一种基于四维时空深度学习的高精度陆地碳通量重构方法

本申请涉及一种基于四维时空深度学习的高精度陆地碳通量重构方法，包括：获取多源异构数据集并进行预处理；构建自输入至输出依次连接多尺度时空特征提取模块、时空特征融合模块、预测层和不确定性量化层的四维时空深度学习模型架构，以预处理后的多源异构数据集为输入，碳通量重构结果为输出；构建损失函数，采用分层学习率策略并引入余弦退火调度器，基于预处理后的多源异构数据集对四维时空深度学习模型架构进行训练，获得四维时空深度学习模型；获取碳通量数据重构集，输入四维时空深度学习模型生成碳通量重构结果。采用本方法能够有效整合多源异构数据，捕捉碳通量的复杂时空动态特征，实现高时空分辨率的陆地碳通量精确重构。