
- صاحب کاتالوگ
- دیده بان مراتع جهانی
- در دسترس بودن مجموعه داده
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- ارائه دهنده مجموعه داده
- دیده بان مرتع جهانی آزمایشگاه زمین و کربن
- تماس بگیرید
- آزمایشگاه زمین و کربن
- آهنگ
- 1 سال
- برچسب ها
توضیحات
این مجموعه داده بهره وری ناخالص اولیه مبتنی بر EO را از سال 2000 با وضوح فضایی 30 متر ارائه می دهد. مجموعه دادههای کنونی که توسط ابتکار «لند و کربن آزمایشگاه جهانی مرتع» تولید شده است، مقادیر بهرهوری اولیه ناخالص (GPP) را در سطح جهانی با وضوح فضایی 30 متری از سال 2000 به بعد ارائه میکند. مقادیر GPP از طریق یک رویکرد کارایی استفاده از نور (LUE) مدلسازی میشوند، جایی که GLAD Landsat ARD (مجموعه-2) هر دو ماه یکبار جمعآوری میشود ( Consoli et al., 2024 ) و با دادههای دمایی MODIS 1 کیلومتری و تابش فعال فتوسنتزی 1 درجه CERES (PAR) ترکیب میشود.
برای انعطاف پذیر نگه داشتن مجموعه داده، حداکثر راندمان استفاده از نور (LUEmax) برای همه انواع پوشش زمین روی 1 gC/m²/day/MJ تنظیم شده است که به کاربران اجازه می دهد تا بعداً مقادیر GPP را بر اساس نقشه های پوشش زمین خاص یا شرایط منطقه ای کالیبره کنند.
ارزشهای بهرهوری ناخالص اولیه (uGPP) کالیبرهنشده دو ماهه (موجود در OpenLandMap STAC ) با هر سال میانگین میشوند و در طول دوره کامل 365 روزه جمعآوری میشوند تا مقادیر uGPP سالانه جهانی را تولید کنند که بر حسب واحد gC/m²/سال بیان میشود.
مقادیر GPP Grassland در لحظه با استفاده از برنامه GEE محاسبه می شود.
محدودیت ها:
عدم تطابق وضوح داده های ورودی : مجموعه داده با وضوح 30 متر ارائه شده است، اما متغیرهای ورودی کلیدی برای دما (MOD11A1) و تشعشع فعال فتوسنتزی (CERES PAR) از محصولات بسیار درشت تر (به ترتیب 1 کیلومتر و 111 کیلومتر) مشتق شده اند. کاهش مقیاس این اطلاعات می تواند باعث عدم قطعیت شود و ممکن است شرایط ریزاقلیمی در مقیاس خوب را که بر بهره وری گیاه تأثیر می گذارد، نشان ندهد.
مصنوعات داده : مجموعه داده شامل مصنوعات بصری شناخته شده، از جمله نوارهای عمودی ("اثر راه راه") در برخی مناطق است که در نتیجه مشکلات مربوط به سنسور Landsat 7 (شکست اصلاح کننده خط اسکن) و فرآیند پر کردن شکاف بعدی که برای ایجاد آرشیو بازتابی زیرین استفاده می شود ( Consoli et al., 2024 ) است. این مصنوعات می توانند تداوم مکانی تخمین های GPP را در طول دوره های ابری و پوشش برف مختل کنند.
وضوح زمانی : داده ها با وضوح زمانی دو ماه یکبار تولید می شوند. این بازه زمانی ممکن است برای ثبت دورههای رشد کلیدی یا واکنشهای سریع گیاه (بارندگی شدید) به تغییرات محیطی کافی نباشد، و ثبت دقیق اوجهای بهرهوری و تغییرات فصلی را دشوار میکند.
کالیبراسیون علفزار : مقادیر GPP علفزار با استفاده از یک پارامتر حداکثر بازده استفاده از نور (LUEmax) (0.86 gC/m²/year/MJ) برای همه مراتع جهانی، بر اساس الگوریتم MOD17 محاسبه میشود. این مقدار برای انواع علفزارهای خاص یا شرایط محلی بهینه نشده است. در نتیجه، مدل تمایل به دست کم گرفتن GPP را در مقایسه با اندازهگیریهای برج شار زمینی نشان میدهد.
وابستگی به دقت نقشه های علفزار : دقت مقادیر GPP علفزار منوط به دقت نقشه های علفزار GPW زیرین است. هر گونه طبقه بندی نادرست پوشش زمین در نقشه های منبع (به عنوان مثال، بوته زارها یا زمین های زراعی شناسایی شده به عنوان علفزار) منجر به اشتباهات مربوطه در برآورد GPP برای آن مکان ها می شود.
برای اطلاعات بیشتر به Isik et. al، 2025 ، سایت Zenodo و Global Pasture Watch GitHub
باندها
باندها
نام | حداقل | حداکثر | اندازه پیکسل | توضیحات |
---|---|---|---|---|
gc_m2 | 0 | 4000 | 30 متر | گرم کربن در هر متر مربع در سال (gC/m²/سال) |
ویژگی های تصویر
ویژگی های تصویر
نام | تایپ کنید | توضیحات |
---|---|---|
نسخه | INT | نسخه محصول |
شرایط استفاده
شرایط استفاده
نقل قول ها
Isik، MS، Mesquita، V.، Parente، L.، و Consoli، D. (2025). دیدهبان مرتع جهانی - کد منبع نقشههای GPP و Grassland GPP مبتنی بر EO بدون کالیبره در 30 متر. زنودو. [کد منبع]. Zenodo doi:https://doi.org/10.5281/zenodo.15675358
Isik MS، Parente L، Consoli D، و همکاران. (2025). بهره وری استفاده از نور (LUE) بر اساس بهره وری ناخالص اولیه دوماهانه (GPP) برای علفزارهای جهانی در وضوح فضایی 30 متر (2000-2022)، PeerJ. doi: https://doi.org/10.7717/peerj.19774
DOI
با Earth Engine کاوش کنید
ویرایشگر کد (جاوا اسکریپت)
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)');