
- Dostępność zbioru danych
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- Dostawca zbioru danych
- Rasteryzacja: Google i USFS Laboratory for Applications of Remote Sensing in Ecology (LARSE) Dane GEDI dotyczące struktury roślinności i gęstości biomasy w formie siatki
- Tagi
Opis
Ten zbiór danych zawiera gotowe do analizy dane o strukturze roślinności w postaci siatki o różnej rozdzielczości, obejmujące niemal cały świat. Dane te pochodzą z produktów NASA Global Ecosystem Dynamics Investigation (GEDI) na poziomie 2 i 4A, które są powiązane z obszarami pomiarowymi lidaru o średnicy 25 m. Ten zbiór danych zawiera kompleksową reprezentację struktury roślinności na niemal całym świecie, która obejmuje cały profil pionowy i jest oparta wyłącznie na danych lidarowych GEDI oraz zweryfikowana za pomocą niezależnych danych.
Czujnik GEDI, zamontowany na Międzynarodowej Stacji Kosmicznej (ISS), wykorzystuje 8 wiązek laserowych rozmieszczonych w odstępach 60 m wzdłuż ścieżki i 600 m w poprzek ścieżki na powierzchni Ziemi do pomiaru wysokości terenu i struktury roślinności między około 52 stopniem szerokości geograficznej północnej i południowej. W okresie od 17 kwietnia 2019 r. do 16 marca 2023 r. instrument GEDI zarejestrował odpowiednio 11 miliardów i 7, 7 miliarda wysokiej jakości przebiegów falowych, które można wykorzystać do pomiaru wysokości terenu i struktury roślinności.
Oprócz wielu standardowych wskaźników pomiarowych L2 i L4A uzyskano kilka dodatkowych wskaźników, które mogą być szczególnie przydatne w przypadku zastosowań w modelach systemu Ziemi w procesach obiegu węgla i wody, a także w zarządzaniu lasami, modelowaniu bioróżnorodności i ocenie siedlisk. Zmienne obejmują wysokość i pokrycie koron drzew, wskaźnik powierzchni roślin, różnorodność wysokości liści oraz gęstość objętości powierzchni roślin w warstwach o wysokości 5 m. Więcej informacji znajdziesz w artykule Gridded GEDI Vegetation Structure Metrics and Biomass Density (w języku angielskim).
Każdy pomiar GEDI zawiera 8 rodzajów statystyk: średnią, błąd standardowy średniej obliczony metodą bootstrapową, medianę, odchylenie standardowe, rozstęp międzykwartylowy, 95 percentyl, indeks różnorodności Shannona i liczbę pomiarów. Zastosowano metodologię filtrowania zdjęć wysokiej jakości, która jest zgodna z danymi GEDI L4B Gridded Aboveground Biomass Density w wersji 2.1. W porównaniu z odpowiednim zbiorem danych GEDI L3 ten zbiór danych zawiera dodatkowe dane w postaci siatki o różnej rozdzielczości przestrzennej i w różnych okresach (rocznych i obejmujących cały okres trwania misji).
Ten zbiór danych zawiera dane pomiarowe GEDI zagregowane w siatkach rastrowych w 3 rozdzielczościach przestrzennych: 1 km, 6 km i 12 km. Ten zbiór danych wykorzystuje rozmiar piksela 6 km z danymi o liczbie pomiarów.
Pasma
Rozmiar piksela
6000 m
Pasma
Nazwa | Rozmiar piksela | Opis |
---|---|---|
shots_count |
metry | Liczba zdjęć. Aby zdjęcie zostało uwzględnione w tej warstwie, następujące pola muszą być prawidłowe: długość geograficzna, szerokość geograficzna, wysokość w najniższym trybie, data w formacie dziesiętnym i orbita. |
orbits_uniq |
metry | Liczba unikalnych orbit. |
tracks_uniq |
metry | Liczba unikalnych ścieżek. Ścieżka to połączenie orbity i wiązki. |
shots_nni |
metry | Indeks najbliższego sąsiada (Evans i in., 2023 r.). |
Warunki korzystania z usługi
Warunki korzystania z usługi
Ten zbiór danych jest dostępny publicznie i można go używać oraz rozpowszechniać bez ograniczeń. Więcej informacji znajdziesz w zasadach NASA dotyczących danych i informacji o naukach o Ziemi.
Cytaty
Burns, P., Hakkenberg, C.R. & Goetz, S.J. Multi-resolution gridded maps of vegetation structure from GEDI. Sci Data 11, 881 (2024). doi:10.1038/s41597-024-03668-4
Odkrywanie za pomocą Earth Engine
Edytor kodu (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_6k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/COUNTS/V1/6KM/gediv002_counts_va_20190417_20230316') // Number of GEDI laser shots (i.e. footprints) per 6km pixel Map.addLayer( i_counts_6k_19to23.select('shots_count'), {min: 0, max: 200, palette: palettes.matplotlib.magma[7]}, 'Shot count per 6km pixel, 2019 to 2023', 0, opac) // Number of ISS orbits (with valid GEDI shots) per 6km pixel Map.addLayer( i_counts_6k_19to23.select('orbits_uniq'), {min: 0, max: 10, palette: palettes.matplotlib.plasma[7]}, 'Unique orbits per 6km 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_6k_19to23.select('shots_nni'), {min: 0.5, max: 1.5, palette: palettes.colorbrewer.RdBu[7]}, 'Shot nearest neighbor index per 6km pixel, 2019 to 2023', 0, opac) // View several GEDI vegetation structure metrics at 6km 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_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 10 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') var rh98_pal = palettes.crameri.bamako[10].reverse() Map.addLayer( i_rh98_6k_19to23_med.updateMask(i_rh98_6k_19to23_med.gte(3).and( i_rh98_6k_19to23.select('countf').gte(10))), {min: 3, max: 40, palette: rh98_pal}, 'Median RH98 per 6km pixel, 2019 to 2023', 1, opac) // Standard deviation of RH98 per 6km pixel. Captures variability of GEDI // measurements and vegetation heterogeneity Map.addLayer( i_rh98_6k_19to23.select('sd').updateMask(i_rh98_6k_19to23_med.gte(3).and( i_rh98_6k_19to23.select('countf').gte(10))), {min: 2, max: 20, palette: palettes.cmocean.Curl[7]}, 'SD of RH98 per 6km pixel, 2019 to 2023', 0, opac) // Foliage height diversity of the 1m vertical Plant Area Index (PAI) profile var i_fhd_6k_19to23 = ee.Image( 'LARSE/GEDI/GRIDDEDVEG_002/V1/6KM/gediv002_fhd-pai-1m-a0_vf_20190417_20230316') Map.addLayer( i_fhd_6k_19to23.select('median').updateMask(i_rh98_6k_19to23_med.gte(3).and( i_rh98_6k_19to23.select('countf').gte(10))), {min: 1.2, max: 3.2, palette: palettes.matplotlib.viridis[7].reverse()}, 'Median FHD per 6km 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/V1/6KM/gediv002_pavd-max-h_vf_20190417_20230316') Map.addLayer( i_pavdmaxh_19to23.select('mean').updateMask(i_rh98_6k_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)