​

ABoVE_LVIS_VegetationStructure_1923

ABoVE: LVIS L3 Gridded Vegetation Structure across North America, 2017 and 2019

简介

文件修订日期：2022-12-02

数据集版本: 1

摘要

本数据集提供了从 NASA 的陆地、植被和冰雪传感器（LVIS）-设施仪器收集到的 2017 年和 2019 年每条航线的三级（L3）足迹级网格化指标和属性。2017 年，LVIS-Facility 仪器在 Dynamic Aviation Super King Air B200T 上飞行，标称飞行高度为 28,000 英尺。2019 年，LVIS-Facility 和 LVIS-Classic 仪器在美国国家航空航天局湾流 V 型飞机上的标称飞行高度 41000 英尺处飞行。L3 数据包括树冠相对高度 (RH)、复杂度、树冠覆盖度 (CC)、地面海拔高度以及可用于生成像素估计值的 LVIS 脚印数量的网格。这些 30 米分辨率的网格通过冠层相对高度指标详细描述了植被冠层的垂直柱，并在不同高度阈值下增加了一组冠层覆盖度估计值。LVIS-Facility 仪器 2017 年和 2019 年的购置跨越了北极、北方、温带和亚热带地貌，以支持各种与北极-北方脆弱性实验（ABoVE）和全球生态系统动力学调查（GEDI）相关的科学研究。在阿拉斯加和加拿大西部的北极和北寒带 ABoVE 研究领域，其中一些采集的数据与传统的小型机载激光雷达在空间上相吻合。ABoVE 域的数据以及 GEDI 提供的美国大陆和中美洲的数据也包括在内。数据文件以 GeoTIFF 格式提供，其中一个地理包文件显示了飞行路线。
该数据集包含 164,450 个数据文件。共有 164,448 个 GeoTIFF (*.tif) 格式的数据文件，按 LVIS 航线名称排列。其中有一个地理包文件（LVIS_ABOVE_spatial_footprints_2017_2019.gpkg）提供了 2017 年和 2019 年活动中每条 30 米光栅飞行线有效数据范围的空间足迹。它在空间上非常详细，可作为按飞行线名称分组的网格的空间索引。此外，还包括用于生成该网格数据集的 R 脚本文件（lvis_metrics.R）。

通过相对高度 98 百分位数 (RH98) 平均值估算的植被高度的相应网格值的 LVIS-Facility 仪器足迹观测示例。这些地图描述了各种森林结构和各种激光雷达足迹采样密度，以说明不同空间密度的网格化足迹的效果。每张地图都显示了直径为 10 米的 LVIS 脚印边界（开放圆圈）与 30 米网格 RH98 估计值的重叠情况。注：为便于绘制，图中的网格数据已重新投影。因此，有些网格单元没有相应的足迹。而此处的网格数据并非如此，所有网格单元都与至少一个足迹相吻合。 

北极-北方脆弱性实验（ABoVE）是美国国家航空航天局（NASA）陆地生态计划在阿拉斯加和加拿大西部开展的一项实地活动，于2015年启动，预计将持续8至10年。ABoVE的研究将基于实地的过程级研究与机载和卫星传感器获得的地理空间数据产品联系起来，为提高分析和建模能力奠定了基础，这些能力是了解和预测生态系统响应和社会影响所必需的。

数据特征

空间覆盖范围：北美洲和中美洲

上图 参考位置

域：核心 ABoVE

州/地区： 阿拉斯加州阿拉斯加州

网格单元： 所有 "A "单元

空间分辨率30 m

时间覆盖范围： 2017-06-29 至 2019-08-08

时间分辨率一次和两次估算，有限范围内一年内多次采集

研究区域：所有经纬度均以十进制度表示。这些坐标是研究地点的大致位置，可能与数据文件的范围不符。

数据文件信息

本数据集包含 164,450 个数据文件。本数据集中包含 164,448 个 GeoTIFF（*.tif）格式的数据文件、一个 geopackage（*.gpkg）格式的文件和一个 R 脚本文件。GeoTIFF 文件提供了树冠覆盖度估计值 (cc)、树冠复杂度指标 (COMPLEXITY)、树冠高度指标 (RH)、平均、最小和最大地形高程 (ZG) 以及每个像素的足迹数量 (pt_cnt)（见表 2）。

GeoTIFF 文件命名为 LVISF3_ABoVEYYYY_MMDD_FLIGHTLINE_GRIDNAME_STAT_30m.tif 或 LVISF3_GEDIYYYY_MMDD_FLIGHTLINE_GRIDNAME_STAT_30m.tif，其中：

YYYY 为 "2017 "或 "2019"、
MMDD 是两位数的月和日。
FLIGHTLINE 是航线编号。
GRIDNAME 是表 2 中描述的变量名，以及
STAT 是表 2 中的平均值、最大值、最小值或计数。

数据细节

适用于所有 GeoTIFF 文件、

投影：加拿大阿尔伯斯圆锥等面积投影（EPSG:102001），北美基准 1983
波段1
缩放因子：1
绘图单位：米
缺失数据值：冠层覆盖 (CC) 文件为 65535，所有其他文件为 255

应用

北方森林结构--北方森林的高度、覆盖率、垂直复杂性和空间模式--是一个关键的生态系统特征，与北半球高纬度地区的生物地球化学、生物物理、栖息地以及人类与环境之间的相互作用息息相关。这些森林结构模式揭示了土壤水分、养分供应、永久冻土活动层深度、物种组成和碳积累等方面的重要环境梯度（Montesano 等，2022 年综述）。

