从理论的角度克服了这个问题,我们开发了Bosse,这是一个观察系统模拟实验的生物多样性。BOSSE在植被特性随着气象条件的函数而变化并采用不同的空间模式的时间时模拟动态场景。高空间分辨率场景可用于量化植物特征的植物功能多样性。此外,博斯可以模拟与气象学植物特征相一致的高光谱反射因子,阳光诱发的叶绿素荧光和土地表面温度。可以在不同的空间和时间分辨率下生成光谱图像,从而使我们能够测试不同的方法,指标和方法来估计植物功能多样性。
摘要。从地球观察卫星中吸收数据被认为是估计山地流域中雪覆盖分布的前进的道路,从而提供了有关山水等效山水(SWE)的准确信息。可以从空间中观察到土地表面的回热(LST),但其改善SWE模拟的潜力仍然没有被忽略。这可能是由于当前热红外(TIR)任务提供的时间不足或空间分辨率。,在未来几年中,三个计划的任务将以更高的时空分辨率提供全球规模的TIR数据。为了研究TIR数据以改善SWE的价值,我们在覆盖北半球的Latitudi-Nalal梯度的五个雪地主导地点开发了合成数据同化(DA)实验。我们通过强迫ERA5-Land重新分析的能量平衡积雪模型来产生合成的LST和SWE系列。我们使用此合成的真实LST从ERA5-Land的降级版本中恢复了合成的真实SWE。我们定义了不同的观察场景,以模仿Landsat 8(16 D)的重新审视时间,以及用于高分辨率自然资源评估(TR- ISHNA)(3 d)的热红外成像卫星,同时会计云覆盖。我们在每个实验地点对实验进行了100次的回答,以评估在两个重新审视场景下,相对于云覆盖的同化过程的鲁棒性。我们使用两种不同的方法进行了同化:序列方案(粒子过滤器)和一个更光滑的(粒子批次平滑)。
最初发表于:安德鲁的冈萨雷斯; Vihervaara,Petteri; Balvanera,Patricia;贝茨,阿曼达E;埃丽莎·贝拉克塔罗夫(Bayraktarov);贝灵汉,彼得·J;布鲁德,安德里亚斯;坎贝尔,吉利安; Catchen,Michael D;卡文德·鲍尔斯(Cavender-Bares),珍妮(Jeannine);大通,乔纳森; Coops,尼古拉斯;马克·J·科斯特洛(Costello);玛丽亚的多纳拉斯;格雷戈尔的杜波依斯;达菲(Duffy),艾米特(Emmett J);希尔德(Eggermont);内斯特(Nestor)Fernandez; Ferrier,西蒙; Geller,Gary N;吉尔,迈克尔;砾石,多米尼克; Guerra,Carlos A;古拉尼克(Guralnick),罗伯特(Robert);迈克尔·哈福特(Harfoot);赫希,蒂姆;霍班,肖恩;休斯,爱丽丝C;亨特,玛格丽特E;伊斯贝尔,森林;等克鲁格,Cornelia B; Schaepman,迈克尔; Schaepman-trub,Gabriela;等人(2023)。全球生物多样性观察系统,以团结监视和指导行动。自然生态与进化,7(12):1947- 1952年。doi:https://doi.org/10.1038/s41559-023-02171-0
Andrew Gonzalez 1*,Petteri Vihervaara 2,Patricia Balvanera 3,Amanda E. Bates 4,Elisa Bayraktarov 5,Peter J. Bellingham 6,Andreas Bruder 7,Andreas Bruder 7,Jillian Campbell 8,Jillian Campbell 8,Michael D. , Mark J. Costello 13, Maria Dornelas 14,15, Grégoire Dubois 16, Emmett J. Duffy 17, Hilde Eggermont 18, Nestor Fernandez 10.11, Simon Ferrier 19, Gary N. Geller 20, Mike Gill 21, Dominique Gravel 22, Carlos A. War 10.23, Robert Guralnick 24, Michael Harfoot 25 25 ,Tim Hirsch 26,Sean Hoban 27,Alice C. Hughes 28,Margaret E. Hunter 29,Forest Isbell 30,Walter Jetz 31,Norbert Juergens 32,W。Daniel Kissling 33,Cornelia B. Krug 34,Cornelia B. Krug 34,Yvan Le Bras 35 Jean-Michel Lord 37,Amy Luers 38,Keping,但39,Anna J. MacDonald 40,Melodie McGooch 41,Katie L. Millette 37,Zsolt Molnar 42,Akira S. Mori 43,Frank E. Muller-Karger 44,Hiroyuki Muraoki Muraoki Muraoka 45,Hiroyuki Muraoka 45,laetia navarrro 46,laetia navarro 46 Helen Newing 48, Aidin Niamir 49, David Obura 50, Mary O'Connor 51, Marc Paganini 52, Henrique Pereira 10.53, Timothée Poisot 54, Laura J. Pollock 1, Andy Purvis 55.56, Adriana Radulovici 37, Michael SchaePman 57, Gabriela SchaePman-Strub 58, Dirk 58, Dirk S. Schmeller 59,Ute Schmiedel 32,Fabian D. Schneider 20,Mangal Man Shakya 60,Andrew Skidmore 61,Andrew L.Skowno 62,Yayioi Takeuchi 63,Mao-con-ning Tuanmu 64,Eren Tuanmu 64,Eren Turak 65 Urbina-Cardona 68,Ruben Valbuena 69,Basile Van Havre 70,Elaine Wright 71