加拿大陆地生态系统中的土壤碳储量
这个集合包含了加拿大土壤和植物中碳储量的空间分布和树冠高度的数据集。它被公开，作为目前正在审查的出版物《加拿大陆地生态系统中的大型土壤碳储存》的补充数据。这些地图是在2020年1月至12月期间在麦克马斯特大学的遥感实验室制作的。这个研究项目是由世界野生动物基金会（WWF）-加拿大的拨款促成的。该项目旨在利用多源卫星、气候和地形数据以及机器学习算法，首次以250米的空间分辨率对加拿大植物和土壤中的碳储量进行墙对墙估算。
你可以在这里阅读论文并下载数据集：
最大冠层高度的空间分布和高度百分比 (https://doi.org/10.4121/14573079.v1)
森林碳储量和不确定性地图 (https://data.4tu.nl/articles/dataset/Carbon_map_and_uncertainty_in_forested_areas_of_Canada_250m_spatial_resolution/14572929/2)
土壤碳储量和不确定性地图 (https://doi.org/10.4121/16686154.v3)
数据集描述符
树冠高度图 树冠高度图是作为协变量纳入模型的，用于预测加拿大林区的AGB（和碳储量）。我们使用ICESat-2卫星的ATL08 LiDAR产品创建了墙到墙的高度指标。数据被下载了一年的时间（2018年10月至2019年10月）。有关太阳背景噪声和大气散射的点被过滤，共有49,959个点分布在整个加拿大。这些点与10个主要对应于结构信息的辅助变量相关联，如季节性的Sentinel-1 VV和VH偏振，年度PALSAR-2 HH和HV偏振，年度丛生指数，以及MODIS NDVI夏季季节。之后，使用随机森林算法来推断ATL08参数，并与上述空间连续变量建立回归模型。
土壤碳浓度 为了生成土壤碳浓度图，我们使用了6533个地面土壤样本、长期气候数据、多源遥感数据、地形信息、土壤类型、深度以及三维随机森林回归模型。
森林碳 该数据集包含了加拿大森林地区植物中储存的总碳量（AGB、BGB和死亡植物）和碳储存不确定性的地图。为了估计林区植物的碳储存量，我们使用了47,967个AGB的地面测量值和58个协变量，主要由光学数据、地形参数、结构参数（如SAR数据、丛生指数、树冠高度--由卫星LiDAR生成--包括在其他数据集中）、土壤类型图和辐射通量数据组成。我们使用随机森林模型对林区的AGB进行空间预测，同时使用RF量化回归的第1和第3个量级来建立不确定性地图。在生成AGB地图后，根据森林类型，通过其与AGB的关系计算出林区的根系生物量。死亡的植物材料是通过地面测量定义的活体和死亡的AGB之间的线性回归来计算的。最终，AGB以及死亡植物材料和BGB被乘以0.5来提供碳地图。 包括地上和地下生物量以及死亡植物材料中储存的碳。
土壤碳储量图 为了生成土壤碳储量图，我们使用了6490个土壤有机碳浓度（g/kg）的地面样本和2973个体积密度（kg/dm3）的地面样本、长期气候数据、多源遥感数据、地形信息、土壤类型、深度以及三维随机森林回归模型。不确定性地图是使用随机森林量化回归方法生成的，土壤有机碳和体积密度预测的第95和第5个量化指标（90%置信区间）之间的差异。水和冰/雪区域根据2015年加拿大土地覆盖物进行了屏蔽，永久冻土区域的SOC存量根据使用 "加拿大地面冰图"（O'Neill等人，2020年）的冰丰度进行了折算。
数据列表
| GEE asset | Variable name |
|---|---|
| projects/sat-io/open-datasets/carbon_stocks_ca/ch | Canopy Height |
| projects/sat-io/open-datasets/carbon_stocks_ca/fc | Forest Carbon |
| projects/sat-io/open-datasets/carbon_stocks_ca/sc | Soil Carbon Stock |
| projects/sat-io/open-datasets/carbon_stocks_ca/scc | Soil Carbon Concentration |
数据引用：
Sothe, C., Gonsamo, A., Arabian, J., Kurz, W. A., Finkelstein, S. A., & Snider, J. (2022).
代码：
var ch = ee.ImageCollection("projects/sat-io/open-datasets/carbon_stocks_ca/ch");
var fc = ee.ImageCollection("projects/sat-io/open-datasets/carbon_stocks_ca/fc");
var sc = ee.ImageCollection("projects/sat-io/open-datasets/carbon_stocks_ca/sc");
var scc = ee.ImageCollection("projects/sat-io/open-datasets/carbon_stocks_ca/scc");print('Assets for Soil Canopy Height',ch)
print('Assets for Forest Carbon',fc)
print('Assets for Soil Carbon Stock',sc)
print('Assets for Soil Carbon Stock',scc)//Import palette
var palettes = require('users/gena/packages:palettes');Map.addLayer(ee.Image(ch.toList(3).get(-1)),{min:5.5,max:28,palette:palettes.cmocean.Delta[7]},'Canopy Height Max')
Map.addLayer(fc.first(),{min:0.62,max:12,palette:palettes.cmocean.Speed[7]},'Forest Carbon stock')
Map.addLayer(sc.first(),{min:6.5,max:327,palette:palettes.cmocean.Dense[7]},'Soil Carbon stock')
Map.addLayer(scc.first(),{min:24,max:460,palette:palettes.cmocean.Matter[7]},'Soil Carbon Concentration 0cm')
代码链接：https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:geophysical-biological-biogeochemical/SOIL-CARBON-STOCKS-CANADA
License¶
This work is licensed under and freely available to the public (similar to a CC0 license).
Created by: Sothe et al 2022
Curated in GEE by : Samapriya Roy
keywords: soil carbon density, soil carbon stock estimate, soil carbon storage, terrestrial ecosystem models, machine Learning Methods Enabled Predictive Modeling
Last updated on GEE: 2021-11-14
