- مدى توفّر مجموعة البيانات
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- الجهة المنتجة لمجموعة البيانات
- التحويل إلى تنسيق نقطي: Google وUSFS Laboratory for Applications of Remote Sensing in Ecology (LARSE)
- معالج مجموعة البيانات
- مقاييس بنية الغطاء النباتي والكثافة الحيوية في شبكة GEDI
- العلامات
الوصف
تتألف مجموعة البيانات هذه من مقاييس بنية نباتية شبكية متعددة الدقة وجاهزة للتحليل وشبه عالمية، وهي مستمدّة من منتجات المستوى 2 و4A الخاصة بمشروع NASA Global Ecosystem Dynamics Investigation (GEDI) والمرتبطة ببصمات أقدام الليدار بقطر 25 مترًا. تقدّم مجموعة البيانات هذه تمثيلاً شاملاً لبنية الغطاء النباتي شبه العالمي، يشمل جميع الأبعاد العمودية، استنادًا إلى بيانات GEDI lidar فقط، وتم التحقّق من صحتها باستخدام بيانات مستقلة.
يستخدم مستشعر GEDI، المثبّت على محطة الفضاء الدولية (ISS)، ثمانية أشعة ليزر تفصل بينها مسافة 60 مترًا على طول المسار و600 متر على طول المسار العرضي على سطح الأرض لقياس ارتفاع الأرض وبنية الغطاء النباتي بين 52 درجة شمالاً وجنوبًا تقريبًا. في الفترة بين 17 أبريل 2019 و16 مارس 2023، حصلت GEDI على 11 و7.7 مليار شكل موجي عالي الجودة مناسب لقياس ارتفاع الأرض وبنية الغطاء النباتي على التوالي.
بالإضافة إلى العديد من مقاييس اللقطات العادية من المستوى 2 والمستوى 4A، تم استخلاص العديد من المقاييس الإضافية التي قد تكون مفيدة بشكل خاص للتطبيقات في عمليات دورات الكربون والمياه في نماذج نظام الأرض، فضلاً عن إدارة الغابات ونمذجة التنوع البيولوجي وتقييم الموائل. تشمل المتغيرات ارتفاع المظلة، والغطاء النباتي، ومؤشر مساحة النبات، وتنوّع ارتفاع أوراق الشجر، وكثافة حجم مساحة النبات في طبقات 5 أمتار. لمزيد من المعلومات، راجِع Gridded GEDI Vegetation Structure Metrics and Biomass Density.
تتضمّن كل مقياس من مقاييس GEDI ثماني إحصاءات: المتوسط، والخطأ المعياري للمتوسط الذي تمّت إعادة تشكيله، والوسيط، والانحراف المعياري، والمدى الربيعي، والنسبة المئوية الخامسة والتسعون، ومؤشر تنوّع شانون، وعدد اللقطات. تم استخدام منهجية فلترة اللقطات عالية الجودة التي تتوافق مع GEDI L4B Gridded Aboveground Biomass Density، الإصدار 2.1. بالمقارنة مع مجموعة بيانات GEDI L3 المقابلة، توفّر مجموعة البيانات هذه مقاييس إضافية مترابطة بدقة مكانية متعدّدة وعلى مدار فترات زمنية متعدّدة (سنوية ومدة المهمة الكاملة).
تقدّم مجموعة البيانات هذه مقاييس GEDI مجمّعة في شبكات نقطية بدقة مكانية تبلغ 1 و6 و12 كيلومترًا. وتستخدم مجموعة البيانات هذه حجم البكسل البالغ 12 كيلومترًا.
النطاقات
حجم البكسل
12000 متر
النطاقات
| الاسم | حجم البكسل | الوصف |
|---|---|---|
mean |
متر | متوسط قيم مقاييس اللقطات في GEDI ضمن البكسل |
meanbse |
متر | الخطأ المعياري للمتوسط الذي يتم احتسابه باستخدام إعادة أخذ العينات بطريقة Bootstrap تم إنشاء 100 عينة تمهيدية، وتضمّنت كل عينة% 70 من اللقطات التي تم اختيارها عشوائيًا. تم احتساب الخطأ المعياري باستخدام متوسطات العيّنات التي تم الحصول عليها من خلال إعادة أخذ العيّنات. (يتم احتسابها فقط عندما يكون هناك 10 لقطات GEDI على الأقل في خلية الشبكة). |
median |
متر | تمثّل هذه السمة القيمة المتوسطة (الشريحة المئوية الـ 50) لقيم مقاييس لقطات GEDI ضمن بكسل واحد. |
sd |
متر | الانحراف المعياري لقيم مقاييس لقطات GEDI ضمن بكسل واحد |
iqr |
متر | نطاق الأرباع (الشريحة المئوية الـ 75 ناقص الشريحة المئوية الـ 25) لقيم مقياس GEDI shot ضمن البكسل |
p95 |
متر | تمثّل هذه السمة قيمة الشريحة المئوية الـ 95 لقيم مقاييس اللقطات في GEDI ضمن البكسل. |
shan |
متر | مؤشر تنوّع شانون (H) لقيم مقاييس لقطات GEDI ضمن بكسل واحد يتم احتسابها على النحو التالي:-1(sum(plog(p))) حيث p هي نسبة قيم GEDI لكل فئة. |
countf |
متر | عدد قيم مقياس GEDI shot ضمن بكسل واحد تم استخدام شبكة فرعية بحجم 30 مترًا لاختيار أول لقطة GEDI تم الحصول عليها (زمنيًا) في كل خلية شبكة فرعية بحجم 30 مترًا. |
بنود الاستخدام
بنود الاستخدام
مجموعة البيانات هذه متاحة للجميع ويمكن استخدامها وتوزيعها بدون أي قيود. يمكنك الاطّلاع على سياسة وكالة ناسا بشأن بيانات ومعلومات علوم الأرض للحصول على معلومات إضافية.
الاقتباسات
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
الاستكشاف باستخدام Earth Engine
أداة تعديل الرموز (JavaScript)
var palettes = require('users/gena/packages:palettes'); // GEDI image collections at different spatial resolutions var ic_1k = ee.ImageCollection('LARSE/GEDI/GRIDDEDVEG_002/V1/1KM') var ic_6k = ee.ImageCollection('LARSE/GEDI/GRIDDEDVEG_002/V1/6KM') var ic_12k = ee.ImageCollection('LARSE/GEDI/GRIDDEDVEG_002/V1/12KM') // 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)