- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

Nature（GEE——app）全球潮汐可视化兼影像数据下载网站：Intertidal change

此星光明发表于 2022/09/01 10:23:23 2022/09/01

【摘要】这个网站是论文发表在nature中的附带产品：网站链接： Mapping the Global Distribution and Trajectory of Tidal Flat Ecosystems测绘潮滩生态系统的全球分布和轨迹Global Intertidal Change 潮间带环境是地球上仅存的尚未绘制地图的沿海生态系统之一。我们开发了一种新的机器学习分析方法，对超过70万张卫...

这个网站是论文发表在nature中的附带产品：

网站链接：

Mapping the Global Distribution and Trajectory of Tidal Flat Ecosystems

测绘潮滩生态系统的全球分布和轨迹

Global Intertidal Change

潮间带环境是地球上仅存的尚未绘制地图的沿海生态系统之一。我们开发了一种新的机器学习分析方法，对超过70万张卫星图像进行分析，以绘制30年来全球潮间带地区的分布和变化。

Published as: Murray N. J., Phinn S. R., DeWitt M., Ferrari R., Johnston R., Lyons M. B., Clinton N., Thau D. & Fuller R. A. (2019) The global distribution and trajectory of tidal flats. Nature. 565:222-225. http://dx.doi.org/10.1038/s41586-018-0805-8

论文摘要：

全球海岸线周围人口的增加导致沿海生态系统的广泛丧失、退化和碎片化，威胁着重要生态系统服务的提供1。因此，红树林、珊瑚礁、海草、海带林和沿海沼泽生态系统的损失令人震惊1 , 2 , 3 , 4 , 5 , 6。然而，由于难以在全球范围内绘制潮间带区域，潮滩（最广泛的沿海生态系统之一）的分布和状况仍然未知7. 在这里，我们对超过 700,000 张卫星图像进行了分析，这些图像描绘了 33 年（1984-2016 年）期间全球潮滩的范围和变化。我们发现潮滩，定义为经常被潮汐淹没7的沙子、岩石或泥滩，至少占据 127,921 km 2 (124,286–131,821 km 2, 95% 置信区间）。全球约 70% 的潮滩分布在三大洲（亚洲（占总数的 44%）、北美（占总数的 15.5%）和南美洲（占总数的 11%）），其中 49.2% 集中在八个国家（印度尼西亚、中国、澳大利亚、美国、加拿大、印度、巴西和缅甸）。对于有足够数据来开发一致的多年代际时间序列的地区（包括东亚、中东和北美），我们估计 1984 年间有 16.02%（15.62-16.47%，95% 置信区间）的潮滩消失了和 2016. 沿海开发造成的广泛退化1，主要河流的输沙量减少8 , 9，河流三角洲的下沉8 , 10, 海岸侵蚀加剧和海平面上升11标志着全球潮滩生态系统的持续负面轨迹。我们的高空间分辨率数据集提供了全球潮滩地图，这极大地促进了我们对这些鲜为人知的沿海生态系统的分布、轨迹和状态的理解。

网站的界面分为3个：

第一个为可滑动的map的对比的地图，分别展示了从1984-2014年之间的潮汐变化情况编辑

关于第二个部分就是对于数据的和相关的网站简单的介绍：

潮间带地图描绘了什么？

创建这些地图是为了确定地球海岸线上经常遭受潮汐淹没的非植被区域。在某些地区，这些区域以宽达 24 公里的潮滩形式出现，例如西欧和东亚的潮滩。我们的分析包括 56 个预测层，其中许多是 Landsat 复合指标，旨在识别经历频繁润湿和干燥的单个像素。

地图的准确性如何？

与独立的、全球分布的验证数据相比，我们的方法实现了 >82% 的准确度。在地球上的许多地区，像素都经历了类似的干湿状况，因此可以找到表现出类似动态的水产养殖和沿海开发区域。此外，可用于分析的卫星图像很少或水体高度混浊的区域也可能导致调试错误。

我可以将数据用于任何目的吗？

数据和分析代码在适当确认的情况下以开放访问的形式提供。本作品采用知识共享署名 4.0 国际许可协议进行许可。使用本研究的任何方面都必须包括适当的致谢，其中包括引用论文（见下文），并报告数据来源和版本。

如何访问和分析数据？

数据可以直接在 Google Earth Engine 中分析，也可以从下载页面上列出的网点下载。

我如何引用数据？

查看文章 Google Scholar Murray NJ, Phinn SR, DeWitt M, Ferrari, R, Johnston, R, Lyons, MB, Clinton, N, Thau, D, & Fuller, RA。自然_ 565:222-2 http://dx.doi.org/10.1038/s41586-018-0805-8

如何将数据分析为时间序列？

由于研究期间 Landsat 图像的可用性可变，潮间带变化数据中的每个时间步长都有不同的程度。因此，要将数据作为时间序列进行分析，必须格外小心。您可以使用 QA 层来开发实现分类器的最小范围的掩码。此外，作为每个时间步长具有可变精度的时间序列，我们建议使用适当的统计模型，而不是直接测量面积变化。请阅读论文或联系通讯作者以获取更多信息。

我可以联系谁来讨论这项研究？

请联系论文通讯作者（Nicholas Murray）。

有没有关于如何访问和使用潮间带数据的教程？

我们开发了几个Google 地球引擎教程来展示如何访问、分析和下载数据。