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).

License¶

The dataset is under a Creative Commons Attribution 4.0 International.

Provided by: Jiabin et al

Curated in GEE by : Samapriya Roy

keywords: Sensor-Independent, Leaf Area Index (LAI), Fraction of Photosynthetically Active Radiation (FPAR), Climate Dataset Record (CDR)

Last updated on GEE: 2023-06-09

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/615214.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

uniapp自定义封装只有时分秒的组件,时分秒范围选择

说实话&#xff0c;uniapp和uview的关于只有时分秒的组件实在是不行。全是日历&#xff0c;但是实际根本就不需要日历这玩意。百度了下&#xff0c;终于看到了一个只有时分秒的组件。原地址&#xff1a;原地址&#xff0c;如若侵犯请联系我删除 <template><view clas…

使用Eexcl调换txt文本中的两列数据

问题描述 本方法使用对txt存储的数据格式有特别要求。需要数据每行具有相同个数数据&#xff0c;且具有统一的间隔符号隔开。&#xff08;常见的间隔符号有tab键、空格、逗号、分号等&#xff09; 对于一个有空格间隔每行只有三列数据的txt文件&#xff0c;对调第二列和第三列…

Linux中关于cat命令详解

cat的作用 用于连接文件并打印到标准输出设备上 cat的参数 -b,-number-nonblank 打印时打印出序号,但不对空白行进行计算-E,--show-ends在每行结束处显示$-n,--number打印时打印出序号-s,--squeeze-blank当遇到有连续两行以上的空白行,就代换为一行的空白行 -T,--show-tabs 将…

为什么要使用云原生数据库?云原生数据库具体有哪些功能?

相比于托管型关系型数据库&#xff0c;云原生数据库极大地提高了MySQL数据库的上限能力&#xff0c;是云数据库划代的产品&#xff1b;云原生数据库最早的产品是AWS的 Aurora。AWS Aurora提出来的 The log is the database的理念&#xff0c;实现存储计算分离&#xff0c;把大量…

C++ n皇后问题 || 深度优先搜索模版题

n− 皇后问题是指将 n 个皇后放在 nn 的国际象棋棋盘上&#xff0c;使得皇后不能相互攻击到&#xff0c;即任意两个皇后都不能处于同一行、同一列或同一斜线上。 现在给定整数 n &#xff0c;请你输出所有的满足条件的棋子摆法。 输入格式 共一行&#xff0c;包含整数 n 。 …

雷达信号处理——恒虚警检测(CFAR)

雷达信号处理的流程 雷达信号处理的一般流程&#xff1a;ADC数据——1D-FFT——2D-FFT——CFAR检测——测距、测速、测角。 雷达目标检测 首先要搞清楚什么是检测&#xff0c;检测就是判断有无。雷达在探测的时候&#xff0c;会出现很多峰值&#xff0c;这些峰值有可能是目标…

C++学习笔记(三十三):c++ 宏定义

本节对c的宏定义进行描述。c使用预处理器来对宏进行操作&#xff0c;我们可以写一些宏来替换代码中的问题&#xff0c;c的宏是以#开头&#xff0c;预处理器会将所有的宏先进行处理&#xff0c;之后在通过编译器进行编译。宏简单说就是文本替换&#xff0c;可以替换代码中的任何…

swarm节点间通信问题-关闭checksum校验和

现场还原 客户有n台redhat虚拟机&#xff0c;构建了一个swarm集群&#xff0c;服务起来后&#xff0c;发现不同节点间的服务&#xff0c;无法互相访问。经运维大佬排查是服务器的checksum校验是开启状态&#xff0c;关闭即可~ 查看checksum状态 ethtool -k 内网网卡名称 | g…

Rhinoceros 8(犀牛8)中文授权版支持Win/Mac

Rhinoceros 8&#xff0c;也称为犀牛8&#xff0c;是一款专业的三维建模软件&#xff0c;深受设计师们的喜爱。这款软件为设计师提供了无限的创意空间和强大的工具&#xff0c;无论他们是产品设计师、建筑师还是工业设计师。 Rhinoceros 8采用了先进的NURBS建模技术&#xff0c…

