- ความพร้อมใช้งานของชุดข้อมูล
- 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
- ผู้ให้บริการชุดข้อมูล
- การแรสเตอร์: Google และห้องปฏิบัติการ USFS สำหรับการประยุกต์ใช้การสำรวจระยะไกลในระบบนิเวศ (LARSE) เมตริกโครงสร้างพืชและค่าความหนาแน่นของมวลชีวภาพ GEDI แบบกริด
- แท็ก
คำอธิบาย
ชุดข้อมูลนี้ประกอบด้วยเมตริกโครงสร้างพืชแบบกริดหลายความละเอียดที่พร้อมสำหรับการวิเคราะห์และครอบคลุมเกือบทั่วโลก ซึ่งได้มาจากผลิตภัณฑ์ระดับ 2 และ 4A ของ NASA Global Ecosystem Dynamics Investigation (GEDI) ที่เชื่อมโยงกับรอยเท้าของ Lidar ที่มีเส้นผ่านศูนย์กลาง 25 ม. ชุดข้อมูลนี้แสดงโครงสร้างพืชพรรณเกือบทั่วโลกอย่างครอบคลุม ซึ่งรวมถึงโปรไฟล์แนวตั้งทั้งหมด โดยอิงตาม Lidar ของ GEDI เท่านั้น และได้รับการตรวจสอบด้วยข้อมูลอิสระ
เซ็นเซอร์ GEDI ซึ่งติดตั้งบนสถานีอวกาศนานาชาติ (ISS) ใช้ลำแสงเลเซอร์ 8 ลำที่เว้นระยะห่าง 60 ม. ตามแนววิถีและ 600 ม. ขวางแนววิถีบนพื้นผิวโลกเพื่อวัดระดับความสูงของพื้นดินและโครงสร้างพืชพรรณระหว่างละติจูดเหนือและใต้ประมาณ 52 องศา ระหว่างวันที่ 17 เมษายน 2019 ถึงวันที่ 16 มีนาคม 2023 GEDI ได้รับรูปคลื่นคุณภาพ 11 และ 7.7 พันล้านรูปคลื่นที่เหมาะสำหรับการวัดระดับความสูงของพื้นดินและโครงสร้างพืชตามลำดับ
นอกจากเมตริกการยิง L2 และ L4A มาตรฐานหลายรายการแล้ว เรายังได้เมตริกเพิ่มเติมอีกหลายรายการ ซึ่งอาจมีประโยชน์อย่างยิ่งสําหรับ การใช้งานในกระบวนการหมุนเวียนคาร์บอนและน้ำในโมเดลระบบโลก รวมถึงการจัดการป่าไม้ การสร้างโมเดลความหลากหลายทางชีวภาพ และการประเมินที่อยู่อาศัย ตัวแปร ได้แก่ ความสูงของเรือนยอด ความครอบคลุมของเรือนยอด ดัชนีพื้นที่พืช ความหลากหลายของความสูงของใบไม้ และความหนาแน่นของปริมาตรพื้นที่พืชที่ระดับ 5 เมตร ดูข้อมูลเพิ่มเติมได้ที่ เมตริกโครงสร้างพืชพรรณและค่าความหนาแน่นของมวลชีวภาพของ GEDI แบบกริด
สถิติ 8 รายการจะรวมอยู่ในเมตริกการยิง GEDI แต่ละรายการ ได้แก่ ค่าเฉลี่ย ความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ยที่ได้จากการทำ Bootstrap ค่ามัธยฐาน ค่าเบี่ยงเบนมาตรฐาน ช่วงระหว่างควอไทล์ เปอร์เซ็นไทล์ที่ 95 ดัชนีความหลากหลายของ Shannon และจำนวนการยิง เราใช้วิธีการกรองภาพที่มีคุณภาพซึ่งสอดคล้องกับความหนาแน่นของมวลชีวภาพเหนือพื้นดินแบบกริด L4B ของ GEDI เวอร์ชัน 2.1 เมื่อเทียบกับชุดข้อมูล GEDI L3 ที่เกี่ยวข้อง ชุดข้อมูลนี้มีเมตริกแบบกริดเพิ่มเติมที่ความละเอียดเชิงพื้นที่หลายระดับและในช่วงเวลาต่างๆ (รายปีและระยะเวลาภารกิจทั้งหมด)
ชุดข้อมูลนี้มีเมตริกการยิงของ GEDI ที่รวบรวมไว้ในตารางกริดแบบแรสเตอร์ที่ ความละเอียดเชิงพื้นที่ 3 ระดับ ได้แก่ 1 กม., 6 กม. และ 12 กม. ชุดข้อมูลนี้ใช้ขนาดพิกเซล 6 กม.
ย่านความถี่
ขนาดพิกเซล
6000 เมตร
ย่านความถี่
| ชื่อ | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|
mean |
เมตร | ค่าเฉลี่ยของค่าเมตริกการยิง GEDI ภายในพิกเซล |
meanbse |
เมตร | ข้อผิดพลาดมาตรฐานของค่าเฉลี่ยที่คำนวณโดยใช้การสุ่มตัวอย่างซ้ำแบบ Bootstrap เราสร้างตัวอย่างการเริ่มต้น 100 รายการ โดยแต่ละตัวอย่างมีช็อต 70% ที่เลือกแบบสุ่ม ข้อผิดพลาดมาตรฐานคำนวณโดยใช้ค่าเฉลี่ยของ ตัวอย่างที่ทำการสุ่มตัวอย่างซ้ำ (คำนวณเมื่อมีภาพ GEDI อย่างน้อย 10 ภาพในเซลล์กริดเท่านั้น) |
median |
เมตร | ค่ามัธยฐาน (เปอร์เซ็นไทล์ที่ 50) ของค่าเมตริกการยิง GEDI ภายในพิกเซล |
sd |
เมตร | ส่วนเบี่ยงเบนมาตรฐานของค่าเมตริกการยิง GEDI ภายในพิกเซล |
iqr |
เมตร | ช่วงควอไทล์ (เปอร์เซ็นไทล์ที่ 75 ลบด้วยเปอร์เซ็นไทล์ที่ 25) ของค่าเมตริก GEDI shot ภายในพิกเซล |
p95 |
เมตร | ค่าเปอร์เซ็นไทล์ที่ 95 ของค่าเมตริกการยิง GEDI ภายในพิกเซล |
shan |
เมตร | ดัชนีความหลากหลายของ Shannon (H) ของค่าเมตริกการยิง GEDI ภายในพิกเซล คำนวณเป็น -1(sum(plog(p))) โดยที่ p คือสัดส่วนของ ค่าการยิง GEDI ต่อถัง |
countf |
เมตร | จำนวนค่าเมตริกการยิง GEDI ภายในพิกเซล ใช้ตารางย่อยขนาด 30 ม. เพื่อเลือกช็อต GEDI แรก (ตามเวลา) ที่ได้มาในแต่ละเซลล์ตารางย่อยขนาด 30 ม. |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
ชุดข้อมูลนี้เป็นสาธารณสมบัติและพร้อมใช้งาน โดยไม่มีข้อจำกัดในการใช้งานและการเผยแพร่ ดูข้อมูลเพิ่มเติมได้ที่นโยบายข้อมูลและสารสนเทศด้านวิทยาศาสตร์โลกของ NASA
การอ้างอิง
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
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (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)