Science >> Wetenschap >  >> Natuur

Nieuwe satellietdataset werpt licht op de plantengroei op aarde

Ruimtelijk patroon van CMLR GPP op 29 juli 2019 met een resolutie van 0,05°. (A) De mondiale kaart van CMLR GPP. (B) Het GPP-patroon in de Nijldelta. (C) Het GPP-patroon in de rivier de Mississippi. De samengestelde dataset van 8 dagen werd gebruikt voor mondiale kartering. Credit:Journal of Remote Sensing (2024). DOI:10.34133/remotesensing.0127

De bruto primaire productie (GPP), het proces waarbij planten kooldioxide en zonlicht omzetten in glucose en zuurstof, is de grootste koolstofstroom op aarde. Nauwkeurige kwantificering van GPP is cruciaal voor het begrijpen van koolstofbudgetten en hun implicaties voor het beleid inzake klimaatverandering en landbeheer. Traditionele methoden voor het schatten van de mondiale GPP worden echter uitgedaagd door de complexiteit van het integreren van biofysische en biochemische processen op verschillende schaalniveaus.



Deze uitdaging heeft geleid tot de ontwikkeling van de Comprehensive Mechanistic Light Response (CMLR) GPP-dataset. De details hiervan zijn gepubliceerd in het Journal of Remote Sensing .

Deze dataset maakt voor het eerst gebruik van door zonne-energie geïnduceerde chlorofylfluorescentie (SIF), een direct signaal dat door planten wordt uitgezonden tijdens fotosynthese, wat een nauwkeurigere en directere meting van de productiviteit van planten op wereldschaal biedt. De onderzoekers gebruikten een geavanceerd lichtresponsmodel, aangepast voor de schaal van het bladerdak, om de SIF-waarnemingen van TROPOMI om te zetten in een mondiale GPP-dataset.

Deze methode vertegenwoordigt een substantiële sprong ten opzichte van eerdere modellen door directe fysiologische signalen van planten te integreren, waardoor onzekerheden worden verminderd en de betrouwbaarheid van de dataset over verschillende omgevingsomstandigheden en vegetatietypen wordt vergroot.

Door rigoureuze validatie aan de hand van op torens gebaseerde GPP-metingen heeft de CMLR GPP-dataset een sterke correlatie en consistentie aangetoond, wat de doeltreffendheid ervan bewijst bij het nauwkeurig vastleggen van de ruimtelijke en temporele patronen van de mondiale fotosynthese.

Liangyun Liu, een senior onderzoeker betrokken bij het onderzoek, zei:"De CMLR GPP-dataset verbetert niet alleen ons begrip van de mondiale fotosynthese, maar dient ook als een cruciaal hulpmiddel voor het monitoren van de koolstofcyclus van de aarde. Deze dataset is een bewijs van de kracht van het combineren satelliettechnologie met ecologisch onderzoek om dringende milieu-uitdagingen aan te pakken."

De creatie van de CMLR GPP-dataset markeert een cruciaal moment in milieuonderzoek, biedt ongekende inzichten in de koolstofcyclus van de aarde, informeert modellen over klimaatverandering en ondersteunt beleidsbeslissingen over landbeheer en klimaatmitigatie.

Meer informatie: Ruonan Chen et al, CMLR:een mechanistische mondiale GPP-dataset afgeleid van TROPOMIS SIF Observations, Journal of Remote Sensing (2024). DOI:10.34133/remotesensing.0127

Aangeboden door TransSpread