GEE数据集——2000 年至 2022 年与传感器无关的 MODIS 和 VIIRS LAI/FPAR CDR

2000 年至 2022 年与传感器无关的 MODIS 和 VIIRS LAI/FPAR CDR

该地理空间数据集包含关键的生物物理参数，即叶面积指数（LAI）和光合有效辐射分量（FPAR），是描述陆地生态系统特征不可或缺的参数。该数据集解决了现有全球 LAI/FPAR 产品的局限性，包括与时空一致性和准确性有关的挑战。

该数据集利用包括 MODIS&VIIRS 在内的一系列长期全球 LAI/FPAR 产品，有助于全面分析植被动态及其与气候变化的相互作用。作为独立于传感器（SI）的 LAI/FPAR 气候数据记录（CDR），该数据集来自 Terra-MODIS、Aqua-MODIS 和 VIIRS LAI/FPAR 标准产品。

SI LAI/FPAR CDR 包含从 2000 年到 2022 年的大量时间范围，提供了不同空间分辨率的宝贵见解：500 米、5 公里和 0.05 度。其时间粒度包括 8 天间隔和双月频率。为了便于进行各种分析和应用，该数据集可以正弦投影和 WGS1984 投影两种方式获取。它为研究陆地生态系统及其对气候动态的响应提供了全面而精细的资源。前言 – 人工智能教程

叶面积指数（LAI）和光合活性辐射分数（FPAR）部分是表征陆地生态系统的关键生物物理参数。长期的全球LAI/FPAR产品，如中分辨率成像光谱辐射仪（MODIS）和可见红外成像辐射计套件（VIIRS），为获取植被动态和研究气候变化提供了基本数据集。然而，现有的全球LAI/FPAR产品存在一些局限性，包括时空不一致和准确性问题。考虑到这些局限性，本研究基于Terra/MODIS/Aqua-MODIS/VIIRS LAI/FPAR标准产品开发了一个传感器独立（SI）LAI/FPAR气候数据记录（CDR）。SI LAI/FPAR CDR涵盖了2000年至2022年期间，空间分辨率为500m/5km/0.05∘，时间频率为8d/双月，可在正弦和WGS1984投影中使用。该方法包括(i)对传感器特定的质量评估变量进行综合分析，以选择高质量的检索，（ii）时空张量（st张量）完成mo的应用

Citation¶

Pu, J., Yan, K., Roy, S., Zhu, Z., Rautiainen, M., Knyazikhin, Y., and Myneni, R. B.: Sensor-independent LAI/FPAR CDR:
reconstructing a global sensor-independent climate data record of MODIS and VIIRS LAI/FPAR from 2000 to 2022, Earth Syst. Sci.
Data, 16, 15–34, https://doi.org/10.5194/essd-16-15-2024, 2024

Dataset citation¶

Pu, J., Roy, S., Knyazikhin, Y., & Myneni, R. (2023). Sensor-Independent LAI/FPAR CDR [Data set]. In Sensor-independent LAI/
FPAR CDR: reconstructing a global sensor-independent climate data record of MODIS and VIIRS LAI/FPAR from 2000 to 2022 (Vol.
16, Number 1, pp. 15–34). Zenodo. https://doi.org/10.5281/zenodo.8076540

Earth Engine Snippet¶

var wgs_500m_8d = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_8d");
var wgs_5km_8d = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_5km_8d");
var wgs_005degree_8d = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_005degree_8d");
var wgs_500m_bimonthly = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_bimonthly");
var wgs_5km_bimonthly = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_5km_bimonthly");
var wgs_005degree_bimonthly = ee.ImageCollection("projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_005degree_bimonthly");

本研究开发了一种基于Terra-MODIS/Aqua-MODIS/VIIRS LAI/FPAR标准产品和st张量完全模型的SI LAI/FPAR CDR。CDR涵盖了2000年至2022年的大量时间段，空间分辨率为500m/5km/0.05∘，时间分辨率为8d或半月。在每一步都评估了SI LAI/FPAR CDR的生成。评价结果表明，在生产过程中，消除低质量的LAI/FPAR，将Terra/Aqua/VIIRS LAI/FPAR合并为SI LAI/FPAR是有效的；ST-张量补全模型在间隙填充方面非常好。地面验证表明，新生成的SI LAI/FPAR CDR比原始的Terra/Aqua/VIIRS LAI/FPAR产品实现了更高的精度。具体来说，在以GBOV LAI/FPAR为基准的所有LAI/FPAR产品中，SI LAI/FPAR CDR中准确率最高（Lai/FPAR为RMSE）。同样，基于直接LAI/FPAR的SI LAI/FPAR CDR显示0.04–0.16/0.05–0.09的r2级增加，0.02–0.19/0.01–0.02的RMSE级降低。评价结果还表明，SI LAI/FPAR CDR的TSS值低于原点。

Sample Code:

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/LAI-FPAR-2000-2022

Code and data availability

The SI LAI/FPAR CDR is openly available at https://doi.org/10.5281/zenodo.8076540 (Pu et al., 2023a), https://code.earthengine.google.com/?asset=projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_8d (Pu and Roy, 2023a, only available for logged-in users), and https://code.earthengine.google.com/?asset=_projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_bimonthly (Pu and Roy, 2023b, only available for logged-in users).