前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >全球森林碳通量(2001-2023年)数据集

全球森林碳通量(2001-2023年)数据集

作者头像
此星光明
发布2024-06-23 11:08:21
920
发布2024-06-23 11:08:21
举报

简介

全球森林碳通量(2001-2023) 森林碳净通量表示 2001-2023 年间森林与大气之间的碳净交换量,计算方法是模型期内森林排放的碳与森林清除(或封存)的碳之间的平衡(兆克 CO2 排放量/公顷)。碳净通量的计算方法是将每个建模像素的年均总清除量减去年均总排放量;负值表示 2001 年至 2023 年期间森林是碳的净汇,正值表示森林是碳的净源。净通量的计算遵循 IPCC 国家温室气体清单指南,根据 Hansen 等人(2013 年)的全球森林变化植被变化数据,在 2000 年有森林或 2000 年至 2012 年期间有森林的每个像素点进行计算。该层反映了模型期间(2001-2023 年)的累积净通量,必须除以 23 才能得到年平均净通量;净通量值不能分配给模型的各个年份。

森林碳汇从大气中的碳清除量(固碳量)是指在2001-2023年模型期内,成熟森林和新造森林生长所捕获的累计碳量(兆克 CO2/公顷)。清除量包括地上和地下活树生物量的碳积累。根据 IPCC 第 1 级对森林剩余碳汇的假设,枯木、废弃物和土壤碳库的碳清除量假设为零。根据 IPCC 国家温室气体清单指南,在 2000 年存在森林或根据 Hansen 等人(2013 年)的全球森林变化植被损失数据在 2000 年至 2012 年期间建立森林的每个像素点,碳清除量均按 IPCC 指南计算。每个像素的碳清除量基于森林类型(如红树林、人工林)、生态区(如湿润的新热带地区)、森林年龄(如原始林、老次生林)和碳清除年数的地图。该层反映了模型期间(2001-2023 年)的累计清除量,必须除以 23 才能得到模型期间的年平均值;清除率不能分配到模型的各个年份。

森林碳排放量是指在每个模拟年份发生的林分替代森林扰动所产生的温室气体排放量(兆克 CO2 排放量/公顷,2001 年至 2022 年)。排放量包括所有相关生态系统碳库(地上生物量、地下生物量、枯木、废弃物、土壤)和温室气体(CO2、CH4、N2O)。根据 IPCC 国家温室气体清单指南,按照 Hansen 等人(2013 年)绘制的全球森林变化年度树木覆盖损失数据,在发生林分替代干扰的地方计算每个图元的排放估算值。每个图元的碳排放量基于 2000 年的碳密度,并根据 2000 年至干扰发生年之间的碳积累进行了调整。排放量反映的是总估计值,即不包括后续重新生长的碳清除量。相反,清除后重新生长产生的总碳清除量被计入伴生森林碳清除层。每个象素受扰动时的碳排放比例(排放因子)受多种因素影响,包括扰动的直接驱动因素、在观测到扰动事件的当年或之前是否观测到火灾、扰动是否发生在泥炭上等。所有排放均假定发生在扰动年份。可以使用汉森树木植被损失数据将排放量分配到特定年份。

所有这三个层都是 Harris 等人(2021 年)所描述的森林碳通量模型的一部分。本文介绍了一个估算全球森林碳通量的地理空间监测框架,该框架可帮助政府和非政府机构跟踪来自森林的温室气体通量,减少森林的排放量或增加森林的清除量。为了与 Hansen 等人(2013 年)的数据相匹配,所有输入图层都经过重新采样,分辨率均为 0.00025 x 0.00025 度。也可在全球森林观察网站上找到该数据集Interactive World Forest Map & Tree Cover Change Data | GFW

免责声明:数据集的部分或全部描述借鉴了作者提供的现有描述。

数据集更新

每年都会更新树木植被损失、树木植被损失驱动因素和烧毁面积。2023 年和 2024 年,一些模型输入数据集和常数也发生了变化,详情如下。更多信息请参阅本博文。

https://www.globalforestwatch.org/blog/data/whats-new-carbon-flux-monitoring

代码

代码语言:javascript
复制
//Visualize and load Global Forest Watch gross emissions, gross removals, and net flux from forests
//Model version 1.2.3
//Harris et al. 2021

