本文将介绍Google Earth Engine（GEE）平台上的 GEDI L4A 栅格地上生物量密度（AGBD）数据集，该数据集包含全球生态系统动力学调查 (GEDI) 4A 级 (L4A) 第 2 版地上生物量密度（AGBD；以 Mg/ha 为单位）的预测，以及每个采样点预测值的标准误差。
GEE上存档： ee.ImageCollection(“LARSE/GEDI/GEDI04_A_002_MONTHLY”)
LARSE（Land Atmosphere Rapid Response Experiment）是一个由NASA资助的研究项目，旨在研究地球表面和大气层之间的相互作用，以及这些相互作用对气候和生态系统的影响。其中一个关键的研究领域是植被生长和水文循环。
GEDI（Global Ecosystem Dynamics Investigation）是LARSE项目的一部分，是一项由NASA发起的卫星激光雷达测量任务，旨在收集全球范围内的高分辨率三维植被数据。GEDI可以测量植被的高度、结构和生物量等信息，这些信息对于了解全球的碳循环和生态系统的健康状况非常重要。
GEDI04_A_002_MONTHLY是GEDI数据集的一个子集，它包含了GEDI卫星在2019年2月至2020年1月期间收集的植被高度和结构数据。数据集以月为时间分辨率，并提供了全球范围内的数据。该数据集的数据格式为netCDF4，其中包含了植被高度、冠层密度、地表高度和反射率等信息。这些数据可以用于分析植被生长和水文循环等问题，也可以用于建立和改进全球生态系统模型。此外，该数据集还提供了数据质量信息，方便用户评估数据的可靠性。
结果展示
图 1. 2019 年 4 月至 2019 年 7 月美国加利福尼亚州北部 GEDI Level-4A 足迹产品预测的地上生物量密度（AGBD；Mg ha-1）示例。GEDI 轨道间隔 60m，横跨 600m。
一、数据集介绍
数据特征
空间分辨率： 约 25 米
时间范围： 2019-04-17 至 2022-10-25
时间分辨率： 一次性估计
研究区域： 纬度和经度以十进制表示
| 地点 | 最西经度 | 最东经度 | 最北纬度 | 最南纬度 |
|---|---|---|---|---|
| 全球的 | -180 | 180 | 53.99333 | -52.20456 |
官方用户指南：https://daac.ornl.gov/GEDI/guides/GEDI_L4A_AGB_Density_V2_1.html
| 波段名 | 单位 | 描述 |
|---|---|---|
| AGBD | 毫克/公顷 | 预测的地上生物量密度（Mg/ha） |
| agbd_pi_lower | 毫克/公顷 | 较低的预测区间（参见 alpha 属性的级别） |
| agbd_pi_upper | 毫克/公顷 | 上预测区间（请参阅水平的 alpha 属性） |
| agbd_se | 毫克/公顷 | 地上生物量密度（Mg/ha）预测标准误差 |
| … | … | … |
此版本 2 数据集中的颗粒位于子轨道中。用于 GEDI02_A 版本 2 的算法设置组选择已针对南美洲的常绿阔叶树进行了修改，以减少因选择高于地面海拔的波形模式作为最低模式而导致的假阳性错误。这些足迹位于国际空间站 (ISS) 观测到的全球纬度带内，标称北纬和南纬 51.6 度，报告时间为 2019 年 4 月 17 日至 2022 年 10 月 25 日。GEDI 仪器由三个激光器组成，共产生八个光束地面横断面，即时采样八个 ~25 m 的足迹，沿轨道大约每 60 m 间隔一次。GEDI 波束横断面在地球表面的跨轨道方向上间隔约 600 m，跨轨道宽度约为 4.2 公里。足迹 AGBD 源自参数模型，该模型将模拟的 GEDI 2A 级 (L2A) 波形相对高度 (RH) 指标与 AGBD 的场图估计相关联。来自与来自多个区域和植物功能类型 (PFT) 的 AGBD 现场估计相关的模拟波形的高度度量被编译为代表世界区域和 PFT 组合的模型生成校准数据集（即，落叶阔叶树、常绿阔叶树、常绿针叶树、落叶针叶树以及草地、灌木和林地的组合）。
二、结果展示
三、代码
var roi = table
var qualityMask = function(im) {
return im.updateMask(im.select('l4_quality_flag').eq(1))
.updateMask(im.select('degrade_flag').eq(0));
};
var dataset = ee.ImageCollection('LARSE/GEDI/GEDI04_A_002_MONTHLY')
.map(qualityMask)
.select('agbd')
.mean()
.clip(roi);
var gediVis = {
min: 1,
max: 60,
palette: 'red, green, blue',
};
Map.setCenter(116.25, 40.38, 12);
Map.addLayer(dataset, gediVis, 'Solar Elevation');
Export.image.toDrive({
image: dataset ,
description: 'Image',
//scale: 30,
maxPixels: 1e13,
region: roi });