
- مالک کاتالوگ
- دیدهبان جهانی مراتع
- در دسترس بودن مجموعه دادهها
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- تولیدکننده مجموعه داده
- آزمایشگاه زمین و کربن، دیدهبان جهانی مراتع
- تماس
- آزمایشگاه زمین و کربن
- کادانس
- ۱ سال
- برچسبها
توضیحات
این مجموعه دادهها، مقادیر جهانی بهرهوری ناخالص اولیه (GPP) را از سال ۲۰۰۰ با وضوح مکانی ۳۰ متر و بدون کالیبراسیون بر اساس دادههای EO ارائه میدهد. مجموعه دادههای فعلی که توسط طرح Global Pasture Watch آزمایشگاه زمین و کربن (Land & Carbon Lab) تولید شده است، مقادیر جهانی بهرهوری ناخالص اولیه (GPP) را با وضوح مکانی ۳۰ متر از سال ۲۰۰۰ به بعد ارائه میدهد. مقادیر GPP از طریق رویکرد بهرهوری استفاده از نور (LUE) مدلسازی میشوند، که در آن GLAD Landsat ARD (مجموعه-۲) هر دو ماه یکبار تجمیع میشوند ( Consoli et al., 2024 ) و با دادههای دمای MODIS با دقت ۱ کیلومتر و تابش فعال فتوسنتزی (PAR) از CERES با دقت ۱ کیلومتر ترکیب میشوند.
برای حفظ انعطافپذیری مجموعه دادهها، حداکثر بهرهوری استفاده از نور (LUEmax) برای همه انواع پوشش زمین روی ۱ گرم کربن بر متر مربع بر روز بر مگاژول تنظیم شده است و به کاربران این امکان را میدهد که بعداً مقادیر GPP را مطابق با نقشههای پوشش زمین خاص یا شرایط منطقهای کالیبره کنند.
مقادیر دوماهه و کالیبره نشدهی بهرهوری ناخالص اولیه (uGPP) (موجود در OpenLandMap STAC ) برای هر سال میانگینگیری شده و در طول دوره کامل ۳۶۵ روزه جمعآوری میشوند تا مقادیر سالانه جهانی uGPP، که بر حسب gC/m²/year بیان میشوند، تولید شوند.
مقادیر GPP علفزارها با استفاده از برنامه GEE به صورت آنی محاسبه میشوند.
محدودیتها:
عدم تطابق وضوح دادههای ورودی : مجموعه دادهها با وضوح 30 متر ارائه شده است، اما متغیرهای ورودی کلیدی برای دما (MOD11A1) و تابش فعال فتوسنتزی (CERES PAR) از محصولات بسیار درشتتر (به ترتیب 1 کیلومتر و ~111 کیلومتر) استخراج شدهاند. کوچکسازی این اطلاعات میتواند عدم قطعیت ایجاد کند و ممکن است شرایط ریزاقلیمی مؤثر بر بهرهوری گیاهان را در مقیاس کوچک در نظر نگیرد.
مصنوعات دادهای : مجموعه دادهها حاوی مصنوعات بصری شناختهشدهای از جمله نوارهای عمودی ("اثر نواری") در برخی مناطق است که نتیجه مشکلات حسگر لندست 7 (خرابی تصحیحکننده خط اسکن) و فرآیند پر کردن شکاف بعدی است که برای ایجاد بایگانی بازتابهای اساسی استفاده میشود ( Consoli و همکاران، 2024 ). این مصنوعات میتوانند پیوستگی مکانی تخمینهای GPP را در دورههای پوشش ابری و برفی مختل کنند.
وضوح زمانی : دادهها با وضوح زمانی دو ماهه تولید میشوند. این بازه زمانی ممکن است برای ثبت دورههای کلیدی رشد یا واکنشهای سریع گیاه (بارندگی شدید) به تغییرات محیطی کافی نباشد، و ثبت دقیق اوج بهرهوری و تغییرات فصلی را دشوار میکند.
کالیبراسیون علفزار : مقادیر GPP علفزار با استفاده از یک پارامتر حداکثر راندمان استفاده از نور (LUEmax) (0.86 gC/m²/year/MJ) برای تمام علفزارهای جهان، بر اساس الگوریتم MOD17 محاسبه میشوند. این مقدار برای انواع خاص علفزارها یا شرایط محلی بهینه نشده است. در نتیجه، این مدل در مقایسه با اندازهگیریهای برج شار زمینی، تمایل به کمتر از حد واقعی GPP دارد.
وابستگی به دقت نقشههای علفزار : دقت مقادیر GPP علفزار به دقت نقشههای علفزار GPW زیربنایی بستگی دارد. هرگونه طبقهبندی نادرست پوشش زمین در نقشههای منبع (مثلاً بوتهزارها یا زمینهای زراعی که به عنوان علفزار شناسایی شدهاند) منجر به خطاهای مربوطه در تخمینهای GPP برای آن مکانها خواهد شد.
برای اطلاعات بیشتر به Isik و همکاران، ۲۰۲۵ ، Zenodo و سایت GitHub Global Pasture Watch مراجعه کنید.
باندها
باندها
| نام | حداقل | مکس | اندازه پیکسل | توضیحات |
|---|---|---|---|---|
gc_m2 | 0 | ۴۰۰۰ | ۳۰ متر | گرم کربن در هر متر مربع در سال (gC/m²/year) |
ویژگیهای تصویر
ویژگیهای تصویر
| نام | نوع | توضیحات |
|---|---|---|
| نسخه | داخلی | نسخه محصول |
شرایط استفاده
شرایط استفاده
نقل قولها
ایسیک، اماس، مسکیتا، وی.، پارنت، ال.، و کانسولی، دی. (2025). دیدهبان مراتع جهانی - کد منبع نقشههای جهانی GPP و GPP مراتع کالیبره نشده مبتنی بر EO در 30 متر. زنودو. [کد منبع]. زنودو doi: https://doi.org/10.5281/zenodo.15675358
ایسیک ام اس، پارنت ال، کانسولی دی و همکاران (2025). بهرهوری اولیه ناخالص (GPP) دوماهانه مبتنی بر راندمان استفاده از نور (LUE) برای علفزارهای جهانی با وضوح مکانی 30 متر (2000-2022)، PeerJ. doi: https://doi.org/10.7717/peerj.19774
DOI ها
با موتور زمین کاوش کنید
ویرایشگر کد (جاوااسکریپت)
Map.setCenter(-49.265188, -16.602052, 4); var ugppVis = {min: 0, max: 4000, palette: "faccfa,f19d6b,828232,226061,011959"} var ugpp = ee.ImageCollection( "projects/global-pasture-watch/assets/ggpp-30m/v1/ugpp_m" ) var ugpp2024 = ugpp.filterDate('2024-01-01', '2025-01-01').first(); Map.addLayer(ugpp2024, ugppVis, 'Uncalibrated GPP (2024)'); var ugpp2000 = ugpp.filterDate('2000-01-01', '2001-01-01').first(); Map.addLayer(ugpp2000, ugppVis, 'Uncalibrated GPP (2000)');
