​

简介

全球泥炭地部分覆盖率

 泥炭地作为积水的陆地湿地生态系统，储存了大量的土壤碳和淡水，在全球碳循环和水文循环中发挥着至关重要的作用。 泥炭-ML数据集是利用气候、地貌、土壤数据和遥感植被指数训练的机器学习模型生成的泥炭地部分覆盖率空间连续全球地图。 利用来自 14 个地区的现有泥炭地覆盖图和非泥炭地生态区域图开发了一个统计模型，其平均 r 方为 0.73，误差为 9.11%（均方根）和-0.36%（偏差）。 数据集采用 NetCDF 格式，于 2021 年发布。 欲了解更多信息，请点击此处查阅相关研究论文。

GMD - A map of global peatland extent created using machine learning (Peat-ML)

摘要

原始数据集以 NetCDF 格式提供，模型精度为 R² = 0.73，RMSE = 9.11%，MBE = -0.36%。 您可在此下载泥炭-ML 数据集（2021 年）。 更多详情可参阅论文《Melton 等人，2022 年》。

代码

// Load administrative boundaries for Indonesia
var admin1 = ee.FeatureCollection("projects/sat-io/open-datasets/geoboundaries/HPSCGS-ADM1");
var geometry = admin1.filter(ee.Filter.eq('shapeGroup', 'IDN'));

Map.centerObject(geometry, 4);
Map.setOptions("Hybrid");

var peat = ee.Image("projects/sat-io/open-datasets/ML-GLOBAL-PEATLAND-EXTENT")
    .clip(geometry)
    .unmask();

// Display the results
Map.addLayer(peat.clip(geometry),
  {min: 0, max: 100, palette: ['#f7fcf5', '#c7e9c0', '#74c476', '#238b45', '#00441b']},
  'Peatland Distribution', true
  );

引用

Melton, J. R., Chan, E., Millard, K., Fortier, M., Winton, R. S., Martín-López, J. M., Cadillo-Quiroz, H., Kidd, D., and Verchot, L. V.: A map of
global peatland extent created using machine learning (Peat-ML), Geosci. Model Dev., 15, 4709–4738, https://doi.org/10.5194/gmd-15-4709-2022, 2022.

Melton, J. R., Chan, E., Millard, K., Fortier, M., Winton, R. S., Martín-López, J. M., Cadillo-Quiroz, H., Kidd, D., & Verchot, L. V. (2021). A map
of global peatland extent created using machine learning (Peat-ML) [Data set]. In Geoscientific Model Development (1.0).
Zenodo. https://doi.org/10.5281/zenodo.7352284

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/GLOBAL-PEATLAND-FRACTIONAL-COVER

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg 

许可

这些数据集采用知识共享署名 4.0。

关键词

泥炭地、土壤碳、湿地、生态系统 由 Melton 等人提供： Melton et al 2022 在 GEE 中的编辑：Samapriya Roy

最后更新于 GEE： 2024-07-14

​