全球250m分辨率的LAI叶面指数数据集

简介：

全球250米叶面指数产品由北京师范大学的肖志强教授团队生产，提供了多分辨率卫星遥感（MUSES）250m分辨率全球LAI产品，利用了MODIS地表反射率数据（MOD09Q1）生成的网格数据，时间分辨率为8天。数据中的每一个MOD09Q1像元包含了8天之内最佳L2G（栅格化后的L2级产品）观测数值，综合考虑了高观测覆盖、低视角、无云及云的阴影以及气溶胶浓度的影响。
LAI即叶面积指数（leaf area index）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。前言 – 人工智能教程

叶面积指数（Leaf Area Index，简称LAI）是指单位地面积上植物叶面积的总和，它是描述植物生长状况的重要参数之一。LAI可以用来评估植物生长的光合作用能力、水分利用效率、生产力和生态系统碳循环等。具体来说，LAI可以用于以下方面：

1. 评估植物生长的光合作用能力：LAI越大，表示单位地面积上叶面积越多，能够吸收到更多的光能，因此植物的光合作用能力越强。

2. 评估植物的水分利用效率：LAI越大，表明单位地面积上的叶面积越大，植物需要更多的水来维持这些叶片，因此，LAI可以用来评估植物的水分利用效率。

3. 评估植物的生产力：LAI可以作为评估植物生产力的指标之一。随着LAI的增加，植物的总叶面积也会增加，因此可以吸收更多的光合产物和养分，进而提高植物的生产力。

4. 评估生态系统的碳循环：LAI可以用来估算森林和其他生态系统的碳吸收能力。在生态系统中，LAI越大，植物能够吸收到更多的二氧化碳，从而促进生态系统的碳循环过程。

总之，LAI是一个重要的生态学参数，可以用来评估植物生长状态和生态系统的生态功能。

数据集ID: 

BNU/LAI/GLOBAL-250

时间范围: 2015年-2015年

范围: 全球

来源: 北京师范大学肖志强教授团队

复制代码段: 

var images = pie.ImageCollection("BNU/LAI/GLOBAL-250")

 波段

波段	值域范围	像素值	缩放比例	描述信息
B1	0-2500	Water:2000 无效值：2500	0.01	叶面积指数(Leaf area index)

date

string

影像日期

 本数据集所有权属于北京师范大学肖志强教授团队，可在PIE-Engine平台上免费用于非商业科研及教育活动。

代码：

 /**
 * @File    :   全球250米LAI产品
 * @Time    :   2022/05/25
 * @Author  :   piesat
 * @Version :   1.0
 * @Contact :   400-890-0662
 * @License :   (C)Copyright 航天宏图信息技术股份有限公司
 * @Desc    :   加载全球250米LAI产品
 */

//引用数据
var img = pie.ImageCollection("BNU/LAI/GLOBAL-250")
             .select("B1")
             .max()

// 设置图层显示参数并加载
var visParam = {
    min: 0,
    max: 2500,
    palette:'69cd9,7512e8,2091ea,4befce,2edfdd,9efd9f,ebcc76,ff6032,ffc0,c68d',
};
Map.centerObject(img,2)
Map.addLayer(img,visParam,"img")

文章引用：
1. Zhiqiang Xiao, et al., Long Time-Series Global Land Surface Satellite (GLASS) Leaf Area Index Product Derived from MODIS and AVHRR Data, IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9), 5301-5318.https://doi.org/10.1109/TGRS.2016.2560522
2. Zhiqiang Xiao, et al., Use of General Regression Neural Networks for Generating the GLASS Leaf Area Index Product from Time Series MODIS Surface Reflectance, IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1), 209-223. https://doi.org/10.1109/TGRS.2013.2237780
3. Zhiqiang Xiao, et al., Evaluation of four long time-series global leaf area index products. Agricultural and Forest Meteorology, 246, 218-230, 2017. https://doi.org/10.1016/j.agrformet.2017.06.016
4. Zhiqiang Xiao, Jinling Song, Hua Yang, Rui Sun and Juan Li. (2022). A 250 m resolution global leaf area index product derived from MODIS surface reflectance data. International Journal of Remote Sensing, 43(4), 1199-1225