超级会员免费看
本文介绍如何利用Google Earth Engine（GEE）结合MaxEnt和Landsat 8、ALOS SAR数据，以高空间分辨率模拟雪貂（Hylocichla mustelina）的物种分布模型。通过加载和过滤遥感数据，提取预测变量如NDVI和温度，采用空间块交叉验证技术进行模型训练和验证。
高分辨率物种分布模型模拟
使用未分类的卫星图像作为预测变量，以高空间分辨率对物种分布进行建模
1. 加载数据并定义网格大小和范围
对于本例，我们从 GBIF获得了 6 月份（繁殖季节中期）的雪貂（Hylocichla mustelina）观测数据集。数据集来源：99,939 occurrences included in download
首先，我们加载数据并将分析的空间分辨率设置为 90 m。
我们对原始 99,939 个观测值进行了精简，每个像素保留一个，从而获得了 34,880 个用于建模的观测值。
//
// Section 1 - Load species data, AOI, and remove duplicates
// Load presence data
var DataRaw 
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
