Nyt satellitdatasæt kaster lys over Jordens plantevækst

Gross Primary Production (GPP), den proces, hvorigennem planter omdanner kuldioxid og sollys til glukose og ilt, er jordens største kulstofstrøm. Nøjagtig kvantificering af GPP er afgørende for at forstå kulstofbudgetter og deres implikationer på klimaændringer og jordforvaltningspolitikker. Traditionelle metoder til at estimere global GPP er imidlertid udfordret af kompleksiteten i at integrere biofysiske og biokemiske processer i forskellige skalaer.

Denne udfordring har ført til udviklingen af ​​Comprehensive Mechanistic Light Response (CMLR) GPP-datasæt. Detaljerne herom er blevet offentliggjort i Journal of Remote Sensing .

Dette datasæt udnytter for første gang solinduceret klorofylfluorescens (SIF), et direkte signal, der udsendes af planter under fotosyntese, og tilbyder en mere nøjagtig og direkte måling af planteproduktivitet på global skala. Forskerne brugte en sofistikeret lysresponsmodel justeret til baldakinskalaen til at transformere TROPOMIs SIF-observationer til et globalt GPP-datasæt.

Denne metode repræsenterer et væsentligt spring fra tidligere modeller ved at integrere direkte fysiologiske signaler fra planter og dermed reducere usikkerheder og forbedre datasættets pålidelighed på tværs af forskellige miljøforhold og vegetationstyper.

Gennem streng validering mod tårnbaserede GPP-målinger viste CMLR GPP-datasættet stærk korrelation og konsistens, hvilket beviste dets effektivitet til nøjagtigt at fange de rumlige og tidsmæssige mønstre af global fotosyntese.

Liangyun Liu, en seniorforsker involveret i undersøgelsen, sagde:"CMLR GPP-datasættet forbedrer ikke kun vores forståelse af global fotosyntese, men fungerer også som et afgørende værktøj til at overvåge jordens kulstofkredsløb. Dette datasæt er et vidnesbyrd om styrken ved at kombinere satellitteknologi med økologisk forskning for at løse presserende miljømæssige udfordringer."

Oprettelsen af ​​CMLR GPP-datasættet markerer et afgørende øjeblik i miljøforskning, der tilbyder hidtil uset indsigt i jordens kulstofkredsløb, informerer om klimaændringsmodeller og hjælper med politiske beslutninger om jordforvaltning og klimabegrænsning.

Flere oplysninger: Ruonan Chen et al., CMLR:A Mechanistic Global GPP Dataset afledt af TROPOMIS SIF Observations, Journal of Remote Sensing (2024). DOI:10.34133/remotesensing.0127

Leveret af TranSpread