- Dataset-Verfügbarkeit
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- Dataset-Anbieter
- Rasterization: Google and USFS Laboratory for Applications of Remote Sensing in Ecology (LARSE) Gridded GEDI Vegetation Structure Metrics and Biomass Density
- Tags
- >
Beschreibung
Dieses Dataset besteht aus nahezu globalen, analysereifen, mehrfach aufgelösten gerasterten Messwerten zur Vegetationsstruktur, die aus NASA Global Ecosystem Dynamics Investigation (GEDI) Level 2- und 4A-Produkten abgeleitet wurden, die mit Lidar-Footprints mit einem Durchmesser von 25 m verknüpft sind. Dieses Dataset bietet eine umfassende Darstellung der nahezu globalen Vegetationsstruktur, die das gesamte vertikale Profil umfasst und ausschließlich auf GEDI-Lidar basiert. Es wurde mit unabhängigen Daten validiert.
Der GEDI-Sensor, der auf der Internationalen Raumstation (ISS) montiert ist, verwendet acht Laserstrahlen, die auf der Erdoberfläche in Längsrichtung 60 m und in Querrichtung 600 m voneinander entfernt sind, um die Bodenhöhe und die Vegetationsstruktur zwischen etwa 52 Grad nördlicher und südlicher Breite zu messen. Zwischen dem 17. April 2019 und dem 16. März 2023 hat GEDI 11 Milliarden bzw. 7, 7 Milliarden hochwertige Wellenformen erfasst, die sich zur Messung der Bodenhöhe und der Vegetationsstruktur eignen.
Zusätzlich zu vielen der Standardmesswerte für L2- und L4A-Aufnahmen wurden mehrere zusätzliche Messwerte abgeleitet, die besonders für Anwendungen in Kohlenstoff- und Wasserkreislaufprozessen in Erdsystemmodellen sowie für die Waldbewirtschaftung, die Modellierung der biologischen Vielfalt und die Lebensraumbewertung nützlich sein können. Zu den Variablen gehören die Höhe des Kronendachs, die Kronendachbedeckung, der Blattflächenindex, die Vielfalt der Laubhöhe und die Dichte des Pflanzenflächenvolumens in 5‑m-Schichten. Weitere Informationen finden Sie unter Gridded GEDI Vegetation Structure Metrics and Biomass Density.
Für jeden GEDI-Shot-Messwert sind acht Statistiken enthalten: Mittelwert, gebootstrappter Standardfehler des Mittelwerts, Median, Standardabweichung, Interquartilbereich, 95. Perzentil, Shannon-Diversitätsindex und Anzahl der Shots. Es wurde eine Methode zum Filtern von Aufnahmen mit hoher Qualität verwendet, die mit der GEDI L4B Gridded Aboveground Biomass Density, Version 2.1, übereinstimmt. Im Vergleich zum entsprechenden GEDI L3-Dataset enthält dieses Dataset zusätzliche gerasterte Messwerte in mehreren räumlichen Auflösungen und über mehrere Zeiträume hinweg (jährlich und für die gesamte Missionsdauer).
Dieser Datensatz enthält GEDI-Shot-Messwerte, die in Rasterzellen mit drei räumlichen Auflösungen aggregiert werden: 1 km, 6 km und 12 km. In diesem Datensatz wird die Pixelgröße von 1 km mit Zählermesswerten verwendet.
Bänder
Pixelgröße
1.000 Meter
Bänder
| Name | Pixelgröße | Beschreibung |
|---|---|---|
shots_count |
Meter | Die Anzahl der Aufnahmen. Damit ein Shot in dieser Ebene berücksichtigt wird, müssen die folgenden Felder gültig sein: Längengrad, Breitengrad, Höhe des niedrigsten Modus, Dezimaldatum und Umlaufbahn. |
orbits_uniq |
Meter | Die Anzahl der einzelnen Umlaufbahnen. |
tracks_uniq |
Meter | Die Anzahl der einzelnen Tracks. Ein Track ist die Kombination aus Orbit und Beam. |
shots_nni |
Meter | Der Nearest Neighbor Index (Evans et al. 2023). |
Nutzungsbedingungen
Nutzungsbedingungen
Dieses Dataset ist gemeinfrei und kann ohne Einschränkungen verwendet und weitergegeben werden. Weitere Informationen finden Sie in der Richtlinie zu Erdwissenschaftsdaten und ‑informationen der NASA.
