Global Forest Canopy Height(2005) 简介与Notebook示例¶

该数据集为基于地球科学激光测高系统（GLAS）的航空激光雷达数据（2005年）和辅助地理空间数据融合而成的全球树木高度数据产品。具体信息可参考Simard et al. (2011)

空间光探测和测距（激光雷达）的数据为绘制全球森林垂直结构图提供了可能。我们利用冰、云和陆地高程卫星（ICESat）上的地球科学激光测高系统（GLAS）2005 年的数据，绘制了一幅空间分辨率为 1 千米的全球林冠高度图。利用 GLAS 数据进行全球植被研究的一个挑战是激光雷达拍摄的覆盖范围较小（L3C 活动的平均值 = 121 个数据点/度2）。然而，GLAS 导出的冠层高度（RH100）值与全球范围内其他空间密度更大的辅助变量高度相关，这使我们能够根据森林类型、树木覆盖、海拔和气候图建立全球 RH100 模型。模型预测的 RH100 值与足迹水平激光雷达得出的 RH100 值之间的差异表明，在亚马逊等封闭的阔叶林中误差会增大，这突出了绘制高大（>40 米）树冠图所面临的挑战。所绘制的地图与来自 66 个 FLUXNET 站点的实地测量结果进行了验证。建模的 RH100 与实地冠层高度的误差（RMSE = 6.1 米，R2 = 0.5；或 RMSE = 4.4 米，R2 = 0.7，无 7 个异常值）是保守的，因为它还包括测量的不确定性和 1 千米像素内子像素的可变性。我们的结果与最近公布的树冠高度图进行了比较。我们发现，我们的数值总体上更高，与 FLUXNET 数据的相关性也更强。我们的地图揭示了全球树冠高度的纬度梯度，向赤道方向递增，以及粗略的森林干扰模式。前言 – 人工智能教程

分辨率

927.67

波段

 代码：

import aie
aie.Authenticate()
aie.Initialize()


#指定检索数据集，可设置检索的时间范围
dataset = aie.ImageCollection('NASA_JPL_GLOBAL_FOREST_CANOPY_HEIGHT_2005')
             
imgs = dataset.select(['1']);

map = aie.Map(
     center=[121.02,31.17],
    height=800,
    zoom=1
)
vis_params = {
    'bands': ['1'],
    'min': 0,
    'max': 30,
    "palette":[
             '#ffffff', '#fcd163', '#99b718', '#66a000', '#3e8601', '#207401', '#056201',
    '#004c00', '#011301'
  ]
}

map.addLayer(
    imgs,
    vis_params,
    'NASA JPL GLOBAL FOREST CANOPY HEIGHT 2005',
    bounds=imgs.getBounds()
)
map

引用

此数据集属于公开数据，有关此数据产品正确引用的更多详细信息，请参阅 NASA/JPL。

引用参考： Simard, M., Pinto, N., Fisher, J., Baccini, A. 2011. Mapping forest canopy height globally with spaceborne lidar. Journal of Geophysical Research. 116: G04021. doi:10.1029/2011JG001708