%0 Dataset
%T 全球海洋监测系统叶面积指数（GIMMS LAI4g）时空一致的全球数据集（1982-2020年）
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/14ada18e-6851-4382-81e4-7703795cabf9
%W NCDC
%R 10.12072/ncdc.zenodo.db6648.2024
%A 朱再春
%K LAI;BPNN;NDVI;GIMMS LAI4g
%X 具有明确生物物理意义的叶面积指数（LAI）是描述陆地生态系统特征的关键变量。长期的全球 LAI 数据集已成为监测植被动态和探索其与其他地球成分相互作用的基础数据支持。然而，目前的 LAI 产品在时空一致性方面存在一些局限性。在这项研究中，我们采用了反向传播神经网络（BPNN）和数据整合方法，生成了1982-2020年期间的新版半月全球存量建模与绘图研究（GIMMS）LAI产品，即GIMMS LAI4g。GIMMS LAI4g的重要意义在于使用了最新的北京大学GIMMS归一化差异植被指数（NDVI）产品和360万个高质量的全球Landsat LAI样本，以消除卫星轨道漂移和传感器退化的影响，并建立时空一致的BPNN模型。结果表明，与前者（GIMMS LAI3g）和两个主流 LAI 产品（全球地表卫星（GLASS）LAI 和长期全球测绘（GLOBMAP）LAI）相比，GIMMS LAI4g 利用实地 LAI 测量和大地遥感卫星 LAI 样本显示出更高的精度和更低的低估率。GIMMS LAI4g 产品可能有助于缓解全球长期植被变化研究之间的分歧，也可能有利于地球和环境科学的模型开发。