Kafka外网访问

文章目录 一、背景二、需求三、调研四、配置内外网访问 一、背景 kafka机器只有内网IP&#xff0c;没有绑定外网网卡&#xff0c;但是可以在防火墙或通过其他有公网IP的设备上进行公网IP端口的映射。 二、需求 kafka集群端口映射后&#xff0c;可以通过外网IP端口进行数据生…

基于JavaWeb+BS架构+SpringBoot+Vue+Hadoop短视频流量数据分析与可视化系统的设计和实现

基于JavaWebBS架构SpringBootVueHadoop短视频流量数据分析与可视化系统的设计和实现 文末获取源码Lun文目录前言主要技术系统设计功能截图订阅经典源码专栏Java项目精品实战案例《500套》 源码获取 文末获取源码 Lun文目录 目  录 目  录 I 1绪 论 1 1.1开发背景 1 1.2开…

k8s集群配置NodeLocal DNSCache

一、简介 当集群规模较大时&#xff0c;运行的服务非常多&#xff0c;服务之间的频繁进行大量域名解析&#xff0c;CoreDNS将会承受更大的压力&#xff0c;可能会导致如下影响&#xff1a; 延迟增加&#xff1a;有限的coredns服务在解析大量的域名时&#xff0c;会导致解析结果…

Python 语言基础

目录 Python 语言基础语法特点注释缩进规范编写规则命名规范 变量保留字与标识符Python中的变量定义变量 基本数据类型数字字符串Bool类型数据类型转换 输入和输出input&#xff08;&#xff09;输入print 输出 Python 语言基础 语法特点 注释 单行注释&#xff0c;语法如下…

transbigdata笔记:数据栅格化

1 area_to_grid 在边界或形状中生成矩形栅格 1.1 主要使用方法 transbigdata.area_to_grid(location, accuracy500, methodrect, paramsauto) 1.2 主要参数 location (bounds(List) or shape(GeoDataFrame) 生成栅格的位置。 如果边界为 [lon1&#xff0c; lat1&#xff0…

Syslog发送日志+Logstash处理日志

Syslog发送日志 Syslog&#xff08;System Logging Protocol&#xff09;是一种用于计算机系统日志记录的标准协议。它允许设备&#xff08;如服务器、路由器、防火墙等&#xff09;将事件消息发送到指定的日志收集服务器&#xff0c;以便集中管理和分析。通过使用Syslog&…

【MySQL】MySQL基本语句

1.使用 MySQL 客户端登录&#xff1a; 打开终端并运行以下命令&#xff0c;使用你的 MySQL 用户名和密码登录到 MySQL 服务器&#xff1a; mysql -u your_username -p2.连接成功后&#xff0c;运行以下 SQL 查询语句来获取数据库的数量&#xff1a; SHOW DATABASES;3.选择数据…

从传统训练到预训练和微调的训练策略

目录 前言1 使用基础模型训练手段的传统训练策略1.1 随机初始化为模型提供初始点1.2 目标函数设定是优化性能的关键 2 BERT微调策略: 适应具体任务的精妙调整2.1 利用不同的representation和分类器进行微调2.2 通过fine-tuning适应具体任务 3 T5预训练策略: 统一任务形式以提高…

[BJDCTF2020]ZJCTF,不过如此

题目源码&#xff1a; <?phperror_reporting(0); $text $_GET["text"]; $file $_GET["file"]; if(isset($text)&&(file_get_contents($text,r)"I have a dream")){echo "<br><h1>".file_get_contents($tex…

Echarts 引入地图

# 地图数据获取 获取地址&#xff1a;DataV.GeoAtlas地理小工具系列 # 地图渲染 // 地图 mapOption: { title: {text: 作物省市分布图,left: left,subtext: provincial and cities distribution of crops }, // 浮窗样式 tooltip: {show: true, // 提示浮窗是否显示trigger:…

C++学习笔记(二十一)

一、set/multiset容器 1. set基本概念 简介&#xff1a;所有元素都会在插入时自动被排序 本质&#xff1a;set/multiset属于关联式容器&#xff0c;底层结构是用二叉树实现的 set和multiset的区别&#xff1a;set不允许容器中有重复的元素&#xff0c;multiset允许容器中有…