Zitate
Burns, P., Hakkenberg, C.R. und Goetz, S.J. Multi-resolution gridded maps of vegetation structure from GEDI. Sci Data 11, 881 (2024). doi:10.1038/s41597-024-03668-4
Earth Engine nutzen
Code-Editor (JavaScript)
var palettes = require('users/gena/packages:palettes'); // slopeshade basemap var elev = ee.Image('MERIT/DEM/v1_0_3').select('dem') var slope = ee.Terrain.slope(elev) Map.setCenter(92.319, 27.129, 8) Map.addLayer( slope, {min: 0, max: 40, palette: ['ffffff', '000000']}, 'Slopeshade') var opac = 0.7 // View various measurement count metrics from 2019 to 2023 // "va" in the asset name corresponds to the count of high-quality, leaf-on // vegetation measurements by GEDI var i_counts_1k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/COUNTS/V1/1KM/gediv002_counts_va_20190417_20230316') // Number of GEDI laser shots (i.e. footprints) per 1km pixel Map.addLayer( i_counts_1k_19to23.select('shots_count'), {min: 0, max: 200, palette: palettes.matplotlib.magma[7]}, 'Shot count per 1km pixel, 2019 to 2023', 0, opac) // Number of ISS orbits (with valid GEDI shots) per 1km pixel Map.addLayer( i_counts_1k_19to23.select('orbits_uniq'), {min: 0, max: 10, palette: palettes.matplotlib.plasma[7]}, 'Unique orbits per 1km pixel, 2019 to 2023', 0, opac) // The Nearest Neighbor Index (Evans et al. 2023), a proxy for quantifying // spatial clustering/dispersion of GEDI shots Map.addLayer( i_counts_1k_19to23.select('shots_nni'), {min: 0.5, max: 1.5, palette: palettes.colorbrewer.RdBu[7]}, 'Shot nearest neighbor index per 1km pixel, 2019 to 2023', 0, opac) // View several GEDI vegetation structure metrics at 1km spatial res. // For GEDI metric descriptions see Table 1 at // https://daac.ornl.gov/GEDI/guides/GEDI_HighQuality_Shots_Rasters.html // Relative height of the 98th percentile of returned energy (RH98), a proxy for // tree canopy height var i_rh98_1k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/V1/1KM/gediv002_rh-98-a0_vf_20190417_20230316') // display the median value of GEDI RH98 measurements per 1km pixel, masking out // values less than 3 consider using a threshold of 10 shots per 1km pixel. More // shots generally yield more accurate estimates of the aggregation statistics // (different bands) var i_rh98_1k_19to23_med = i_rh98_1k_19to23.select('median') var rh98_pal = palettes.crameri.bamako[10].reverse() Map.addLayer( i_rh98_1k_19to23_med.updateMask(i_rh98_1k_19to23_med.gte(3).and( i_rh98_1k_19to23.select('countf').gte(10))), {min: 3, max: 40, palette: rh98_pal}, 'Median RH98 per 1km pixel, 2019 to 2023', 1, opac) // Standard deviation of RH98 per 1km pixel. Captures variability of GEDI // measurements and vegetation heterogeneity Map.addLayer( i_rh98_1k_19to23.select('sd').updateMask(i_rh98_1k_19to23_med.gte(3).and( i_rh98_1k_19to23.select('countf').gte(10))), {min: 2, max: 20, palette: palettes.cmocean.Curl[7]}, 'SD of RH98 per 1km pixel, 2019 to 2023', 0, opac) // Foliage height diversity of the 1m vertical Plant Area Index (PAI) profile var i_fhd_1k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/V1/1KM/gediv002_fhd-pai-1m-a0_vf_20190417_20230316') Map.addLayer( i_fhd_1k_19to23.select('median').updateMask(i_rh98_1k_19to23_med.gte(3).and( i_rh98_1k_19to23.select('countf').gte(10))), {min: 1.2, max: 3.2, palette: palettes.matplotlib.viridis[7].reverse()}, 'Median FHD per 1km pixel, 2019 to 2023', 0, opac) // The height above ground associated with the peak of the vertical Plant Area // Volume Density (PAVD) profile var i_pavdmaxh_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/V1/1KM/gediv002_pavd-max-h_vf_20190417_20230316') Map.addLayer( i_pavdmaxh_19to23.select('mean').updateMask(i_rh98_1k_19to23_med.gte(3).and( i_pavdmaxh_19to23.select('countf').gte(10))), {min: 0, max: 25, palette: palettes.cmocean.Haline[7].reverse()}, 'Mean Height of Max. PAVD, 2019 to 2023', 0, opac) // 1km coverage is not great in the low latitudes, try 6 or 12km for a more // continuous depiction var i_rh98_6k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/V1/6KM/gediv002_rh-98-a0_vf_20190417_20230316') // display the median value of GEDI RH98 measurements per 6km pixel, masking out // values less than 3 consider using a threshold of 100 shots per 6km pixel. // More shots generally yield more accurate estimates of the aggregation // statistics (different bands) var i_rh98_6k_19to23_med = i_rh98_6k_19to23.select('median') Map.addLayer( i_rh98_6k_19to23_med.updateMask(i_rh98_6k_19to23_med.gte(3).and( i_rh98_6k_19to23.select('countf').gte(100))), {min: 3, max: 40, palette: rh98_pal}, 'Median RH98 per 6km pixel, 2019 to 2023', 0, opac)