Google Earth Engine（GEE）——南非土壤有机碳储量及趋势数据集

南非土壤有机碳储量及趋势
利用光学卫星数据和其他辅助气候、形态和生物协变量驱动的机器学习工作流程，预测了南非自然区域（不包括水、城市和耕地）的土壤有机碳（SOC）储量（kg C m-2）。时间范围涵盖1984-2019年。空间范围包括南非自然土地面积的0-30厘米表土（占全国84%）。

土壤有机碳（SOC）储量的估算和监测对于保持土壤生产力和实现气候变化减缓目标非常重要。目前的全球SOC地图没有为景观决策提供足够的细节，也不允许跟踪碳的固存或损失的时间。利用光学卫星驱动的机器学习工作流程，我们以30米的空间分辨率绘制了1984年至2019年南非自然植被（86%的土地面积）下的SOC库存（表土；0至30厘米）。我们估计表土SOC总储量为5.6 Pg C，SOC密度中值为6 kg C m-2（IQR：四分位数范围2.9 kg C m-2）。35年来，预测的SOC经历了0.3%的净增长（相对于长期平均值），最大的净增长（1.7%）和下降（-0.6%）分别发生在草原和纳马卡鲁生物群落。在景观尺度上，SOC的变化在一些地方很明显，从栅栏线的对比中可以看出，这可能是由于当地的管理效应（例如，与SOC增加有关的木质侵蚀和与SOC减少有关的过度放牧）。我们的SOC绘图方法表现出较低的不确定性（R2=0.64；RMSE=2.5 kg C m-2），与以前的低分辨率（250-1000米）国家SOC绘图工作（平均R2=0.24；RMSE=3.7 kg C m-2）相比，偏差较小。我们的趋势图仍然是一个估计值，有待于对同一地点的土壤样本进行重复测量（时间序列）；这是跟踪SOC变化的全球优先事项。虽然高分辨率的SOC地图可以为旨在减缓气候的土地管理决策提供信息（自然气候解决方案），但SOC的潜在增长可能受到当地气候和土壤的限制。同样重要的是，气候减缓工作，如植树，要平衡碳、生物多样性和整体生态系统功能之间的权衡。

代码：

var SOC30_mean = ee.ImageCollection("projects/sat-io/open-datasets/NINA/SOC30_SA_mean"),
    SOC30_trend = ee.ImageCollection("projects/sat-io/open-datasets/NINA/SOC30_SA_trend");

var palettes = require('users/gena/packages:palettes')

Map.setCenter(25.654, -29.558,6)
Map.addLayer(SOC30_mean.median().divide(100),{min:0.86,max:16,palette: palettes.cmocean.Algae[7]},'SOC median')
Map.addLayer(SOC30_trend.median().divide(100),{min:-20,max:24,palette: palettes.cmocean.Curl[7]},'SOC trend')

引用：

Venter, Zander S., Heidi-Jayne Hawkins, Michael D. Cramer, and Anthony J. Mills. "Mapping soil organic carbon stocks and trends with satellite-driven high resolution maps over South Africa." Science of The Total Environment 771 (2021): 145384.

Venter, Zander S, Hawkins, Heidi-Jayne, Cramer, Michael D, & Mills, Anthony J. (2020). Soil organic carbon stocks and trends (1984-2019) predicted at 30m spatial resolution for topsoil in natural areas of South Africa (Version 01) [Data set]. Zenodo. http://doi.org/10.5281/zenodo.4384692

数据集详情
这里提供的数据是30米空间分辨率的GeoTIFF文件。有一个长期平均SOC和SOC趋势的数据集。为了便于下载，每个数据集被分成四个文件（后缀为*_1、*_2等），涵盖南非的不同地区。栅格文件是。

"SOC_mean_30m..."- 1984年至2019年之间的年度SOC预测的平均值。数值以kg C m-2表示
"SOC_trend_30m..."- 1984年至2019年期间SOC的长期趋势，由Sens斜率（M）得出，跨年度SOC值。像素值（Y）表示为35年内相对于长期平均值（X）的百分比变化。Y = M / X * 100 * 35年
注：所有文件都按*100的比例排列，并转换为浮动数据点以节省空间。要回转换为原始值，只需将栅格值除以100。

 

 

 

许可

Creative Commons Attribution-Share Alike 4.0 International License

Created by: Venter, Zander S, Hawkins, Heidi-Jayne, Cramer, Michael D, & Mills, Anthony J

Curated by: Samapriya Roy

Keywords: : carbon stocks, land degradation, natural climate solutions, remote sensing, soil mapping, spatial prediction, soil carbon, carbon sequestration

Last updated: 2021-04-29