- در دسترس بودن مجموعه دادهها
- ۲۰۱۹-۰۴-۱۷T۰۰:۰۰:۰۰Z–۲۰۲۳-۰۳-۱۶T۰۰:۰۰:۰۰Z
- تولیدکننده مجموعه داده
- رسترسازی: گوگل و آزمایشگاه USFS برای کاربردهای سنجش از دور در بومشناسی (LARSE)
- پردازنده مجموعه داده
- معیارهای ساختار پوشش گیاهی و تراکم زیست توده GEDI شبکه بندی شده
- برچسبها
توضیحات
این مجموعه دادهها شامل معیارهای ساختار پوشش گیاهی شبکهبندی شده تقریباً جهانی، آماده برای تجزیه و تحلیل، با وضوح چندگانه و مشتق شده از محصولات سطح 2 و 4A از پروژه بررسی دینامیک اکوسیستم جهانی ناسا (GEDI) مرتبط با ردپاهای لیدار با قطر 25 متر است. این مجموعه دادهها، نمایش جامعی از ساختار پوشش گیاهی تقریباً جهانی را ارائه میدهد که شامل کل پروفیل عمودی است و صرفاً بر اساس لیدار GEDI ساخته شده و با دادههای مستقل اعتبارسنجی شده است.
حسگر GEDI که بر روی ایستگاه فضایی بینالمللی (ISS) نصب شده است، از هشت پرتو لیزر با فاصله ۶۰ متر در امتداد مسیر و ۶۰۰ متر در عرض مسیر بر روی سطح زمین برای اندازهگیری ارتفاع زمین و ساختار پوشش گیاهی بین تقریباً ۵۲ درجه عرض جغرافیایی شمالی و جنوبی استفاده میکند. بین ۱۷ آوریل ۲۰۱۹ و ۱۶ مارس ۲۰۲۳، GEDI به ترتیب ۱۱ و ۷.۷ میلیارد شکل موج با کیفیت مناسب برای اندازهگیری ارتفاع زمین و ساختار پوشش گیاهی دریافت کرد.
علاوه بر بسیاری از معیارهای استاندارد L2 و L4A، چندین معیار اضافی نیز استخراج شدهاند که میتوانند به ویژه برای کاربردهایی در فرآیندهای چرخه کربن و آب در مدلهای سیستم زمین و همچنین مدیریت جنگل، مدلسازی تنوع زیستی و ارزیابی زیستگاه مفید باشند. متغیرها شامل ارتفاع تاج پوشش، پوشش تاجی، شاخص سطح گیاه، تنوع ارتفاع شاخ و برگ و تراکم حجم سطح گیاه در لایههای ۵ متری هستند. برای اطلاعات بیشتر به معیارهای ساختار پوشش گیاهی و تراکم زیست توده Gridded GEDI مراجعه کنید.
هشت آماره برای هر معیار شات GEDI گنجانده شده است: میانگین، خطای استاندارد بوتاسترپ شده میانگین، میانه، انحراف معیار، دامنه بین چارکی، صدک ۹۵، شاخص تنوع شانون و تعداد شات. از روش فیلترینگ شات با کیفیت که با چگالی زیست توده بالای زمین شبکهبندی شده GEDI L4B، نسخه ۲.۱ همسو است، استفاده شد. در مقایسه با مجموعه داده GEDI L3 مربوطه، این مجموعه داده معیارهای شبکهبندی شده اضافی را در چندین وضوح مکانی و در چندین دوره زمانی (سالانه و کل مدت ماموریت) ارائه میدهد.
این مجموعه داده، معیارهای شات GEDI را که در شبکههای رستری با سه وضوح مکانی ۱ کیلومتر، ۶ کیلومتر و ۱۲ کیلومتر تجمیع شدهاند، ارائه میدهد. این مجموعه داده از اندازه پیکسل ۱۲ کیلومتر استفاده میکند.
باندها
اندازه پیکسل
۱۲۰۰۰ متر
باندها
| نام | اندازه پیکسل | توضیحات |
|---|---|---|
mean | متر | میانگین مقادیر متریک شات GEDI در یک پیکسل |
meanbse | متر | خطای استاندارد میانگین با استفاده از نمونهگیری مجدد بوتاسترپ محاسبه شد. ۱۰۰ نمونه بوتاسترپ ایجاد شد؛ هر نمونه شامل ۷۰٪ از شاتها بود که به صورت تصادفی انتخاب شده بودند. خطای استاندارد با استفاده از میانگین نمونههای بوتاسترپ محاسبه شد. (فقط زمانی محاسبه میشود که حداقل ۱۰ شات GEDI در سلول شبکه وجود داشته باشد.) |
median | متر | مقدار میانه (صدک پنجاهم) مقادیر متریک شات GEDI در یک پیکسل. |
sd | متر | انحراف معیار مقادیر متریک شات GEDI در یک پیکسل. |
iqr | متر | محدوده بین چارکی (75 صدک منهای 25 صدک) مقادیر متریک شات GEDI در یک پیکسل. |
p95 | متر | مقدار صدک نود و پنجم مقادیر متریک شات GEDI در یک پیکسل. |
shan | متر | شاخص تنوع شانون (H) از مقادیر متریک شات GEDI در یک پیکسل. به صورت زیر محاسبه میشود: -1 (sum(p log(p))) که در آن p نسبت مقادیر شات GEDI در هر دسته است. |
countf | متر | تعداد مقادیر متریک شات GEDI در یک پیکسل. از یک زیرشبکه 30 متری برای انتخاب اولین شات GEDI (از نظر زمانی) به دست آمده در هر سلول زیرشبکه 30 متری استفاده شد. |
شرایط استفاده
شرایط استفاده
این مجموعه دادهها در مالکیت عمومی است و بدون محدودیت در استفاده و توزیع در دسترس است. برای اطلاعات بیشتر به سیاست دادهها و اطلاعات علوم زمین ناسا مراجعه کنید.
نقل قولها
برنز، پ.، هاکنبرگ، سی آر و گوتز، اس جی نقشههای شبکهای چندوضوحی از ساختار پوشش گیاهی از GEDI. Sci Data 11، 881 (2024). doi:10.1038/s41597-024-03668-4
با موتور زمین کاوش کنید
ویرایشگر کد (جاوااسکریپت)
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)