基于多源数据融合的月尺度净初级生产力智能预测方法

本发明涉及一种基于多源数据融合的月尺度净初级生产力智能预测方法，包括根据待预测区域的月尺度GPP序列、逐月气象数据和土壤水分时间序列，提取时间特征；根据待预测区域的光合有效辐射吸收比、数字高程模型和地形湿度指数，提取空间特征；以及基于物理引导的交叉注意力模块，对时间特征和空间特征进行加权重组，并根据重组特征输出月尺度净初级生产力预测值。本发明通过多源数据深度融合、时空特征协同建模及物理约束引导，攻克了现有技术中月尺度NPP产品缺失、环境适应性不足等难题，为植被生产力监测提供了高精度、高分辨率的创新工具。