使用Sentinel-2数据的高分辨率全球叶子叶绿素含量产品.
Hu Zhang1, Jing Li2,3, Chenpeng Gu4,5
1State Key Laboratory of Remote Sensing and Digital Earth, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100101, China.
Scientific data
|December 24, 2025
概括
这项研究介绍了一种新的高分辨率叶子叶绿素含量 (LCC) 产品,MuSyQ Global LCC,使用谷歌地球引擎. 该产品为碳循环研究提供了更精细的空间细节.
科学领域:
- 地球和环境科学 地球和环境科学
- 遥感 遥感 遥感 遥感
- 植物生理学 植物生理学
背景情况:
- 叶子含量 (LCC) 对于估计光合作用碳同化和了解陆地碳循环至关重要.
- 现有的全球LCC遥感产品的分辨率有限 (300m-500m),限制了详细的空间分析.
研究的目的:
- 使用多源卫星数据开发一个具有更高分辨率的全球叶子叶绿素含量 (LCC) 产品.
- 为了提高碳循环研究的全球LCC估计的空间细节和准确性.
主要方法:
- 采用经验关系方法,使用叶绿素敏感指数 (CSI).
- 使用谷歌地球引擎 (GEE) 平台进行数据处理.
- 生成了多源数据协同定量全球LCC (MuSyQ全球LCC) 产品,分辨率从10m到100m.
主要成果:
- 10米分辨率的MuSyQ全球LCC产品实现了13.69μg/cm2的RMSE和0.37.2的R2.
- 与现有的低分辨率全球LCC数据集相比,该产品揭示了更细致的空间细节.
- 当升级到500米时,MuSyQ Global LCC显示出与MODIS LCC的高度一致性,并且比MODIS LCC (RMSE=14.74 μg/cm2) 更高的精度 (RMSE=14.16 μg/cm2).
结论:
- MuSyQ全球LCC产品在高分辨率LCC绘图方面取得了重大进展.
- 这种更高分辨率的LCC数据可以提高陆地碳循环估计的准确性.
- 该研究证明了GEE在生产高质量,高分辨率的全球环境产品方面的能力.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
6.3K
10:20Evaluation of Photosynthetic Behaviors by Simultaneous Measurements of Leaf Reflectance and Chlorophyll Fluorescence Analyses
Published on: August 9, 2019
13.2K
