全球-地上与地下生物量碳密度-栅格数据(300m/tif/2010年)

2010年全球地上与地下生物量碳密度图

一、数据介绍

一、概述

该数据集提供了2010年全球300米空间分辨率的地上(aboveground)与地下(belowground)生物量碳密度的时空一致且协调的栅格地图。数据通过整合多源遥感数据与土地覆盖特异性模型生成,并首次同步量化了地上与地下碳储量的不确定性。

二、数据特性

空间范围 **:**全球(西经180°至东经180°,北纬84°至南纬61.1°)

空间分辨率 **:**约300米(0.002777778度)

时间范围 **:**2010年全年

数据格式 **:**GeoTIFF(4个文件)

地上生物量碳密度(单位:Mg C/ha)

地下生物量碳密度(单位:Mg C/ha)

地上生物量不确定性图层

地下生物量不确定性图层

技术参数

数据缩放比例:0.1

无数据值:65536

坐标系:EPSG:4326(WGS84)

三、核心定义与范围

地上生物量碳密度:包括地表以上活体植物组织(茎、树皮、枝、细枝)的碳储量,不包含枯落物或已脱离活体的粗木质残体。

地下生物量碳密度:仅指地下活体根系碳储量,不包含死根、脱离的根组织或土壤有机质。

植被分类

木本植被(如树木、灌木)以木质生物量为主;

草本植被(如草地、作物)以叶状生物量为主。

四、方法与数据整合

地上生物量来源

全球树木生物量:Santoro等(2018)的2010年全球地图;

非洲稀树草原与灌木丛:Bouvet等(2018);

北极苔原:基于Berner等(2018)模型扩展至环极地区;

草地与作物生物量:分别使用Xia等(2014)模型和作物产量数据推算。

地下生物量计算

通过植被特异性的根冠比模型(如Mokany等2006)或回归模型(如Reich等2014)从地上生物量推导。

整合方法

利用辅助数据(树木覆盖度、土地覆盖类型)和决策树规则,将不同植被类型的碳密度按比例分配至每个栅格,确保同时表征木本与草本植被的碳储量。

不确定性量化

通过误差传播(平方和累加)综合输入数据、模型及时间变异性的不确定性。

五、应用与创新

应用价值 **:**适用于气候变化研究、碳循环模型、生态系统管理及政策制定(如REDD+)。

创新点

首次实现多植被类型(木本、草本、作物、苔原)碳储量的全局协同映射;

同步提供地下碳储量及不确定性图层,弥补了以往产品仅关注单一植被或地上碳的局限。

二、数据信息

DATA中包含4个TIF文件

**数据格式:**TIF

**空间分辨率:**300m

数据容量:8.8GB

https://mp.weixin.qq.com/s/KvZVWh0QTSFV_WJlfd_bLA

相关推荐
da-peng-song1 天前
ArcGIS Desktop使用入门(四)——生成经纬度坐标
arcgis·经纬度坐标
da-peng-song1 天前
ArcGIS Desktop使用入门(三)图层右键工具——定义查询
数据库·arcgis·拆分数据·定义查询
星座5281 天前
破解水环境空间分析难题,迈向智慧水环境管理:ArcGIS水质评价、污染预测与洪水监测核心技术揭秘
arcgis·水环境·水文
非科班Java出身GISer2 天前
ArcGIS JS 基础教程(10):Camera 相机控制
arcgis·arcgis js 相机·arcgis js 相机控制·arcgis js 视角控制·arcgis js 飞行定位·arcgis js 定位·arcgis js 各种定位
码语智行3 天前
Shapefile获取空间数据和中心点坐标
java·arcgis
码语智行3 天前
地图上图、空间拓扑查询示例
java·arcgis
DXM05213 天前
第10期| 卷积神经网络CNN通俗详解:AI遥感的底层核心
人工智能·python·神经网络·机器学习·arcgis·cnn·文心一言
智航GIS4 天前
ArcGIS大师之路500技---078补零
arcgis
DXM05215 天前
第8期| 传统机器学习遥感解译:SVM & 随机森林分类全流程实操
人工智能·python·随机森林·机器学习·支持向量机·arcgis·自然语言处理
非科班Java出身GISer6 天前
ArcGIS JS 基础教程(9):天空盒与大气效果
arcgis·arcgis js 天空盒·arcgis js 大气效果·arcgis js 大气层·arcgis 场景背景