Scientific Data | 基于多源卫星数据构建的长时序全球光合作用代理指标（LCSPP）1982-2023年

数据校准与整合：

使用AVHRR（1982-2023）和MODIS（2001-2023）卫星的反射率数据，通过交叉校准消除AVHRR的轨道漂移和传感器偏差。生成长期连续反射率数据集（LCREF），填补数据缺失（如云覆盖）并保持时空一致性。

神经网络建模：

训练神经网络，以校准后的反射率数据模拟OCO-2卫星的SIF信号（2015-2022年数据作为训练目标）。生成三种光合作用代理指标：LCSPP_clear-inst（瞬时晴空条件）；LCSPP_clear-daily（日均晴空条件）；LCSPP_all-daily（考虑云辐射影响的日均值）。

LCSPP的优势：

• 时间跨度长达42年（1982-2023），空间分辨率0.05度，双周时间分辨率。

• 在捕捉植被光合作用动态（如季节性变化、干旱响应）上优于传统植被指数（NDVI、kNDVI、NIRv），尤其在针叶林和常绿阔叶林中表现更佳。

• 与站点级GPP观测数据的相关性（R²）接近或超过现有机器学习升尺度产品（如FLUXCOM）。

长期趋势分析：

• 1982-2000年：全球LCSPP呈缓慢上升趋势，主要分布在东欧、萨赫勒地区等。

• 2001-2023年：增速加快，显著增长区域包括中国东部、印度及南美大豆种植带，而亚马逊东部出现轻微“褐化”。