Google Earth Engine ——数据全解析专辑(PML_V2: Coupled Evapotranspiration and Gross Primary Product)

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: Google Earth Engine ——数据全解析专辑(PML_V2: Coupled Evapotranspiration and Gross Primary Product)

Penman-Monteith-Leuning Evapotranspiration V2 (PML_V2) products include evapotranspiration (ET), its three components, and gross primary product (GPP) at 500m and 8-day resolution during 2002-2017 and with spatial range from -60°S to 90°N. The major advantages of the PML_V2 products are:

  1. coupled estimates of transpiration and GPP via canopy conductance (Gan et al., 2018; Zhang et al., 2019)
  2. partitioning ET into three components: transpiration from vegetation, direct evaporation from the soil and vaporization of intercepted rainfall from vegetation (Zhang et al., 2016).


The PML_V2 products perform well against observations at 95 flux sites across globe, and are similar to or noticeably better than major state-of-the-art ET and GPP products widely used by water and ecology science communities (Zhang et al., 2019).


Penman-Monteith-Leuning V2 (PML_V2) 产品包括 2002-2017 年期间 500m 和 8 天分

辨率的蒸散量 (ET)、其三个分量和初级产品总值 (GPP),空间范围从 -60°S 到 90 °N。 PML_V2 产品的主要优点是:


通过冠层电导对蒸腾作用和 GPP 的耦合估计(Gan 等人,2018 年;Zhang 等人,2019 年)

将 ET 分为三个部分:植被蒸腾作用、土壤直接蒸发和植被截留降雨的蒸发(Zhang et al., 2016)。

PML_V2 产品在全球 95 个通量站点的观测中表现良好,与水和生态科学界广泛使用的主要最先进的 ET 和 GPP 产品相似或明显更好(Zhang 等,2019) .

Dataset Availability

2002-07-04T00:00:00 - 2017-12-27T00:00:00

Dataset Provider

PML_V2

Collection Snippet

ee.ImageCollection("CAS/IGSNRR/PML/V2")

Resolution

500 meters

Bands Table

Name Description Min* Max* Units
GPP Gross primary product 0 39.01 gC m-2 d-1
Ec Vegetation transpiration 0 15.33 mm d-1
Es Soil evaporation 0 8.2 mm d-1
Ei Interception from vegetation canopy 0 12.56 mm d-1
ET_water Water body, snow and ice evaporation. Penman evapotranspiration is regarded as actual evaporation for them. 0 20.11 mm d-1

 

数据引用:

Zhang, Y., Kong, D., Gan, R., Chiew, F.H.S., McVicar, T.R., Zhang, Q., and Yang, Y., 2019. Coupled estimation of 500m and 8-day resolution global evapotranspiration and gross primary production in 2002-2017. Remote Sens. Environ. 222, 165-182, https://doi.org/10.1016/j.rse.2018.12.031

Gan, R., Zhang, Y.Q., Shi, H., Yang, Y.T., Eamus, D., Cheng, L., Chiew, F.H.S., Yu, Q., 2018. Use of satellite leaf area index estimating evapotranspiration and gross assimilation for Australian ecosystems. Ecohydrology, https://doi.org/10.1002/eco.1974

Zhang, Y., Peña-Arancibia, J.L., McVicar, T.R., Chiew, F.H.S., Vaze, J., Liu, C., Lu, X., Zheng, H., Wang, Y., Liu, Y.Y., Miralles, D.G., Pan, M., 2016. Multi-decadal trends in global terrestrial evapotranspiration and its components. Sci. Rep. 6, 19124. https://doi.org/10.1038/srep19124


代码:

var dataset = ee.ImageCollection("CAS/IGSNRR/PML/V2");
var visualization = {
  bands: ['GPP'],
  min: 0.0,
  max: 9.0,
  palette: [
    "a50026","d73027","f46d43","fdae61","fee08b","ffffbf",
    "d9ef8b","a6d96a","66bd63","1a9850","006837",
  ]
};
Map.setCenter(0.0, 15.0, 2);
Map.addLayer(dataset, visualization, "PML_V2 GPP");


相关文章
|
23天前
|
消息中间件 存储 缓存
十万订单每秒热点数据架构优化实践深度解析
【11月更文挑战第20天】随着互联网技术的飞速发展,电子商务平台在高峰时段需要处理海量订单,这对系统的性能、稳定性和扩展性提出了极高的要求。尤其是在“双十一”、“618”等大型促销活动中,每秒需要处理数万甚至数十万笔订单,这对系统的热点数据处理能力构成了严峻挑战。本文将深入探讨如何优化架构以应对每秒十万订单级别的热点数据处理,从历史背景、功能点、业务场景、底层原理以及使用Java模拟示例等多个维度进行剖析。
49 8
|
21天前
|
数据采集 自然语言处理 搜索推荐
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
Qwen2.5是一款强大的生成式预训练语言模型,擅长自然语言理解和生成,支持长文本解析、数据预测、代码生成等复杂任务。Qwen-Long作为其变体,专为长上下文场景优化,适用于大型文档处理、知识图谱构建等。Qwen2.5在ESG报告解析、多Agent协作、数学模型生成等方面表现出色,提供灵活且高效的解决方案。
114 49
|
2月前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
4034 5
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
1月前
|
存储 分布式计算 Java
存算分离与计算向数据移动:深度解析与Java实现
【11月更文挑战第10天】随着大数据时代的到来,数据量的激增给传统的数据处理架构带来了巨大的挑战。传统的“存算一体”架构,即计算资源与存储资源紧密耦合,在处理海量数据时逐渐显露出其局限性。为了应对这些挑战,存算分离(Disaggregated Storage and Compute Architecture)和计算向数据移动(Compute Moves to Data)两种架构应运而生,成为大数据处理领域的热门技术。
49 2
|
1月前
|
JavaScript API 开发工具
<大厂实战场景> ~ Flutter&鸿蒙next 解析后端返回的 HTML 数据详解
本文介绍了如何在 Flutter 中解析后端返回的 HTML 数据。首先解释了 HTML 解析的概念,然后详细介绍了使用 `http` 和 `html` 库的步骤,包括添加依赖、获取 HTML 数据、解析 HTML 内容和在 Flutter UI 中显示解析结果。通过具体的代码示例,展示了如何从 URL 获取 HTML 并提取特定信息,如链接列表。希望本文能帮助你在 Flutter 应用中更好地处理 HTML 数据。
110 1
|
21天前
|
数据采集 存储 自然语言处理
基于Qwen2.5的大规模ESG数据解析与趋势分析多Agent系统设计
2022年中国上市企业ESG报告数据集,涵盖制造、能源、金融、科技等行业,通过Qwen2.5大模型实现报告自动收集、解析、清洗及可视化生成,支持单/多Agent场景,大幅提升ESG数据分析效率与自动化水平。
|
2月前
|
数据采集 XML 前端开发
Jsoup在Java中:解析京东网站数据
Jsoup在Java中:解析京东网站数据
|
1月前
|
JSON 前端开发 JavaScript
API接口商品详情接口数据解析
商品详情接口通常用于提供特定商品的详细信息,这些信息比商品列表接口中的信息更加详细和全面。以下是一个示例的JSON数据格式,用于表示一个商品详情API接口的响应。这个示例假定API返回一个包含商品详细信息的对象。
|
2月前
|
API
Vue3组件通信全解析:利用props、emit、provide/inject跨层级传递数据,expose与ref实现父子组件方法调用
Vue3组件通信全解析:利用props、emit、provide/inject跨层级传递数据,expose与ref实现父子组件方法调用
614 0
|
2月前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。

推荐镜像

更多