//Mosaic imageCollection into a single image
var emissions = ee.ImageCollection("projects/sat-io/open-datasets/forest_carbon_fluxes/gross_emissions").mosaic();
var removals = ee.ImageCollection("projects/sat-io/open-datasets/forest_carbon_fluxes/gross_removals").mosaic();
var net_flux = ee.ImageCollection("projects/sat-io/open-datasets/forest_carbon_fluxes/net_flux").mosaic();

// Set visualization parameters. Adjust `quantity` for breakpoints.
var emissions_intervals =
'<RasterSymbolizer>' +
' <ColorMap type="intervals" extended="false" >' +
    '<ColorMapEntry color="#f5e9ee" quantity="0" label="No Data"/>' +
    '<ColorMapEntry color="#f0d3df" quantity="50" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#d8afbc" quantity="100" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#d687a4" quantity="175" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#c75d9d" quantity="250" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#c72a80" quantity="350" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#a62177" quantity="450" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#96267e" quantity="550" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#872782" quantity="650" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#782b8a" quantity="800" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#662d91" quantity="1000" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#592a85" quantity="1100" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#4c287a" quantity="1300" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#402773" quantity="1900" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#35256b" quantity="2600" label="Gross Emissions"/>' +
    '<ColorMapEntry color="#262260" quantity="3652" label="Gross Emissions"/>' +
  '</ColorMap>' +
'</RasterSymbolizer>';

var removals_intervals =
'<RasterSymbolizer>' +
 ' <ColorMap type="intervals" extended="false" >' +
    '<ColorMapEntry color="#ffecaa" quantity="0" label="Gross Removals"/>' +
    '<ColorMapEntry color="#ffe991" quantity="15" label="Gross Removals"/>' +
    '<ColorMapEntry color="#fce479" quantity="25" label="Gross Removals"/>' +
    '<ColorMapEntry color="#fcde5a" quantity="35" label="Gross Removals"/>' +
    '<ColorMapEntry color="#fcdc3a" quantity="45" label="Gross Removals"/>' +
    '<ColorMapEntry color="#f9d800" quantity="55" label="Gross Removals"/>' +
    '<ColorMapEntry color="#e8d31b" quantity="70" label="Gross Removals"/>' +
    '<ColorMapEntry color="#BAD12F" quantity="90" label="Gross Removals"/>' +
    '<ColorMapEntry color="#bfc64e" quantity="110" label="Gross Removals"/>' +
    '<ColorMapEntry color="#aac138" quantity="130" label="Gross Removals"/>' +
    '<ColorMapEntry color="#96bc3e" quantity="150" label="Gross Removals"/>' +
    '<ColorMapEntry color="#7ba53d" quantity="190" label="Gross Removals"/>' +
    '<ColorMapEntry color="#629144" quantity="250" label="Gross Removals"/>' +
    '<ColorMapEntry color="#4a8239" quantity="380" label="Gross Removals"/>' +
    '<ColorMapEntry color="#307038" quantity="700" label="Gross Removals"/>' +
    '<ColorMapEntry color="#0e6030" quantity="1500" label="Gross Removals"/>' +
  '</ColorMap>' +
'</RasterSymbolizer>';

var net_flux_intervals =
'<RasterSymbolizer>' +
' <ColorMap type="intervals" extended="false" >' +
    '<ColorMapEntry color="#0e6030" quantity="-1500" label="Net Flux"/>' +
    '<ColorMapEntry color="#307038" quantity="-700" label="Net Flux"/>' +
    '<ColorMapEntry color="#4a8239" quantity="-250" label="Net Flux"/>' +
    '<ColorMapEntry color="#629144" quantity="-180" label="Net Flux"/>' +
    '<ColorMapEntry color="#7ba53d" quantity="-150" label="Net Flux"/>' +
    '<ColorMapEntry color="#b5bf28" quantity="-120" label="Net Flux"/>' +
    '<ColorMapEntry color="#BFC64E" quantity="-100" label="Net Flux"/>' +
    '<ColorMapEntry color="#94DE26" quantity="-80" label="Net Flux"/>' +
    '<ColorMapEntry color="#B1E717" quantity="-70" label="Net Flux"/>' +
    '<ColorMapEntry color="#cfed4f" quantity="-50" label="Net Flux"/>' +
    '<ColorMapEntry color="#fce479" quantity="-30" label="Net Flux"/>' +
    '<ColorMapEntry color="#ffe991" quantity="-15" label="Net Flux"/>' +
    '<ColorMapEntry color="#ffecaa" quantity="35" label="Net Flux"/>' +
    
