Google Earth Engine(GEE)——全球红树林分布、地上生物量和树冠高度

简介: Google Earth Engine(GEE)——全球红树林分布、地上生物量和树冠高度

全球红树林分布、地上生物量和树冠高

该数据集基于遥感和现场测量数据,描述了红树林湿地的全球分布、生物量和树冠高度。利用遥感冠层高度测量和特定区域的异速模型,得出2000年名义年的(1)红树林地上生物量(AGB)、(2)最大冠层高度(最高的树的高度)和(3)基底面积加权高度(单个树的高度按其基底面积的比例加权)的估计值。此外,还提供了(4)全球赤道地区红树林生态类型中各种森林结构(如灌丛、边缘、河流和盆地)的选定地点的现场测量数据。在指定的地块内,选定的树木被确定为物种和胸高直径(DBH),树木的高度用激光测距仪或 clinometer测量。可以估计每个地块的树木密度(茎的数量),并表示为每单位面积。这些数据被用来推导出AGB、基底面积加权高度(Hba)和最大树冠高度(Hmax)之间的小区级异质性,并验证遥感估计值。

从空间遥感数据和现场测量得出的红树林冠层高度和AGB的空间明确地图,可用于评估可能调节森林结构和碳循环动态的当地规模的地球物理和环境条件。地图显示了广泛的冠层高度,包括超过其他森林类型的最大高度的最大值(>62米)。

有348个GeoTIFF格式(.tif)的数据文件,这个数据集代表了116个国家每个国家的三个数据产品。原地的树木测量数据以一个单一的.csv文件提供。你可以在这里获取数据集

预处理

树木测量的CSV文件已经删除了lat lon 2,3,4,lat和lon1被重新命名为lat lon。数据集的表格如下。这和其他元数据可以在这里找到。这些数据集被分成116个数据集的子集,并被录入谷歌地球引擎集合。

https://daac.ornl.gov/CMS/guides/CMS_Global_Map_Mangrove_Canopy.html

文献引用:

Simard, M., L. Fatpyinbo, C. Smetanka, V.H. Rivera-Monroy, E. Castaneda-Moya, N. Thomas, and T. Van der Stocken. 2019. Mangrove canopy height
globally related to precipitation, temperature and cyclone frequency. Nature Geoscience, 12: 40–45. https://doi.org/10.1038/s41561-018-0279-1

数据引用

Simard, M., T. Fatoyinbo, C. Smetanka, V.H. Rivera-monroy, E. Castaneda, N. Thomas, and T. Van der stocken. 2019. Global Mangrove Distribution,
Aboveground Biomass, and Canopy Height. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1665
File name Variable/Description Units
Mangrove_agb_country.tif Aboveground mangrove biomass  Mg ha-1
Mangrove_hba_country.tif Mangrove basal-area weighted height (individual tree heights weighted in proportion to their basal area) meters
Mangrove_hmax_country.tif Mangrove canopy maximum height (height of the tallest tree) meters
North_South_America_tree_measurements.csv In situ mangrove tree measurements for locations on the coasts of North and South America.

数据集的修订

1.3版:2021年4月增加了原地树木测量数据文件和文档。对以前存档的数据没有改动。

1.2版:2019年5月更新了数据文件,因为相关的《自然-地球科学》出版物中的高度到生物量(AGB)的转换方程是正确的,但在生成公开的数据文件时执行错误。这些现在已经被纠正了。Hba和Hmax数据已经更新,现在它们的上限是最大值(55米)的第95百分位,如出版物中所述。没有Hba和Hmax数据的国家已被省略。

1.1版。科学质量的数据于2019年3月发布。所有的初步数据文件都被新的文件取代,这些文件纳入了地上生物量估计算法的一些变化。此外,几个数据缺失的文件也被替换。

1.0版本。初步数据于2018年11月发布,以配合Simard等人2019年在《自然-地球科学》发表的论文。

代码:

var agb = ee.ImageCollection("projects/sat-io/open-datasets/global_mangrove_distribution/agb");
var hba95 = ee.ImageCollection("projects/sat-io/open-datasets/global_mangrove_distribution/hba95");
var hmax95 = ee.ImageCollection("projects/sat-io/open-datasets/global_mangrove_distribution/hmax95");
var americas_tree = ee.FeatureCollection("projects/sat-io/open-datasets/global_mangrove_distribution/americas_tree_measurements");
//import modules
var palettes = require('users/gena/packages:palettes')
Map.setCenter(-61.9097, 9.9357,9)
Map.addLayer(agb.mosaic(),{'min':0.5,'max':375,'palette':palettes.colorbrewer.YlGn[9]},'Aboveground mangrove biomass')
Map.addLayer(hmax95.mosaic(),{'min':0.5,'max':52,'palette':palettes.colorbrewer.PiYG[9]},'Mangrove canopy maximum height')
Map.addLayer(hba95.mosaic(),{'min':0.5,'max':33,'palette':palettes.colorbrewer.Reds[9]},'Mangrove basal-area weighted height')
Map.addLayer(americas_tree,{},'North South America tree measurements')

样例代码:

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/GLOBAL-MANGROVE-BIOMASS-HEIGHT

License

Public Domain/No restrictions (CC0): Under the terms of this license you are free to use the material for any purpose without any restrictions.

Created by: Simard et al

Curated by: Samapriya Roy

Keywords: : global mangrove, above ground biomass, canopy height, basal-area weighted height, ecosystem, mangroves

Last updated: 2021-12-15

 

相关文章
|
7小时前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
669 0
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
7小时前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
112 0
|
7小时前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
274 0
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
7小时前
|
API Go 网络架构
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
101 4
|
7小时前
|
机器学习/深度学习 存储 人工智能
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
79 3
|
7小时前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
33 0
|
7小时前
|
编解码 人工智能 数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
48 0
|
7小时前
|
编解码
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
23 0
|
7小时前
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
51 0
|
7小时前
|
传感器 编解码 数据处理
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
25 0