Google Earth Engine——促进森林温室气体报告的全球时间序列数据集

简介: Google Earth Engine——促进森林温室气体报告的全球时间序列数据集

       我们在谷歌地球引擎环境中开发了一个版本的连续变化检测和分类算法。它与20年的Landsat数据(1999-2019)一起使用,产生了一个新的、公开的、由预先计算的时间序列断点和谐波系数组成的全球数据集。我们展示了来自区域用例的结果,证明了用这个新的数据集进行分类和变化检测,并将其与其他时间合成技术进行了比较。我们的结果表明,使用CCDC的总体准确度的提高在年度基础上可能很小,但它们是一致的,而且在时间一致性方面的改进--正确检测土地覆盖的过渡和时间趋势--可能是显著的。这些改进可以转化为对土地利用变化活动的更好估计,前言 – 人工智能教程并减少REDD+报告中温室气体排放估计的不确定性;论文地址:https://scholar.google.com/scholar_url?url=https://iopscience.iop.org/article/10.1088/1748-9326/ace2da/pdf&hl=en&sa=X&d=1386106421474177974&ei=2mCiZLaVCLqI6rQP76i_sAY&scisig=ABFrs3xtvZdN57pMkNmMQzMyZ7V0&oi=scholaralrt&hist=iDHSnqEAAAAJ:8370270134488369486:ABFrs3w-bRa5DorUdYKPdS6wR47k&html=&pos=0&folt=art

使用 10 个参数对巴拉圭森林地区的地上生物量进行预测不同的特征向量。 黑线显示按平均生物量缩放的森林面积参考数据的值

使用 CCDC 的计算成本很高,需要高度迭代的模型拟合在深度的时间序列图像堆栈上Pasquarella 等人,2022)。 这些费用有限制了 CCDC 在实际应用中的使用,特别是在发展中国家

迫切需要改进森林温室气体报告的环境。 我们有因此,在 Google Earth Engine 中实现了 CCDC 算法的一个版本环境(Gorelick et al., 2017)并报告了 20 年全球环境的处理情况

地卫星档案。 该数据集可作为 Google Earth Engine 上的公共资产使用:

https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_GLOBAL_CCDC_V1

描述这个数据集的处理和验证的手稿目前正在审查中,只对有限的测试者开放。如果你想尽早获得这个数据集,你可以发邮件到 earthengine@google.com,说明你的使用情况以及你将如何使用这些数据。

这个集合包含了在20年的Landsat表面反射率数据上运行连续变化检测和分类(CCDC)算法的预计算结果。CCDC是一种寻找断点的算法,使用谐波拟合和动态RMSE阈值来检测时间序列数据的断点。

该数据集由Landsat 5、7和8 Collection-1,Tier-1,表面反射率时间序列创建,使用1999-01-01和2019-12-31之间的所有日间图像。每张图像都经过预处理,以屏蔽被识别为云、影或雪的像素(根据 "pixel_qa "波段)、饱和像素和大气不透明度大于300的像素(根据 "sr_atmos_opacity "和 "sr_aerosol "波段识别)。在南北场景重叠中重复的像素被删除。结果以2度瓦片的形式输出,适用于纬度-60°和+85°之间的所有陆地。这些图像适合于简单地镶嵌()成一个全局图像。

除了dateFormat之外,CCDC算法以默认的算法参数运行:

tmaskBands:['绿', '漩涡']

minObservations:6

chiSquareProbability: 0.99

minNumOfYearsScaler: 1.33

日期格式:1(小数年)。

lambda: 20

最大迭代次数:25000

输出中的每个像素都是用可变长度的数组来编码的。每个数组的外部长度(轴0)对应于在该位置发现的断点数量。coefs带包含2-D数组,其中每个内数组包含线性谐波模型中8个项的缩放系数,顺序为::[offset, t, cos(ωt), sin(ωt), cos(2ωt), sin(2ωt), cos(3ωt), sin(3ωt)],其中ω=2Π。这些模型的尺度是:光学波段产生反射单位(0.0 - 1.0),热波段产生度(K)/100.0。

注意,由于输出波段是阵列,只能使用SAMPLE金字塔策略进行下采样。在较低的缩放级别,结果通常不再能代表全分辨率的数据,例如,由于下采样的掩码,可以看到瓦片的边界。因此,不建议在分辨率低于240米/像素时使用这个数据集。

目前没有计划向该数据集添加2019年以后的资产。

Resolution

30 meters

Bands

Name Description
tStart

1-D Array containing the date of the start of each segment (fractional year).

tEnd

1-D Array containing the date of the end of each segment (fractional year).

tBreak

1-D Array containing the date of the detected breakpoint of each segment (fractional year).

numObs

1-D Array containing the number of observations found in each segment.

changeProb

A pseudo-probability of the detected breakpoint being real.

BLUE_coefs

2-D array containing harmonic model coefficients for the blue band, for each segment.

GREEN_coefs

2-D array containing harmonic model coefficients for the green band, for each segment.

RED_coefs

2-D array containing harmonic model coefficients for the red band, for each segment.

NIR_coefs

2-D array containing harmonic model coefficients for the near-infrared band, for each segment.

SWIR1_coefs

2-D array containing harmonic model coefficients for the shortwave-infrared (1.55μm-1.75μm) band, for each segment.

SWIR2_coefs

2-D array containing harmonic model coefficients for the shortwave-infrared (2.09μm-2.35μm) band, for each segment.

TEMP_coefs

2-D array containing harmonic model coefficients for the thermal band, for each segment.

BLUE_rmse

1-D array containing the RMSE of the model for the blue band, for each segment.

GREEN_rmse

1-D array containing the RMSE of the model for the green band, for each segment.

RED_rmse

1-D array containing the RMSE of the model for the red band, for each segment.

NIR_rmse

1-D array containing the RMSE of the model for the near-infrared band, for each segment.

SWIR1_rmse

1-D array containing the RMSE of the model for the the shortwave-infrared (1.55μm-1.75μm) band, for each segment.

SWIR2_rmse

1-D array containing the RMSE of the model for the shortwave-infrared (2.09μm-2.35μm) band, for each segment.

TEMP_rmse

1-D array containing the RMSE of the model for the thermal band, for each segment.

BLUE_magnitude

1-D array containing the magnitude of the detected breakpoint for the blue band, for each segment.

GREEN_magnitude

1-D array containing the magnitude of the detected breakpoint for the green band, for each segment.

RED_magnitude

1-D array containing the magnitude of the detected breakpoint for the red band, for each segment.

NIR_magnitude

1-D array containing the magnitude of the detected breakpoint for the near-infrared band, for each segment.

SWIR1_magnitude

1-D array containing the magnitude of the detected breakpoint for the shortwave-infrared-1 (1.55μm-1.75μm) band, for each segment.

SWIR2_magnitude

1-D array containing the magnitude of the detected breakpoint for the shortwave-infrared-2 (2.09μm-2.35μm) band, for each segment.

TEMP_magnitude

1-D array containing the magnitude of the detected breakpoint for the thermal band, for each segment.

 

相关文章
|
14天前
|
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~
785 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
14天前
|
机器学习/深度学习 数据采集 数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
|
14天前
|
数据可视化 搜索推荐 数据挖掘
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
|
15天前
|
数据可视化 数据挖掘 数据建模
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
|
14天前
|
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~
284 1
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
|
15天前
|
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
53 0
|
15天前
|
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
28 0
|
15天前
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
61 0
|
15天前
|
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
29 0
|
15天前
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
52 0