全球长时间序列高分辨的生态系统总初级生产力GPP数据集

简介

生态系统总初级生产力(Gross Primary Productivity, GPP)指单位时间、单位面积内植物把无机物质合成为有机物质的总量或固定的总能量。生态系统总初级生产力(GPP)是指一个生态系统在一定时间内通过光合作用转化的所有太阳能量的总量。它包括植物和其他生物的光合作用,而不考虑任何能量转移和损失。GPP是一个生态系统的重要指标,可以用来衡量生态系统的生产力和能量流动效率。
日光诱导叶绿素荧光(SIF)与光合过程的紧密联系使得其成为指示植被光合变化的有效探针,监测GPP的强有力手段。新型植被指数(NIRv),即归一化植被指数NDVI与近红外波段反射率的乘积,与遥感SIF产品高度相关;基于机理推导、模型模拟和遥感数据的分析结果均显示,NIRv可以作为SIF的替代产品,用于估算全球GPP。前言 – 人工智能教程

因此,在分析了NIRv作为SIF和GPP探针的可行性基础上,本数据集基于长达40年左右的遥感AVHRR数据和全球数百个通量站点观测,生成了1982-2018年的全球高分辨率长时间序列GPP数据,其分辨率为0.05度,数据单位为gCm-2d-1。该数据集可用于全球气候变化和碳循环的相关研究。

数据集ID: 

TPDC/GLOBAL_GPP

时间范围: 1982年-2018年

范围: 全球

来源: 国家青藏高原科学数据中心

复制代码段: 

var images = pie.ImageCollection("TPDC/GLOBAL_GPP")

名称 单位 类型 分辨率(度) 无效值 比例因子
gpp gCm-2d-1 int16 0.05 -9999 0.001

代码:

/**
* @File    :   TPDC/GLOBAL_GPP
* @Time    :   2021/05/20
* @Author  :   piesat
* @Version :   1.0
* @Contact :   400-890-0662
* @License :   (C)Copyright 航天宏图信息技术股份有限公司
* @Desc    :   加载全球长时间序列高分辨的生态系统总初级生产力数据集
*/

//加载中国边界
var roi = pie.FeatureCollection("RESDC/WORLD_COUNTRY_BOUNDARY")
            .filter(pie.Filter.eq("name", "CHINA"))
            .first()
            .geometry();
//加载中国高分辨的生态系统总初级生产力数据
var img = pie.ImageCollection('TPDC/GLOBAL_GPP')
            .filterDate("2014-12-01", "2015-01-01")
            .first()
            .select("gpp")
            .clip(roi);
print(img);
//设定预览参数
visParams = {min: 0, max: 15655, palette: ['ffd611', 'fff705', 'd6e21f', 'b5e22e', '3ae237', '86e26f']};
//加载显示影像
Map.centerObject(roi, 2);
Map.addLayer(img, visParams, "GPP");
//图例
var data = {title: "GPP(gC/m^2d)",
            colors: ['#ffd611', '#fff705', '#d6e21f', '#b5e22e', '#3ae237', '#86e26f'],
            labels: ["0", "5000", "10000", "15000"],
            step: 30};
var style = {left: "60%", top: "70%", height: "70px", width: "350px"};
var legend = ui.Legend(data, style);
Map.addUI(legend);

全球长时间序列高分辨的生态系统总初级生产力GPP数据集_第1张图片

数据引用:


马宁, Jozsef Szilagyi, 张寅生, 刘文彬. 中国陆地实际蒸散发数据集(1982-2017). 国家青藏高原科学数据中心, 2019. DOI: 10.11888/AtmosPhys.tpe.249493.file. CSTR: 18406.11.AtmosPhys.tpe.249493.file.

文章引用:
1. Ma, N., Szilagyi, J., Zhang, Y.S., &Liu, W.B. (2019). Complementary-relationship-based modeling of terrestrial evapotranspiration across China during 1982-2012: Validations and spatiotemporal analyses. Journal of Geophysical Research: Atmospheres, 124, 4326-4351. doi: 10.1029/2018JD029580.

你可能感兴趣的:(PIE-engine遥感云计算,前端,javascript,gee,数据集,gpp,总初级生产力,npp)