全球L频段等效基于AI的植被光学深度数据集
Olya Skulovich1, Xiaojun Li2, Jean-Pierre Wigneron2
1Columbia University, New York, NY, 10027, USA. os2328@columbia.edu.
Scientific data
|August 28, 2024
概括
一个新的基于人工智能的植被光学深度数据集,GLAB-VOD,扩展了植被监测从2002年到2020年. 这种长期一致的微波数据集改善了植被生物质和树冠高度研究.
科学领域:
- 地球科学 地球科学 地球科学
- 遥感 遥感 遥感 遥感
- 生态生态学 生态生态学
背景情况:
- L带植被光学深度 (VOD) 对于植被监测至关重要,因为和度最小.
- 现有的L频段VOD数据集与卫星任务开始日期相关的时间覆盖范围有限.
研究的目的:
- 通过扩展现有数据,创建一个全球一致的,长期的L频段VOD数据集 (GLAB-VOD).
- 开发一个平行一致的亮度温度产品 (GLAB-TB) 来实现卫星间一致性.
主要方法:
- 利用机器学习来扩大SMAP-IB VOD数据集的时间覆盖范围.
- 开发了GLAB-VOD,时间分辨率为18天,空间分辨率为25公里 (EASE2网格) 从2002年到2020年.
- 创建了GLAB-TB,以确保在不同微波卫星时期的VOD产品一致性.
主要成果:
- GLAB-VOD数据集从2002年到2020年提供了一致的植被光学深度.
- 证明了与生物质 (高达R=0.92) 和树冠高度 (R=0.93) 的优异的全球空间相关性.
- 在相关性指标上,GLAB-VOD的表现优于目标SMAP-IB VOD数据集.
结论:
- GLAB-VOD为植被监测提供了一个暂时一致的长期解决方案.
- 该数据集适用于研究全球和区域植被生物质趋势.
- 适用于任何需要长期一致的植被光学深度数据的研究.