    '<ColorMapEntry color="#f0d3df" quantity="60" label="Net Flux"/>' +
    '<ColorMapEntry color="#d8afbc" quantity="80" label="Net Flux"/>' +
    '<ColorMapEntry color="#d687a4" quantity="100" label="Net Flux"/>' +
    '<ColorMapEntry color="#c75d9d" quantity="150" label="Net Flux"/>' +
    '<ColorMapEntry color="#c72a80" quantity="200" label="Net Flux"/>' +
    '<ColorMapEntry color="#a62177" quantity="275" label="Net Flux"/>' +
    '<ColorMapEntry color="#96267e" quantity="350" label="Net Flux"/>' +
    '<ColorMapEntry color="#872782" quantity="500" label="Net Flux"/>' +
    '<ColorMapEntry color="#782b8a" quantity="700" label="Net Flux"/>' +
    '<ColorMapEntry color="#662d91" quantity="1000" label="Net Flux"/>' +
    '<ColorMapEntry color="#4c287a" quantity="1300" label="Net Flux"/>' +
    '<ColorMapEntry color="#402773" quantity="1900" label="Net Flux"/>' +
    '<ColorMapEntry color="#35256b" quantity="2600" label="Net Flux"/>' +
    '<ColorMapEntry color="#262260" quantity="3652" label="Net Flux"/>' +
  '</ColorMap>' +
'</RasterSymbolizer>';

var snazzy = require("users/aazuspan/snazzy:styles");
snazzy.addStyle("https://snazzymaps.com/style/38/shades-of-grey", "Greyscale");

// Layers not displayed, just to get the pixel values with pixel inspector
// Pixel values represent MgCO2e/ha between 2001 and 2022
Map.addLayer(emissions, {}, 'Gross emissions (no viz)',false);
Map.addLayer(removals, {}, 'Gross removals (no viz)',false);
Map.addLayer(net_flux, {}, 'Net flux (no viz)',false);

// Layers displayed
Map.addLayer(emissions.sldStyle(emissions_intervals), {}, 'Gross emissions (Mg CO2e/ha between 2001 and 2023)');
Map.addLayer(removals.sldStyle(removals_intervals), {}, 'Gross removals (Mg CO2e/ha between 2001 and 2023)');
Map.addLayer(net_flux.sldStyle(net_flux_intervals), {}, 'Net flux (Mg CO2e/ha between 2001 and 2023)');

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/GLOBAL-FOREST-CARBON-FLUXES

结果

引用

Harris, N.L., Gibbs, D.A., Baccini, A. et al. Global maps of twenty-first century forest carbon fluxes. Nat. Clim. Chang. 11, 234–240 (2021). https://doi.org/10.1038/s41558-020-00976-6

许可

全球森林碳通量(2001-2023 年)》产品免费提供,无使用限制。有关完整的许可证信息,请参阅《知识共享署名 4.0 国际许可证》。使用这些数据集的出版物、模型和数据产品必须包含适当的致谢,包括引用数据集和期刊文章,如以下引用。

Created by: Harris, N.L., Gibbs, D.A., Baccini, A. et al

Curated in GEE by: Samapriya Roy

Keywords: Carbon emissions, forest change, climate, carbon

Last updated on GEE: 2024-06-06

更新日期

  • Major updates were discussed in the blog
  • Updated to year 2023
  • Updated to year 2022
  • Images were converted to Image Collections

网址推荐

0代码在线构建地图应用

Mapmost官网

机器学习

https://www.cbedai.net/xg

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-06-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 简介
  • 数据集更新
  • 代码
  • 代码链接
  • 结果
  • 引用
  • 许可
  • 更新日期
    • 网址推荐
      • 0代码在线构建地图应用
        • 机器学习
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档