陆地表面温度数据在模拟北半球森林生长中优于网格化气温数据

本研究通过对比CRU、TerraClimate、ERA5-Land和MODIS LST（MOD11A2）等不同分辨率温度数据集，首次系统论证了高分辨率陆地表面温度（LST）在解释树木径向生长-温度关系中的优越性，特别是在高海拔地区R2提升达36.97%，为精准评估全球变暖对森林碳汇的影响提供了新范式。

　　

Highlight
本研究揭示：在模拟北半球555个站点的树木径向生长时，高分辨率的MODIS LST（MOD11A2）数据集显著优于传统网格化气温数据（如CRU），其平均温度和最高温度对生长模型的解释力（R²）分别提升16.32%和18.14%，在高海拔区域提升幅度更达35.70-36.97%。

Discussion
研究发现，传统网格化气温数据（如CRU和TerraClimate）可能低估升温对森林生长的影响。高分辨率LST能更精准捕捉冠层微环境温度（与树木光合作用直接相关），特别是在地形复杂的春季生长期。这种差异源于：1）LST_mean与树木生理活动的时空匹配度更高；2）1km分辨率能解析站点尺度（约55km）无法捕捉的地形热力异质性。

Conclusion
MOD11A2 LST数据集在刻画树木径向生长-温度关系方面展现出显著优势，这种优势在高海拔地区和春季生长期尤为突出。该发现强调：在预测气候变化对森林碳循环影响时，必须整合高分辨率地表温度数据以替代传统插值气温数据。