Gridded GEDI Vegetation Structure Metrics and Biomass Density with COUNTS metrics, 12KM pixel size

LARSE/GEDI/GRIDDEDVEG_002/COUNTS/V1/12KM
Disponibilità del set di dati
2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
Fornitore di set di dati
Snippet di Earth Engine
ee.ImageCollection("LARSE/GEDI/GRIDDEDVEG_002/COUNTS/V1/12KM")
Tag
biomassa chioma foresta biomassa forestale gedi larse lidar nasa vegetazione

Descrizione

Questo set di dati è costituito da metriche della struttura della vegetazione a griglia, multirisoluzione, quasi globale e pronte per l'analisi, derivate dai prodotti di livello 2 e 4A della NASA Global Ecosystem Dynamics Investigation (GEDI) associati a impronte lidar di 25 metri di diametro. Questo set di dati fornisce una rappresentazione completa della struttura della vegetazione quasi globale che include l'intero profilo verticale, basato esclusivamente sul lidar GEDI e convalidato con dati indipendenti.

Il sensore GEDI, montato sulla Stazione Spaziale Internazionale (ISS), utilizza otto raggi laser distanziati di 60 m lungo la traiettoria e di 600 m trasversalmente alla traiettoria sulla superficie terrestre per misurare l'elevazione del terreno e la struttura della vegetazione tra circa 52 gradi di latitudine nord e sud. Tra il 17 aprile 2019 e il 16 marzo 2023, GEDI ha acquisito 11 e 7,7 miliardi di forme d'onda di qualità adatte alla misurazione dell'elevazione del terreno e della struttura della vegetazione, rispettivamente.

Oltre a molte delle metriche standard per gli scatti L2 e L4A, sono state derivate diverse metriche aggiuntive che potrebbero essere particolarmente utili per le applicazioni nei processi di ciclo del carbonio e dell'acqua nei modelli del sistema terrestre, nonché per la gestione forestale, la modellazione della biodiversità e la valutazione degli habitat. Le variabili includono altezza della chioma, copertura della chioma, indice di area fogliare, diversità dell'altezza del fogliame e densità del volume dell'area fogliare a strati di 5 m. Per saperne di più, consulta la pagina Gridded GEDI Vegetation Structure Metrics and Biomass Density.

Per ogni metrica di scatto GEDI sono incluse otto statistiche: media, errore standard della media con bootstrap, mediana, deviazione standard, intervallo interquartile, 95° percentile, indice di diversità di Shannon e conteggio degli scatti. È stata utilizzata una metodologia di filtraggio degli scatti di qualità in linea con la densità di biomassa fuori terra grigliata L4B di GEDI, versione 2.1. Rispetto al set di dati GEDI L3 corrispondente, questo set di dati fornisce metriche grigliate aggiuntive a più risoluzioni spaziali e in diversi periodi temporali (annuali e per l'intera durata della missione).

Questo set di dati fornisce metriche di scatto GEDI aggregate in griglie raster a tre risoluzioni spaziali: 1 km, 6 km e 12 km. Questo set di dati utilizza le dimensioni dei pixel di 12 km con metriche di conteggio.

Bande

Dimensioni pixel
12.000 metri

Bande

Nome Dimensioni dei pixel Descrizione
shots_count metri

Il numero di scatti. Affinché uno scatto venga conteggiato in questo livello, i seguenti campi devono essere validi: longitudine, latitudine, elevazione della modalità più bassa, data decimale e orbita.

orbits_uniq metri

Il numero di orbite uniche.

tracks_uniq metri

Il numero di tracce uniche. Una traccia è la combinazione di orbita e fascio.

shots_nni metri

L'indice del vicino più prossimo (Evans et al. 2023).

Termini e condizioni d'uso

Termini e condizioni d'uso

Questo set di dati è di pubblico dominio ed è disponibile senza restrizioni di utilizzo e distribuzione. Per ulteriori informazioni, consulta le norme sui dati e sulle informazioni scientifiche della NASA.

Citazioni

Citazioni:
  • 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

Esplorare con Earth Engine

Editor di codice (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_12k_19to23 = ee.Image(
    'LARSE/GEDI/GRIDDEDVEG_002/COUNTS/V1/12KM/gediv002_counts_va_20190417_20230316')
// Number of GEDI laser shots (i.e. footprints) per 12km pixel
Map.addLayer(
    i_counts_12k_19to23.select('shots_count'),
    {min: 0, max: 200, palette: palettes.matplotlib.magma[7]},
    'Shot count per 12km pixel, 2019 to 2023', 0, opac)
// Number of ISS orbits (with valid GEDI shots) per 12km pixel
Map.addLayer(
    i_counts_12k_19to23.select('orbits_uniq'),
    {min: 0, max: 10, palette: palettes.matplotlib.plasma[7]},
    'Unique orbits per 12km 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_12k_19to23.select('shots_nni'),
    {min: 0.5, max: 1.5, palette: palettes.colorbrewer.RdBu[7]},
    'Shot nearest neighbor index per 12km pixel, 2019 to 2023', 0, opac)

// View several GEDI vegetation structure metrics at 12km 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_12k_19to23 = ee.Image(
    'LARSE/GEDI/GRIDDEDVEG_002/V1/12KM/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 12km pixel.
// More shots generally yield more accurate estimates of the aggregation
// statistics (different bands)
var i_rh98_12k_19to23_med = i_rh98_12k_19to23.select('median')
var rh98_pal = palettes.crameri.bamako[10].reverse()
Map.addLayer(
    i_rh98_12k_19to23_med.updateMask(i_rh98_12k_19to23_med.gte(3).and(
        i_rh98_12k_19to23.select('countf').gte(10))),
    {min: 3, max: 40, palette: rh98_pal},
    'Median RH98 per 12km pixel, 2019 to 2023', 1, opac)
// Standard deviation of RH98 per 12km pixel. Captures variability of GEDI
// measurements and vegetation heterogeneity
Map.addLayer(
    i_rh98_12k_19to23.select('sd').updateMask(i_rh98_12k_19to23_med.gte(3).and(
        i_rh98_12k_19to23.select('countf').gte(10))),
    {min: 2, max: 20, palette: palettes.cmocean.Curl[7]},
    'SD of RH98 per 12km pixel, 2019 to 2023', 0, opac)
// Foliage height diversity of the 1m vertical Plant Area Index (PAI) profile
var i_fhd_12k_19to23 = ee.Image(
    'LARSE/GEDI/GRIDDEDVEG_002/V1/12KM/gediv002_fhd-pai-1m-a0_vf_20190417_20230316')
Map.addLayer(
    i_fhd_12k_19to23.select('median').updateMask(
        i_rh98_12k_19to23_med.gte(3).and(
            i_rh98_12k_19to23.select('countf').gte(10))),
    {min: 1.2, max: 3.2, palette: palettes.matplotlib.viridis[7].reverse()},
    'Median FHD per 12km 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/V1/12KM/gediv002_pavd-max-h_vf_20190417_20230316')
Map.addLayer(
    i_pavdmaxh_19to23.select('mean').updateMask(
        i_rh98_12k_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)
Apri nell'editor di codice