- ডেটাসেটের উপলভ্যতা
- ২০১৯-০৪-১৭T০০:০০:০০Z–২০২৩-০৩-১৬T০০:০০:০০Z
- ডেটাসেট প্রযোজক
- রাস্টারাইজেশন: বাস্তুবিদ্যায় রিমোট সেন্সিং প্রয়োগের জন্য গুগল এবং ইউএসএফএস ল্যাবরেটরি (LARSE)
- ডেটাসেট প্রসেসর
- গ্রিডেড GEDI উদ্ভিদ কাঠামো মেট্রিক্স এবং জৈববস্তুপুঞ্জ ঘনত্ব
- ট্যাগ
বিবরণ
এই ডেটাসেটে প্রায়-বিশ্বব্যাপী, বিশ্লেষণ-প্রস্তুত, বহু-রেজোলিউশন গ্রিডেড উদ্ভিদ কাঠামোর মেট্রিক্স রয়েছে যা NASA গ্লোবাল ইকোসিস্টেম ডায়নামিক্স ইনভেস্টিগেশন (GEDI) লেভেল 2 এবং 4A পণ্য থেকে প্রাপ্ত, যা 25-মিটার ব্যাসের লিডার পদচিহ্নের সাথে সম্পর্কিত। এই ডেটাসেটটি প্রায়-বিশ্বব্যাপী উদ্ভিদ কাঠামোর একটি বিস্তৃত প্রতিনিধিত্ব প্রদান করে যা সম্পূর্ণ উল্লম্ব প্রোফাইল সহ, শুধুমাত্র GEDI লিডারের উপর ভিত্তি করে, এবং স্বাধীন ডেটা দিয়ে যাচাই করা হয়েছে।
আন্তর্জাতিক মহাকাশ স্টেশনে (ISS) স্থাপিত GEDI সেন্সরটি, প্রায় ৫২ ডিগ্রি উত্তর ও দক্ষিণ অক্ষাংশের মধ্যে ভূমির উচ্চতা এবং উদ্ভিদ কাঠামো পরিমাপ করার জন্য পৃথিবীর পৃষ্ঠের ৬০ মিটার বরাবর ট্র্যাক এবং ৬০০ মিটার জুড়ে আটটি লেজার রশ্মি ব্যবহার করে। ১৭ এপ্রিল ২০১৯ এবং ১৬ মার্চ ২০২৩ এর মধ্যে, GEDI যথাক্রমে ভূমির উচ্চতা এবং উদ্ভিদ কাঠামো পরিমাপের জন্য উপযুক্ত ১১ এবং ৭.৭ বিলিয়ন মানের তরঙ্গরূপ অর্জন করেছে।
অনেক স্ট্যান্ডার্ড L2 এবং L4A শট মেট্রিক্স ছাড়াও, আরও বেশ কিছু অতিরিক্ত মেট্রিক্স তৈরি করা হয়েছে যা পৃথিবী ব্যবস্থার মডেলগুলিতে কার্বন এবং জল চক্রাকারে প্রয়োগের জন্য বিশেষভাবে কার্যকর হতে পারে, সেইসাথে বন ব্যবস্থাপনা, জীববৈচিত্র্য মডেলিং এবং আবাসস্থল মূল্যায়নের জন্যও। পরিবর্তনশীলগুলির মধ্যে রয়েছে ক্যানোপির উচ্চতা, ক্যানোপির আচ্ছাদন, উদ্ভিদ এলাকার সূচক, পাতার উচ্চতার বৈচিত্র্য এবং 5 মিটার স্তরে উদ্ভিদ এলাকার আয়তনের ঘনত্ব। আরও তথ্যের জন্য গ্রিডেড GEDI উদ্ভিদ কাঠামো মেট্রিক্স এবং জৈববস্তু ঘনত্ব দেখুন।
প্রতিটি GEDI শট মেট্রিকের জন্য আটটি পরিসংখ্যান অন্তর্ভুক্ত করা হয়েছে: গড়, গড় বুটস্ট্র্যাপড স্ট্যান্ডার্ড ত্রুটি, মধ্যমা, স্ট্যান্ডার্ড বিচ্যুতি, আন্তঃচতুর্থাংশ পরিসর, 95তম শতাংশ, শ্যাননের বৈচিত্র্য সূচক এবং শট গণনা। GEDI L4B গ্রিডেড অ্যাবোভগ্রাউন্ড বায়োমাস ঘনত্বের সাথে সামঞ্জস্যপূর্ণ মানসম্পন্ন শট ফিল্টারিং পদ্ধতি, সংস্করণ 2.1 ব্যবহার করা হয়েছিল। সংশ্লিষ্ট GEDI L3 ডেটাসেটের তুলনায়, এই ডেটাসেটটি একাধিক স্থানিক রেজোলিউশনে এবং বেশ কয়েকটি টেম্পোরাল পিরিয়ডে (বার্ষিক এবং সম্পূর্ণ মিশন সময়কাল) অতিরিক্ত গ্রিডেড মেট্রিক্স সরবরাহ করে।
