一种多模型耦合深度学习的总初级生产力估算方法及系统

本发明公开了一种多模型耦合深度学习的总初级生产力估算方法及系统，该方法包括：获取气象数据、遥感图像、潜热通量、显热通量与太阳辐射的多源数据，对不同数据源进行质量控制、缺失值处理与最邻近插值，并统一至目标空间分辨率与时间分辨率；在光能利用率(LUE)模型族中，对光合有效辐射吸收比例(FPAR)引入太阳辐射相位因子得到相位调制型FPAR，对水分胁迫函数f(W)引入干旱持续时间得到指数衰减型f(W)，据此计算多个改进机理模型的GPP时间序列；使用卷积神经网络(CNN)从遥感图像栈中提取空间纹理特征，并以门控方式将所述空间特征与多个改进机理模型估算的GPP进行跨模态融合，形成融合表征；采用梯度提升树模型对多个改进机理模型估算的GPP与CNN空间特征的融合表征进行学习与协同优化；通过多模型协同优化实现对GPP的高精度估算。本发明旨在解决传统光能利用率模型在干旱、强辐射极端环境条件下响应不足的问题，突破传统单一模型在复杂环境下的适应性局限，从而实现复杂环境下的高精度GPP估算。