Gross Primary Production (GPP), den process genom vilken växter omvandlar koldioxid och solljus till glukos och syre, är jordens största kolflöde. Noggrann kvantifiering av GPP är avgörande för att förstå koldioxidbudgetar och deras konsekvenser för klimatförändringar och markförvaltningspolitik. Men traditionella metoder för att uppskatta global GPP utmanas av komplexiteten i att integrera biofysiska och biokemiska processer i olika skalor.
Denna utmaning har lett till utvecklingen av GPP-datasetet Comprehensive Mechanistic Light Response (CMLR). Uppgifterna om dessa har publicerats i Journal of Remote Sensing .
Denna datauppsättning, för första gången, utnyttjar solinducerad klorofyllfluorescens (SIF), en direkt signal som sänds ut av växter under fotosyntes, och erbjuder en mer exakt och direkt mätning av växtproduktivitet på global skala. Forskarna använde en sofistikerad ljusresponsmodell justerad för baldakinskalan för att omvandla TROPOMI:s SIF-observationer till en global GPP-datauppsättning.
Denna metod representerar ett stort steg från tidigare modeller genom att integrera direkta fysiologiska signaler från växter, vilket minskar osäkerheter och förbättrar datauppsättningens tillförlitlighet över olika miljöförhållanden och vegetationstyper.
Genom rigorös validering mot tornbaserade GPP-mätningar, visade CMLR GPP-datauppsättningen stark korrelation och konsistens, vilket bevisade sin effektivitet när det gäller att exakt fånga de rumsliga och tidsmässiga mönstren för global fotosyntes.
Liangyun Liu, en senior forskare som är involverad i studien, sa:"CMLR GPP-datauppsättningen förbättrar inte bara vår förståelse av global fotosyntes utan fungerar också som ett avgörande verktyg för att övervaka jordens kolcykel. Denna datauppsättning är ett bevis på kraften i att kombinera satellitteknik med ekologisk forskning för att möta trängande miljöutmaningar."
Skapandet av CMLR GPP-datauppsättningen markerar ett avgörande ögonblick i miljöforskningen, och erbjuder oöverträffade insikter i jordens kolkretslopp, informerar om klimatförändringsmodeller och hjälper till med politiska beslut om markförvaltning och klimatbegränsning.
Mer information: Ruonan Chen et al, CMLR:A Mechanistic Global GPP Dataset härledd från TROPOMIS SIF Observations, Journal of Remote Sensing (2024). DOI:10.34133/fjärranalys.0127
Tillhandahålls av TranSpread
