此页面由 Cloud Translation API 翻译。

Gridded GEDI Vegetation Structure Metrics and Biomass Density, 1KM pixel size

数据集可用性: 2019-04-17T00:00:00Z–2023-03-16T00:00:00Z
数据集提供程序: 栅格化：Google 和美国林业局生态遥感应用实验室 (LARSE) 网格化 GEDI 植被结构指标和生物量密度
Earth Engine 代码段: ee.ImageCollection("LARSE/GEDI/GRIDDEDVEG_002/V1/1KM")

标签: 生物量冠层森林 gedi larse lidar nasa 植被

说明

此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可供分析的近乎全球范围的多分辨率网格化植被结构指标。此数据集仅基于 GEDI 激光测距仪，并使用独立数据进行验证，可全面呈现涵盖整个垂直剖面且近乎全球的植被结构。

安装在国际空间站 (ISS) 上的 GEDI 传感器使用八束激光束，在地球表面上沿轨道间隔 60 米，横向间隔 600 米，测量大约 52 度北纬和南纬之间的地面海拔和植被结构。在 2019 年 4 月 17 日至 2023 年 3 月 16 日期间，GEDI 分别获取了 110 亿个和 770 亿个质量良好的波形，这些波形分别适用于测量地面海拔和植被结构。

除了许多标准的 L2 和 L4A 镜头指标之外，我们还派生出其他一些指标，这些指标对于地球系统模型中的碳和水循环过程以及森林管理、生物多样性建模和栖息地评估中的应用可能特别有用。变量包括冠层高度、冠层覆盖率、植被面积指数、叶冠高度多样性，以及 5 米层位的植被面积体积密度。如需了解详情，请参阅网格化 GEDI 植被结构指标和生物量密度。

每个 GEDI 镜头指标都包含 8 项统计信息：平均值、基于自助抽样的平均值标准误差、中位数、标准差、四分位范围、第 95 个百分位数、Shannon 多样性指数和镜头数。使用了与 GEDI L4B 网格化地上生物量密度版本 2.1 一致的质量画面过滤方法。与相应的 GEDI L3 数据集相比，此数据集在多个空间分辨率和多个时间段（每年和整个任务期间）提供了额外的网格化指标。

此数据集提供以 1 公里、6 公里和 12 公里三个空间分辨率汇总为栅格网格的 GEDI 射击指标。此数据集使用 1 公里的像素大小。

频段

像素大小
1,000 米

乐队

名称	说明
`mean`	像素内 GEDI 照片指标值的平均值
`meanbse`	使用自助抽样法计算的均值标准误差。创建了 100 个引导样本；每个样本包含 70% 的随机选取的镜头。标准误差是使用自举例样本的均值计算得出的。（仅在网格单元格中至少有 10 张 GEDI 拍摄的照片时才会计算。）
`median`	像素内 GEDI 照片指标值的中位数（第 50 百分位数）。
`sd`	像素内 GEDI 照片指标值的标准差。
`iqr`	像素内 GEDI 拍摄指标值的中位数范围（第 75 个百分位数减去第 25 个百分位数）。
`p95`	像素内 GEDI 拍摄指标值的第 95 个百分位数值。
`shan`	像素内 GEDI 镜头指标值的 Shannon 多样性指数 (H)。计算公式为：-1(sum(plog(p)))，其中 p 是每个 bin 的 GEDI 镜头值所占的比例。
`countf`	像素内 GEDI 照片指标值的计数。我们使用 30 米的子网格来选择每个 30 米子网格单元中获取的（时间上）第一个 GEDI 图像。

使用条款

使用条款

此数据集属于公共领域，可供使用和分发，不受限制。如需了解详情，请参阅 NASA 的地球科学数据和信息政策。

引用

Burns, P., Hakkenberg, C.R. & Goetz, S.J. GEDI 植被结构多分辨率网格图。Sci Data 11, 881 (2024). doi:10.1038/s41597-024-03668-4

使用 Earth Engine 进行探索

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)

在代码编辑器中打开

网格化 GEDI 植被结构指标和生物量密度，像素大小为 1 千米

此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可供分析的近乎全球多分辨率网格化植被结构指标。此数据集仅基于卫星数据，全面呈现了涵盖整个垂直剖面且近乎全球的植被结构。

LARSE/GEDI/GRIDDEDVEG_002/V1/1KM, biomass,canopy,forest,gedi,larse,lidar,nasa,vegetation

2019-04-17T00:00:00Z/2023-03-16T00:00:00Z

-52 -180 52 180

Google Earth Engine

https://developers.google.com/earth-engine/datasets