Footprint-Aware Regression

新的深度学习框架提高了碳通量预测的准确性

研究人员开发了一个名为“足迹感知回归”（FAR）的深度学习框架，以提高碳通量预测的准确性。这种新方法考虑了涡度相关（EC）通量塔的空间足迹，这对于放大模型中的地面实况数据至关重要。通过同时预测空间足迹和像素级二氧化碳通量估算，FAR旨在消除预测中的偏差，尤其是在卫星数据分辨率超过通量塔足迹的异质景观中。该框架在AMERI-FAR25数据集上展示了改进的性能，优于传统模型，并在各种生态系统类型中显示出收益。