Abstract One of the major uncertainties in estimating global Net Primary Productivity (NPP) and Gross Primary Productivity (GPP) is the ability of carbon-monitoring sites to represent the climate and canopy-density of global vegetation (“representativeness”). These sites are used for empirical upscaling and calibration of global land-surface models. The current study determines the representativeness of two important carbon-monitoring networks – FLUXNET2015 and the Ecosystem Model-Data Intercomparison (EMDI) – by calculating the euclidian distance in climate-canopy space between each global 0.5∘ cell and all carbon-monitoring sites of the same biome or Plant Functional Type (PFT). Reliance on the single (most similar) site has been adopted in the past. A straightforward weighted upscaling, using inverse euclidian distance, identifies which PFTs contribute most to global primary productivity in the context of how well they are represented in carbon-monitoring networks. Some vegetation types, which are numerically well-represented within the network, are sampled at the ‘wrong’ latitude and in more temperate climes than their global distribution. This includes non-mediterranean needleleaf forest which is one of the main vegetation types contributing to global GPP and NPP. (Semi-)arid regions (mean annual precipitation

中文翻译：

---

碳监测网络对全球气候和植被的代表性；对生物群落和全球一级总初级生产力和净初级生产力估计的影响

摘要 估算全球净初级生产力（NPP）和初级生产力（GPP）的主要不确定因素之一是碳监测站点代表全球植被气候和冠层密度的能力（“代表性”）。这些站点用于对全球地表模型进行经验放大和校准。当前的研究通过计算每个全球 0.5∘ 单元与所有碳监测站点之间气候冠层空间的欧几里得距离，确定了两个重要的碳监测网络——FLUXNET2015 和生态系统模型数据比对 (EMDI) 的代表性。相同的生物群落或植物功能类型 (PFT)。过去已经采用了对单一（最相似）站点的依赖。使用逆欧几里得距离进行简单的加权升级，确定哪些 PFT 对全球初级生产力的贡献最大，因为它们在碳监测网络中的表现如何。一些植被类型在网络中在数值上得到了很好的代表，在“错误”的纬度和比其全球分布更温和的气候中采样。这包括非地中海针叶林，它是影响全球 GPP 和 NPP 的主要植被类型之一。（半）干旱地区（年平均降水量 这包括非地中海针叶林，它是影响全球 GPP 和 NPP 的主要植被类型之一。（半）干旱地区（年平均降水量 这包括非地中海针叶林，它是影响全球 GPP 和 NPP 的主要植被类型之一。（半）干旱地区（年平均降水量