এই ডেটাসেটটি তিনটি স্থানিক রেজোলিউশনে রাস্টার গ্রিডে একত্রিত GEDI শট মেট্রিক্স প্রদান করে: ১ কিমি, ৬ কিমি এবং ১২ কিমি। এই ডেটাসেটটি ১২ কিমি পিক্সেল আকার ব্যবহার করে।
ব্যান্ড
পিক্সেল আকার
১২০০০ মিটার
ব্যান্ড
| নাম | পিক্সেল আকার | বিবরণ |
|---|---|---|
mean | মিটার | একটি পিক্সেলের মধ্যে GEDI শট মেট্রিক মানের গড় |
meanbse | মিটার | বুটস্ট্র্যাপ রিস্যাম্পলিং ব্যবহার করে গড়ের স্ট্যান্ডার্ড ত্রুটি গণনা করা হয়েছিল। ১০০টি বুটস্ট্র্যাপ নমুনা তৈরি করা হয়েছিল; প্রতিটি নমুনায় ৭০% শট অন্তর্ভুক্ত ছিল, এলোমেলোভাবে নির্বাচিত। বুটস্ট্র্যাপ করা নমুনার মাধ্যমে স্ট্যান্ডার্ড ত্রুটি গণনা করা হয়েছিল। (শুধুমাত্র গ্রিড সেলে কমপক্ষে ১০টি GEDI শট থাকলে গণনা করা হয়েছিল।) |
median | মিটার | GEDI এর মধ্যমা মান (৫০তম শতকরা) একটি পিক্সেলের মধ্যে মেট্রিক মান শট করে। |
sd | মিটার | GEDI-এর স্ট্যান্ডার্ড ডেভিয়েশন একটি পিক্সেলের মধ্যে মেট্রিক মান শট করে। |
iqr | মিটার | GEDI এর ইন্টারকোয়ার্টাইল রেঞ্জ (৭৫ শতাংশ বিয়োগ করে ২৫তম শতাংশ) একটি পিক্সেলের মধ্যে মেট্রিক মান শট করে। |
p95 | মিটার | GEDI-এর ৯৫তম পার্সেন্টাইল মান একটি পিক্সেলের মধ্যে মেট্রিক মান শট করে। |
shan | মিটার | একটি পিক্সেলের মধ্যে GEDI শট মেট্রিক মানের শ্যাননের বৈচিত্র্য সূচক (H)। গণনা করা হয়েছে:-1 (sum(p log(p))) যেখানে p হল প্রতি বিনের GEDI শট মানের অনুপাত। |
countf | মিটার | একটি পিক্সেলের মধ্যে GEDI শট মেট্রিক মানের গণনা। প্রতিটি 30-মিটার সাব-গ্রিড কোষে অর্জিত (অস্থায়ীভাবে) প্রথম GEDI শট নির্বাচন করতে একটি 30-মিটার সাব-গ্রিড ব্যবহার করা হয়েছিল। |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
এই ডেটাসেটটি পাবলিক ডোমেইনে রয়েছে এবং ব্যবহার এবং বিতরণের কোনও সীমাবদ্ধতা ছাড়াই উপলব্ধ। অতিরিক্ত তথ্যের জন্য NASA এর আর্থ সায়েন্স ডেটা এবং তথ্য নীতি দেখুন।
উদ্ধৃতি
বার্নস, পি., হাকেনবার্গ, সিআর এবং গোয়েটজ, এসজে GEDI থেকে উদ্ভিদ কাঠামোর মাল্টি-রেজোলিউশন গ্রিডেড মানচিত্র। বিজ্ঞান তথ্য 11, 881 (2024)। doi:10.1038/s41597-024-03668-4
আর্থ ইঞ্জিনের সাহায্যে ঘুরে দেখুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
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)