基于GEE云计算、多源遥感、高光谱遥感技术蓝碳储量估算；红树林植被指数计算及提取

海洋是地球上最大的“碳库”,“蓝碳”即海洋活动以及海洋生物（特别是红树林、盐沼和海草）能够吸收大气中的二氧化碳，并将其固定、储存在海洋中的过程、活动和机制。而维持与提升我国海岸带蓝碳潜力是缓解气候变化的低成本、高效益的方案，有利于充分发挥我国海洋和海岸带生态系统在缓解全球气候变化中的重要作用。红树林作为最主要的蓝碳植被，对其的监测与保护成为近年来的研究热点。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在农业、林业、地质、生态、水质监测等领域取得了突出成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。

遥感云计算技术的发展和平台的出现为遥感大数据处理和分析提供了前所未有的机遇，表现在：（1）云端有海量数据资源，无需下载到本地处理，（2）云端提供批量和交互式的大数据计算服务，（3）云端提供应用程序接口API（Application Programming Interface），无需在本地安装软件，才可以进行处理分析。这彻底改变了传统遥感数据本地下载，处理和分析的模式，进一步降低了遥感数据使用的准入门槛，极大提高了运算效率，加速了算法测试的迭代过程，使得原本在台式机或服务器上难以实现的全球尺度地球系统科学快速分析和应用成为可能。

本教程聚焦目前遥感应用领域-碳储量估算，重点结合典型应用案例综合展示如何基于云计算与多源遥感技术，通过高光谱遥感对研究区域福建沿海的蓝碳植被进行精准探测，结合多光谱遥感技术监测并分析海岸带蓝碳植被的长时序分布变化与健康状态。结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术，包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验等内容；同时以JavaScript版本GEE为主进行讲解长时序多尺度的遥感信息提取技术，包括GEE基本知识，遥感影像数据处理的关键知识进行串讲，最后结合海岸带应用典型案例进行综合讲解。

“遥感+”助推蓝碳生态系统碳储量调查简介

①蓝碳生态系统碳储量研究背景

红树林、海草床和盐沼是海岸带最具固碳效率的三大生态系统，统称为“蓝色碳汇”。虽然这三类生态系统的覆盖面积不到海床的0.5%，植物生物量只占陆地植物生物量的0.05%，但其碳储量却高达海洋碳储量的50%以上，甚至可能高达71%。尽管红树林面积有限，仅占陆地表面的0.1%，但它比陆地生态系统具有更高的碳储存和碳捕获的能力。作为蓝碳的重要组成部分，由于周期性的潮汐淹没、土壤厌氧和独特的复杂根系，红树林能有效捕获悬浮物质，埋藏有机物，并降低有机质分解速率进而达到固碳的效果。

②蓝碳生态系统碳储量研究方法

传统的碳库调查方式成本高、效率低，制约了长时间、大尺度区域开展红树林碳库分布的估算和监测，建立大尺度区域及时准确估算红树林碳储量的方法至关重要。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

③遥感技术在蓝碳生态系统研究中的优势

结合高光谱遥感技术图谱合一的特点，利用高光谱遥感技术分析红树林光谱数据，实现物种进行精准识别或分类。针对桌面端软件处理遥感影像时效性低的问题，我们将结合遥感云计算平台实现对长时间、不同尺度区域的红树林碳库分布的估算和监测。

章节简要

第一章  高光谱遥感数据介绍及预处理
第二章 光谱特征分析与参量提取
第三章 高光谱遥感数据分类与制图
第四章 GEE数据处理介绍
第五章 碳储量时空变化与预测
第六章 科技论文写作与制图

更多了解

①双碳目标下DNDC模型建模及在土壤碳储量、温室气体、农田减排、土地与气候变化中的应用
②双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟
③基于“PLUS模型+”生态系统服务多情景模拟预测实践技术应用

★ 点 击 下 方 关 注，获取海量教程和资源！

↓↓↓