研究提出FAR框架预测碳通量

Jacob Searcy等作者提出并验证了 Footprint-Aware Regression（FAR）深度学习框架，同时预测涡度相关通量塔的空间足迹与像素级 CO₂ 通量。作者称，在训练数据充足时，该框架能给出无偏的像素级预测，避免异质景观下高分辨率数据训练产生的偏差。 研究同时构建了 AMERI-FAR25 数据集用于验证。相关成果以 arXiv cs.LG 论文形式发布。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。