2019年全球逐月的陆地净生态系统碳通量NEE产品（GCAS2021）

南京大学温室气体与空气质量模拟实验室课题组在《Earth System Science Data》期刊上在线发表题为"A 10-year global monthly averaged terrestrial net ecosystem exchange dataset inferred from the ACOS GOSAT v9 XCO2 retrievals (GCAS2021) "的研究论文。本文使用我国自主研发的全球碳同化系统（GCASv2），通过同化 GOSAT ACOS v9 XCO2 ，生成了一个10年（2010-2019）的全球逐月1度分辨率的陆地NEE数据集，名为 GCAS2021。该数据集显示了北美东部、亚马逊、刚果盆地、欧洲、北方森林、中国南部和东南亚的强碳汇并且能够很好地反映极端气候和大规模气候异常对碳通量的影响。

来自 <国家生态数据中心资源共享服务平台>