质量评估

LVIS-Facility 仪器 2017 年和 2019 年的采集跨越了北极、北方、温带和亚热带地貌，以支持各种 ABoVE 和 GEDI 相关科学。在阿拉斯加和加拿大西部的北极和寒带 ABoVE 研究领域，其中一些采集在空间上与现有的小尺寸离散回波机载激光雷达相吻合。这些遗留数据是美国宇航局戈达德激光雷达、高光谱和热成像仪（GLiHT）（Cook 等人，2013 年；Corp 等人，2015 年）于 2014 年和 2018 年夏季在阿拉斯加收集的。GLiHT 激光雷达数据作为一套数据产品发布，其中包括网格化的 1 米分辨率树冠高度模型（CHM），这些数据被重新采样到 LVIS L3 30 米网格，并转换为一套 CHM 相对高度指标（rhXCHM）。这些相对高度是指中心点位于特定 LVISF 30 米网格单元内的 1 米 CHM（参考树冠顶部）像素集合中大于 X% 的像素。这些 rhXCHM 值用于检查参考 GLiHT 与 LVIS 中许多树冠高度估算值之间的关系。同样，对网格化 GLiHT 产品中的部分植被估计值（tree_fcover）进行了重新取样，以提供用于比较的植被覆盖区间。当网格化以匹配 LVIS L3 30 米网格时，LVIS 的 rh98 指标与 GLiHT 的 rh90CHM 指标（树冠顶部 1 米像素的第 90 百分位数）最为相似，而 cc_gte1p37 树冠覆盖指标与 GLiHT 的 tree_fcover 指标最为相似。

数据采集、材料和方法

LVIS-Facility 仪器 2017 年和 2019 年的采集跨越北极、寒带、温带和亚热带地貌，以支持各种 ABoVE 和 GEDI 相关科学。在选定的 2019 年飞行中，单独的 LVIS-Classic 仪器与 LVIS-Facility 仪器共同安装和运行。这两台 LVIS 仪器在地面上的激光足迹大小和间距有所不同。LVIS-Classic 仪器的观测数据没有用于生成 LVIS L3 数据集。在阿拉斯加北极地区和北部地区以及加拿大西部的 ABoVE 研究区域，其中一些采集数据与传统的小型离散回波机载激光雷达在空间上重合。在整个 ABoVE 领域，数据是在 2017 年和 2019 年的生长季节（6 月至 8 月）采集的（Blair 和 Hofton，1999 年；Blair 等人，1999 年；Miller 等人，2019 年）。美国国家航空航天局 GLiHT 成像仪（Cook 等人，2013 年；Corp 等人，2015 年）于 2014 年和 2018 年生长季节在阿拉斯加收集了遗留数据。 

植被结构的单个足迹估算网格化

L3 尺度植被结构的网格化估算总结了垂直连续的激光雷达波形。其特点是沿着返回传感器的激光雷达能量的垂直分布记录一系列冠层成分高度的统计百分位数，以检测到的 "地面 "模式上方的高度为参照。

对于每条飞行线，地面经纬度字段用于为每个足迹中心分配空间坐标。使用 R 软件包（版本 3.6.1）中的 "栅格"，以加拿大阿尔伯斯等面积圆锥投影（EPSG:102001）初始化了一个 30 米分辨率的空栅格，并将此空栅格用作基础栅格，所有其他栅格数据均与之对齐。基础网格与 ABoVE 30 米标准参考网格对齐（Loboda 等人，2019 年）。中心坐标位于 30 米图元的所有足迹都包含在该图元的估算中。30 米的分辨率代表了在单个足迹的更高空间细节与网格数据的连续沟内绘图之间的权衡，其中无数据值的区域已大大减少。2019 年活动的足迹间距更大（密度更低），这是由于在采集过程中飞行高度更高、飞机速度更快。

估算植被覆盖率

垂直结构估算是 LVIS L3 脚印观测的标准属性。除了这些植被结构的垂直指标外，这些网格数据还包括一套植被冠层覆盖度估算值，用于描述植被结构的水平组成部分。对于每个足迹，冠层覆盖度估计值（CC_gte_<高度阈值>）的计算方法是：1.0 减去高度值超过高度阈值的最低相对高度指标（量化值）。其结果是对来自指定高度以上（假定全部为植被冠层）的传回能量比例的估计。我们注意到，该指标的某些部分可能包括来自地面的回波信号，尤其是在低高度分段（如平坦地形上小于 1.37 米）。表 2 总结了为每条 LVIS 航线生成的全套变量。1.37 米的高度阈值通常用于区分乔木和灌木。

对于每条航线上的每个相对高度（RH）指标、垂直结构复杂度估计值（COMPLEXITY）（Goetz 等人，2010 年）和地面高程估计值（ZG），均使用确定的范围、输入分辨率和光栅化函数（"平均值"）创建光栅网格，然后导出为 GeoTIFF 格式。同样，还为每条飞行线路生成了一个足迹计数网格（"计数"）。如果足迹数量越多，30 米像素的检索结果就越可靠。还包括每个单元的 "最小 "和 "最大 "ZG 网格估计值。当 ZG 值的范围与 RH 值或 CC 临界值的大小相似时，应谨慎解释数据。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="ABoVE_LVIS_VegetationStructure_1923",
    cloud_hosted=True,
    bounding_box=(-167.32, 7.13, -28.82, 78.14),
    temporal=("2017-06-29", "2019-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

网址推荐

 0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg

数据引用

Montesano, P.M., M.J. Macander, and E.E. Hoy. 2022. ABoVE: LVIS L3 Gridded Vegetation Structure across North America, 2017 and 2019. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: LVIS L3 Gridded Vegetation Structure across North America, 2017 and 2019, https://doi.org/10.3334/ORNLDAAC/1923