- ডেটাসেটের প্রাপ্যতা
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- ডেটাসেট প্রযোজক
- রাস্টারাইজেশন: গুগল এবং ইউএসএফএস ল্যাবরেটরি ফর অ্যাপ্লিকেশনস অফ রিমোট সেন্সিং ইন ইকোলজি (লার্স)
- ডেটাসেট প্রসেসর
- গ্রিডযুক্ত GEDI উদ্ভিদের কাঠামোগত মেট্রিক্স এবং বায়োমাস ঘনত্ব
- ট্যাগ
বর্ণনা
এই ডেটাসেটটিতে ২৫-মিটার ব্যাসের লিডার ফুটপ্রিন্টের সাথে সম্পর্কিত নাসা গ্লোবাল ইকোসিস্টেম ডাইনামিক্স ইনভেস্টিগেশন (জিইডিআই) লেভেল ২ এবং ৪এ প্রোডাক্ট থেকে প্রাপ্ত প্রায়-বৈশ্বিক, বিশ্লেষণ-উপযোগী, বহু-রেজোলিউশনের গ্রিডযুক্ত উদ্ভিদের কাঠামোগত মেট্রিকস রয়েছে। এই ডেটাসেটটি শুধুমাত্র জিইডিআই লিডারের উপর ভিত্তি করে এবং স্বাধীন ডেটা দ্বারা যাচাইকৃত, সম্পূর্ণ উল্লম্ব প্রোফাইলকে অন্তর্ভুক্ত করে প্রায়-বৈশ্বিক উদ্ভিদের কাঠামোর একটি ব্যাপক চিত্র প্রদান করে।
আন্তর্জাতিক মহাকাশ স্টেশন (আইএসএস)-এ স্থাপিত জিইডিআই সেন্সরটি, ভূপৃষ্ঠে প্রায় ৫২ ডিগ্রি উত্তর ও দক্ষিণ অক্ষাংশের মধ্যে ভূমির উচ্চতা এবং উদ্ভিদের গঠন পরিমাপ করার জন্য, ট্র্যাক বরাবর ৬০ মিটার এবং আড়াআড়িভাবে ৬০০ মিটার ব্যবধানে আটটি লেজার রশ্মি ব্যবহার করে। ২০১৯ সালের ১৭ই এপ্রিল থেকে ২০২৩ সালের ১৬ই মার্চের মধ্যে, জিইডিআই যথাক্রমে ভূমির উচ্চতা এবং উদ্ভিদের গঠন পরিমাপের জন্য উপযুক্ত ১১ বিলিয়ন এবং ৭.৭ বিলিয়ন উন্নত মানের ওয়েভফর্ম সংগ্রহ করেছে।
অনেকগুলো প্রচলিত L2 এবং L4A শট মেট্রিকের পাশাপাশি আরও বেশ কিছু অতিরিক্ত মেট্রিক তৈরি করা হয়েছে, যা ভূ-ব্যবস্থা মডেলে কার্বন ও জলচক্র প্রক্রিয়ার প্রয়োগ, সেইসাথে বন ব্যবস্থাপনা, জীববৈচিত্র্য মডেলিং এবং বাসস্থান মূল্যায়নের ক্ষেত্রে বিশেষভাবে উপযোগী হতে পারে। চলকগুলোর মধ্যে রয়েছে ক্যানোপি উচ্চতা, ক্যানোপি আচ্ছাদন, উদ্ভিদ এলাকা সূচক, পত্র উচ্চতা বৈচিত্র্য এবং ৫ মিটার স্তরে উদ্ভিদ এলাকা আয়তন ঘনত্ব। আরও তথ্যের জন্য গ্রিডেড জিইডিআই উদ্ভিজ্জ কাঠামো মেট্রিক এবং বায়োমাস ঘনত্ব দেখুন।
প্রতিটি GEDI শট মেট্রিকের জন্য আটটি পরিসংখ্যান অন্তর্ভুক্ত করা হয়েছে: গড়, গড়ের বুটস্ট্র্যাপড স্ট্যান্ডার্ড এরর, মধ্যক, স্ট্যান্ডার্ড ডেভিয়েশন, ইন্টারকোয়ার্টাইল রেঞ্জ, ৯৫তম পার্সেন্টাইল, শ্যাননের ডাইভারসিটি ইনডেক্স এবং শট কাউন্ট। GEDI L4B গ্রিডেড অ্যাবাভগ্রাউন্ড বায়োমাস ডেনসিটি, ভার্সন ২.১-এর সাথে সামঞ্জস্যপূর্ণ কোয়ালিটি শট ফিল্টারিং পদ্ধতি ব্যবহার করা হয়েছে। সংশ্লিষ্ট GEDI L3 ডেটাসেটের তুলনায়, এই ডেটাসেটটি একাধিক স্থানিক রেজোলিউশনে এবং বিভিন্ন সময়কাল ধরে (বার্ষিক এবং সম্পূর্ণ মিশন সময়কাল) অতিরিক্ত গ্রিডেড মেট্রিক সরবরাহ করে।
এই ডেটাসেটটি তিনটি স্থানিক রেজোলিউশনে (১ কিমি, ৬ কিমি এবং ১২ কিমি) রাস্টার গ্রিডে একত্রিত GEDI শট মেট্রিক্স প্রদান করে। এই ডেটাসেটটি কাউন্টস মেট্রিক্সের জন্য ৬ কিমি পিক্সেল সাইজ ব্যবহার করে।
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ৬০০০ মিটার (সকল ব্যান্ড)
| নাম | পিক্সেল আকার | বর্ণনা |
|---|---|---|
shots_count | ৬০০০ মিটার | শটের সংখ্যা। এই লেয়ারে একটি শট গণনা করার জন্য নিম্নলিখিত ফিল্ডগুলি বৈধ হতে হবে: দ্রাঘিমাংশ, অক্ষাংশ, সর্বনিম্ন মোডের উচ্চতা, দশমিক তারিখ এবং কক্ষপথ। |
orbits_uniq | ৬০০০ মিটার | স্বতন্ত্র কক্ষপথের সংখ্যা। |
tracks_uniq | ৬০০০ মিটার | স্বতন্ত্র ট্র্যাকের সংখ্যা। একটি ট্র্যাক হলো অরবিট এবং বিমের সমন্বয়। |
shots_nni | ৬০০০ মিটার | নিকটতম প্রতিবেশী সূচক (ইভান্স এট আল. ২০২৩)। |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
এই ডেটাসেটটি পাবলিক ডোমেইনের অন্তর্ভুক্ত এবং এর ব্যবহার ও বিতরণে কোনো বিধিনিষেধ নেই। অতিরিক্ত তথ্যের জন্য নাসার ভূ-বিজ্ঞান ডেটা ও তথ্য নীতি দেখুন।
উদ্ধৃতি
বার্নস, পি., হ্যাকেনবার্গ, সিআর এবং গোয়েটজ, এসজে জিইডিআই থেকে প্রাপ্ত উদ্ভিদের কাঠামোর বহু-রেজোলিউশন গ্রিডযুক্ত মানচিত্র। সাইন্স ডেটা 11, 881 (2024)। doi:10.1038/s41597-024-03668-4
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
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)