Google Earth Engine（GEE）—— ETH Global Sentinel-2 10米植被冠层高度数据集（2020年）

ETH Global Sentinel-2 10米冠层高度（2020年） 全世界的植被高度变化是全球碳循环的基础，也是生态系统及其生物多样性运作的核心。管理陆地生态系统、缓解气候变化和防止生物多样性的丧失，需要地理空间上的明确信息，而且最好是高度解析的信息。在这里，我们提出了2020年第一个全球的、地面采样距离为10米的墙到墙的树冠高度图。没有一个数据源能满足这些要求：像GEDI这样的专门的空间任务提供了稀疏的高度数据，但覆盖面却前所未有，而像Sentinel-2这样的光学卫星图像提供了全球密集的观测，但不能直接测量垂直结构。通过融合GEDI和Sentinel-2，我们开发了一个概率深度学习模型，从地球上任何地方的Sentinel-2图像中检索树冠高度，并对这些估计的不确定性进行量化。

所提出的方法减少了从卫星图像估计树冠高度时通常遇到的饱和效应，允许解决可能具有高碳储存的高大树冠。根据我们的地图，只有5%的全球陆地被高于30米的树木覆盖。这些数据对保护工作起着重要作用，例如，我们发现只有34%的高冠层位于保护区内。我们的模型能够实现一致的、有不确定性的全球地图绘制，并支持持续的监测，以检测变化并为决策提供信息。这种方法可以为正在进行的森林保护工作服务，并有可能促进气候、碳和生物多样性模型的进步。你可以在这里下载云计算优化的地理图表。Index of /~pf/nlangdata/ETH_GlobalCanopyHeight_10m_2020_version1前言 – 床长人工智能教程

免责声明：该数据集的部分或全部描述借用了作者提供的现有描述。

参考文献

Lang, Nico, Walter Jetz, Konrad Schindler, and Jan Dirk Wegner. "A high-resolution canopy height model of the Earth." arXiv preprint arXiv:2204.08322 (2022).

代码：

var canopy_vis = {"min":0,"max":50,"palette":["#010005","#150b37","#3b0964","#61136e","#85216b","#a92e5e","#cc4248","#e75e2e","#f78410","#fcae12","#f5db4c","#fcffa4"]},
    sd_vis = {"min":0,"max":15,"palette":["#0d0406","#241628","#36274d","#403a76","#3d5296","#366da0","#3488a6","#36a2ab","#44bcad","#6dd3ad","#aee3c0","#def5e5"]},
    canopy_height = ee.Image("users/nlang/ETH_GlobalCanopyHeight_2020_10m_v1"),
    standard_deviation = ee.Image("users/nlang/ETH_GlobalCanopyHeightSD_2020_10m_v1");

Map.addLayer(canopy_height, canopy_vis, 'Canopy top height');
Map.addLayer(standard_deviation, sd_vis, 'Standard deviation');

代码链接：

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/GLOBAL-10m-CANOPY-HEIGHT

GEE app link: Global Canopy Height 2020

GEE app source code link: https://code.earthengine.google.com/fefca6457efb90c0a3f8ae9806bee792

License¶

The ETH Global Canopy Height 2020 product is provided free of charge, without restriction of use. For the full license information see the Creative Commons Attribution 4.0 International License publications, models and data products that make use of these datasets must include proper acknowledgement, including citing the datasets and the journal article as in the following citation.

Created by: Lang, Nico, Walter Jetz, Konrad Schindler, and Jan Dirk Wegner

Curated by: Samapriya Roy

Keywords: Sentinel-2, Forest, Canopy Height, Machine Learning, CNN

Last updated on GEE: 2022-03-29