- זמינות קבוצת הנתונים
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- יוצר מערך הנתונים
- Rasterization: Google and USFS Laboratory for Applications of Remote Sensing in Ecology (LARSE) Google Earth Engine
- מעבד מערכי נתונים
- Gridded GEDI Vegetation Structure Metrics and Biomass Density
- תגים
תיאור
קבוצת הנתונים הזו מורכבת ממדדים של מבנה הצמחייה על גבי רשת, ברזולוציות שונות, שמוכנים לניתוח ומתייחסים לאזורים כמעט בכל העולם. המדדים האלה נגזרים ממוצרי רמה 2 ו-4A של NASA Global Ecosystem Dynamics Investigation (חקירת הדינמיקה של מערכות אקולוגיות גלובליות – GEDI) שמשויכים לטביעות רגל של נתוני LiDAR בקוטר של 25 מטרים. קבוצת הנתונים הזו מספקת ייצוג מקיף של מבנה הצמחייה כמעט בכל העולם, כולל הפרופיל האנכי כולו, על סמך נתוני GEDI lidar בלבד, והיא אומתה באמצעות נתונים עצמאיים.
חיישן ה-GEDI, שמורכב על תחנת החלל הבינלאומית (ISS), משתמש בשמונה קרני לייזר במרווחים של 60 מ' לאורך המסלול ו-600 מ' לרוחב המסלול על פני כדור הארץ כדי למדוד את גובה הקרקע ואת מבנה הצמחייה בין קווי הרוחב 52 צפון ו-52 דרום בערך. בין 17 באפריל 2019 ל-16 במרץ 2023, נאספו נתונים של 11 מיליארד גלי צורה באיכות מתאימה למדידת גובה הקרקע ו-7.7 מיליארד גלי צורה באיכות מתאימה למדידת מבנה הצמחייה.
בנוסף להרבה ממדדי הצילום הסטנדרטיים ברמה 2 וברמה 4A, נגזרו כמה מדדים נוספים שעשויים להיות שימושיים במיוחד ליישומים בתהליכי מחזור פחמן ומים במודלים של מערכת כדור הארץ, וגם לניהול יערות, למודלים של מגוון ביולוגי ולהערכת בתי גידול. המשתנים כוללים גובה חופת הצמרת, כיסוי חופת הצמרת, מדד שטח הצמח, מגוון גבהים של עלים וצפיפות נפח שטח הצמח בשכבות של 5 מ'. מידע נוסף זמין במאמר בנושא מדדים של מבנה צמחייה וצפיפות ביומסה ב-GEDI.
כל מדד של צילום GEDI כולל שמונה נתונים סטטיסטיים: ממוצע, סטיית תקן של הממוצע (bootstrapped), חציון, סטיית תקן, טווח בין-רבעוני, אחוזון 95, מדד המגוון של שאנון וספירת הצילומים. השתמשנו במתודולוגיה לסינון צילומים באיכות גבוהה שתואמת ל-GEDI L4B Gridded Aboveground Biomass Density, Version 2.1. בהשוואה לקבוצת הנתונים התואמת GEDI L3, קבוצת הנתונים הזו מספקת מדדים נוספים על גבי רשת בכמה רזולוציות מרחביות ועל פני כמה תקופות זמן (שנתיות ומשך המשימה המלא).
קבוצת הנתונים הזו מספקת מדדים של צילומי GEDI שמצטברים ברשתות רסטר בשלוש רזולוציות מרחביות: 1 ק"מ, 6 ק"מ ו-12 ק"מ. קבוצת הנתונים הזו משתמשת בגודל פיקסל של 6 ק"מ.
תחום תדרים
גודל הפיקסל
6,000 מטרים
תחום תדרים
| שם | גודל הפיקסל | תיאור |
|---|---|---|
mean |
מטרים | הממוצע של ערכי המדדים של GEDI shot בתוך פיקסל |
meanbse |
מטרים | שגיאת התקן של הממוצע שמחושבת באמצעות דגימה חוזרת של bootstrap. נוצרו 100 דגימות bootstrap. כל דגימה כללה 70% מהסצנות שנבחרו באופן אקראי. השגיאה הרגילה חושבה באמצעות הממוצעים של מדגמים חוזרים. (החישוב מתבצע רק אם יש לפחות 10 תמונות GEDI בתא הרשת). |
median |
מטרים | ערך החציון (אחוזון 50) של ערכי המדד של צילום GEDI בתוך פיקסל. |
sd |
מטרים | סטיית התקן של ערכי המדדים של צילומי GEDI בתוך פיקסל. |
iqr |
מטרים | הטווח הבין-רבעוני (ההפרש בין האחוזון ה-75 לאחוזון ה-25) של ערכי המדדים של צילומי GEDI בתוך פיקסל. |
p95 |
מטרים | הערך באחוזון ה-95 של ערכי המדד של צילומי GEDI בפיקסל. |
shan |
מטרים | מדד השונות של שאנון (H) של ערכי מדדים של צילומי GEDI בתוך פיקסל. החישוב הוא: -1(sum(plog(p))), כאשר p הוא החלק היחסי של ערכי הצילום של GEDI בכל תא. |
countf |
מטרים | מספר הערכים של מדד GEDI shot בפיקסל. נעשה שימוש ברשת משנה בגודל 30 מ' כדי לבחור את מדידת ה-GEDI הראשונה (בזמן) שהתקבלה בכל תא ברשת המשנה בגודל 30 מ'. |
תנאים והגבלות
תנאים והגבלות
קבוצת הנתונים הזו היא נחלת הכלל וניתן להשתמש בה ולהפיץ אותה ללא הגבלה. מידע נוסף ניתן למצוא במדיניות של NASA בנושא נתונים ומידע שקשורים למדעי כדור הארץ.
ציטוטים ביבליוגרפיים
Burns, P., Hakkenberg, C.R. & Goetz, S.J. Multi-resolution gridded maps of<x0A>vegetation structure from GEDI. Sci Data 11, 881 (2024). doi:10.1038/s41597-024-03668-4
סיור עם פלטפורמת Earth Engine
Code Editor (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)