全球碳通量数据集GloFlux：融合多源观测与机器学习的生态系统碳循环研究新突破

本研究针对全球碳通量估算中观测站点分布不均、亚洲数据匮乏等关键问题，通过整合FLUXNET、AmeriFlux、ICOS及亚洲新兴网络JapanFlux2024、HBRFlux的411个站点数据，结合SIF（太阳诱导荧光）和LAI（叶面积指数）等遥感指标，创新性地采用XGBoost模型与迁移学习双阶段建模策略，构建了2000-2023年0.1°分辨率的全球碳通量数据集GloFlux（含GPP、NEE、RECO三变量）。验证显示其与独立站点观测的相关系数达0.84（GPP）、0.66（NEE）、0.80（RECO），显著优于FLUXCOM等现有产品，为评估植被动态和气候变化响应提供了高精度数据支撑。

　　

在全球气候变化背景下，准确量化陆地生态系统的碳吸收与释放过程至关重要。然而，现有碳通量产品面临三大挑战：一是依赖欧美主导的观测网络（如FLUXNET），亚洲数据严重不足；二是多数产品仅关注总初级生产力（Gross Primary Productivity, GPP），忽视净生态系统交换（Net Ecosystem Exchange, NEE）和生态系统呼吸（Ecosystem Respiration, RECO）的协同估算；三是传统模型难以兼顾不同植被功能型（Plant Functional Type, PFT）的生态异质性。这些问题导致全球碳收支评估存在显著不确定性，亟需融合多源数据的新方法。

中国地质大学（武汉）计算机学院联合中国科学院西北生态环境资源研究院的研究团队，在《Scientific Data》发表了题为"Global carbon flux dataset generated by fusing remote sensing and multiple flux networks observation"的突破性研究。该团队创新性地整合了五大洲411个通量站点（含亚洲新增59个站点）的观测数据，结合GOSIF SIF（0.05°）和MODIS LAI（500m）等遥感指标，以及ERA5-Land气象再分析数据，开发了基于XGBoost机器学习框架的双阶段建模系统。通过首阶段全数据集训练和第二阶段PFT特异性微调，成功构建了2000-2023年全球0.1°分辨率月度碳通量数据集GloFlux，涵盖GPP、NEE、RECO三大关键变量。

关键技术方法包括：1）整合FLUXNET等五大网络411个站点的质量控制数据，采用四分位距法剔除异常值；2）引入SIF和LAI作为光合作用敏感指标，结合气温、蒸气压亏缺（VPD）等6项气象因子构建预测特征；3）采用粒子群算法（PSO）优化XGBoost超参数，通过迁移学习实现PFT特异性建模；4）利用独立站点（50个未参与训练）和FLUXCOM等产品进行多维度验证。

研究结果

背景与摘要

GloFlux首次实现了亚洲站点数据的大规模整合，使训练样本空间覆盖度提升17%。相较于仅依赖FLUXNET2015的传统产品，其亚洲区域GPP预测误差降低23%。

方法

双阶段模型在测试集上表现优异：整体R²达0.83（GPP）、0.57（NEE）、0.71（RECO），较单阶段模型提升1-2%。尤其在农作物（CRO）和常绿针叶林（ENF）等类型中，RECO的RMSE降至1.31 gC/m²/day。

数据记录

数据集包含23GB的GeoTIFF文件，按PFT分类存储，提供2000-2023年逐月及年累计数据，单位统一为gC/m²/day（月）和gC/m²/year（年）。

技术验证

站点级验证显示，GloFlux GPP与观测值的相关系数（r=0.84）显著高于FLUXCOM（r=0.81）。空间格局上，其年均GPP（120.86 PgC/year）更接近MODIS（113.8 PgC/year），但亚马逊等热带雨林区的碳汇强度比FLUXCOM高15%。

讨论与结论

该研究通过三大创新解决了领域痛点：1）亚洲数据融合显著改善了热带和温带生态系统的碳通量表征；2）SIF的引入使农作物区GPP估算精度提升34%；3）迁移学习策略有效缓解了小样本PFT（如稀树草原WSA）的过拟合问题。值得注意的是，GloFlux揭示了2008和2022年全球GPP的突变点，与LAI和VPD的异常波动高度吻合，为极端气候事件对碳循环的影响提供了新证据。

这项研究不仅填补了亚洲碳通量数据的空白，其开源模型框架（GitHub可获取）更为区域尺度碳循环研究提供了可复现的范式。数据集已发布于国家青藏高原科学数据中心，将成为IPCC评估报告和地球系统模型验证的重要基准。