中国植被功能型图(1km分辨率)

简介:

植被功能型(PFT)是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合,每一种植被功能型共享相似的植物属性,是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。前言 -- 人工智能教程

目前,植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型,如美国国家大气研究中心(NCAR)的陆面过程模型已经将原来用土地覆盖信息变为应用植被功能型图(Bonan et al., 2002)。植被功能型已经被用于动态全球植被模型(DGVM)中,用以预测全球变化情景下生态系统结构与功能的变化。

植被功能型指的是根据植被在生态系统中的作用和影响,将植被分类成不同的类型。通常,植被的功能型包括以下几个方面:

  1. 光合作用型:包括一些能够进行光合作用的植物,如树木、草本植物等。

  2. 土壤保护型:这类植被可以减缓水流速度,降低水土流失,保护土壤。

  3. 水源保护型:这类植被可以促进水分渗透和蓄水,从而维护水源。

  4. 气候调节型:这类植被可以吸收大量二氧化碳,减少温室气体的排放,改善气候环境。

  5. 生态修复型:这类植被在修复受损生态系统、重建生态环境方面具有重要作用。

这些功能型并不是互相独立的,而是相互交叉影响的。例如,树木既能进行光合作用,又能够保护土壤、调节气候、修复生态等。因此,在实际应用中,需要根据具体的生态系统和环境特点,综合考虑各种植被功能型的作用和利弊,选择最合适的植被类型。

数据集ID:

TPDC/PFTS_CHINA_1KM

时间范围: 2000年-2000年

范围: 全国

来源: 国家青藏高原科学数据中心

复制代码段:

var images = pie.ImageCollection("TPDC/PFTS_CHINA_1KM")

波段:

| 名称 | 类型 | 空间分辨率 | 时间分辨率 | 无效值 | 植被功能分类体系 |

B1 Byte 1000m 年 255 1, 温带常绿针叶树 2, 北方常绿针叶树 3, 落叶针叶树 4, 热带常绿阔叶树 5, 温带常绿阔叶树 6, 热带落叶阔叶树 7, 温带落叶阔叶树 8, 寒带落叶阔叶树 9, 温带常绿阔叶灌木 10, 温带落叶阔叶灌木 11, 寒带落叶阔叶灌木 12, 北极C3草 13, C3草 14, C4草 15, 作物 16, 永久湿地 17, 城市和建筑用地 18, 雪与冰 19, 荒地或低植被覆盖地 20, 水体

|------|--------|------|
| date | string | 影像日期 |

代码:

javascript 复制代码
var img = pie.ImageCollection("TPDC/PFTS_CHINA_1KM").select('B1').first()
print(img);
//设定颜色预览组合
var visParams = {min:0,max:14,

    palette: ['#3B4CC0','#6F91F2','#A9C5FC','#DDDDDD','#F6B69B','#E6745B','#B40426','#ffffd9','#edf8b1','#c7e9b4','#7fcdbb','#41b6c4','#1d91c0','#225ea8','#253494','#081d58']
};
//定位地图中心
Map.setCenter(107.9, 34.2, 3);
//加载影像
Map.addLayer(img, visParams, "img");

数据引用:

冉有华,李新.(2019).中国植被功能型图(1 km).国家青藏高原科学数据中心,DOI: 10.11888/Ecolo.tpdc.270101.CSTR:18406.11.Ecolo.tpdc.270101

文章引用:

  1. Ran, Y.H., Li, X., Lu, L., Li, Z.Y. (2012). Large-scale land cover mapping with the integration of multi-source information based on the Dempster-Shafer theory. International Journal of Geographical Information Science,26(1),169-191,10.1080/13658816.2011.577745.

2.冉有华,&马瀚青.(2016).中国2000年1km植物功能型分布图.遥感技术与应用,31(4),827-832

相关推荐
江湖中的阿龙几秒前
AI Agent 调用工具怎么做才稳?参数校验、幂等与审计的 Python 实战
人工智能·python·ai agent·工具调用
今年下半年1 分钟前
【前端】Vue2 项目 ECharts 统计图表组件封装与使用实践(附组件源码)
前端·javascript·echarts
陈然信息站1 分钟前
食品日化产线铝箔袋检测集成:明治VDS20视觉传感器安装与通讯要点
人工智能
桃桃乌龙_3 分钟前
从 ChatGPT 到 Agent Harness:近五年 AI 技术演进全景(MCP / Skills / A2A 详解)
人工智能·agent
狄龙4 分钟前
SkillGen 与域随机化解析:Isaac Lab 规划式数据生成进阶(十)
人工智能
QinHsiu5 分钟前
从Transformer到原生多模态:一文看懂大模型架构的“变”与“不变”
人工智能
冒险的豆子5 分钟前
JS 原型链 通俗易懂 解释说明(类比 关系)
开发语言·javascript·原型模式
QinHsiu8 分钟前
1.7B打赢8B:看了UNITAS的3D原生架构,发现“不经图片Token”才是具身智能的真护城河
人工智能
QinHsiu8 分钟前
90%的AI项目失败,都栽在同一件事上:数据准备占了80%工作量,却还在“手工坊”阶段
人工智能
桃桃乌龙_8 分钟前
一文讲透 Prompt(提示词):用自然语言编程模型的接口
人工智能·llm