Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Land & Carbon Lab kontaktieren für Fehler oder weitere Datasets ansehen aus dem Global Pasture Watch-Katalog. Weitere Informationen zu Publisher-Datensätzen
- Kataloginhaber
- Global Pasture Watch
- Dataset-Verfügbarkeit
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Dataset-Anbieter
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Intervall
- 1 Jahr
- Tags
Beschreibung
Dieser Datensatz enthält die globale mittlere Vegetationshöhe ab dem Jahr 2000 mit einer räumlichen Auflösung von 30 m. Dieser Datensatz wurde von der Initiative „Global Pasture Watch“ des Land & Carbon Lab erstellt und enthält Medianwerte für die Vegetationshöhe (50. Perzentil) weltweit mit einer räumlichen Auflösung von 30 m ab dem Jahr 2000. Der Datensatz basiert auf der mittleren Höhe der Vegetationsrückgaben von ICESat-2 ATL08 und wird mithilfe von maschinellem Lernen (Ensemble Gradient Boosted Trees) modelliert. Dabei wird das GLAD Landsat ARD (Collection 2) verwendet, das alle zwei Monate aggregiert wird (siehe Consoli et al., 2024) und mit zusätzlichen Kovariaten kombiniert, darunter Geländeerhebung (GEDTM30), geometrische Durchschnittstemperatur, MODIS-Langzeittemperatur und Wasserdampf.
Das Dataset wurde ursprünglich für die Überwachung von offenen Ökosystemen (Grasland, offenes Buschland, Savannen, Tundra) entwickelt und bietet eine flächendeckende Abdeckung aller terrestrischen Ökosysteme. Daher sollten die Medianwerte für die Höhe von Waldökosystemen nicht als Oberkante des Kronendachs interpretiert werden. Für einen Vergleich mit anderen vorhandenen Produkten zur Baumkronenhöhe greifen Sie auf die App GPW Height Comparison Toolkit (GPW-HCT) zu.
Schätzungen der Werte für das 90‑%‑Vorhersageintervall (5. und 95. Perzentil) sind in OpenLandMap STAC verfügbar.
Trendanalysen auf Pixelebene werden mit der GEE-App im laufenden Betrieb berechnet.
Beschränkungen:
Heterogenität der Vegetation: Die mittlere Höhe reagiert empfindlich auf Sträucher und Bäume in Landschaften, die von krautiger Vegetation dominiert werden. Nutzer, die sich auf krautige Biomasse konzentrieren, sollten Karten mit fraktionierter Bedeckung verwenden, um Mischungen auf Subpixel-Ebene zu berücksichtigen. In zukünftigen Versionen können die Informationen zur vertikalen Struktur von ICESat-2 verwendet werden, um die Baum- und Strauchbedeckung besser zu trennen.
Muster unter einem Jahr und saisonale Muster: Die aktuelle ICESat-2-Datendichte reicht nicht aus, um saisonale Höhenänderungen zu erfassen, die in Grasökosystemen üblich sind. Um häufigere Momentaufnahmen zu erhalten, sind mehr Lidar-Erfassungen oder eine dichtere Stichprobenerhebung bei laufenden Messungen erforderlich. Dadurch ließen sich Veränderungen und Störungen innerhalb eines Jahres besser beobachten, z. B. durch Weidevieh, Brände und Ernte.
Datenbeschränkungen und Unsicherheit: Die Trainingsdaten wurden auf Messungen bei starkem Strahl und bei Nacht beschränkt, um das Signalrauschen zu minimieren. Es wurden zusätzliche Filter angewendet, aber dies berücksichtigt nicht alle Quellen der Datenunsicherheit bei der ICESat-2-Mission. Außerdem beeinträchtigen Wolken und Rauch die Signalübertragung, was die Unsicherheit in einigen Regionen erhöht. Speziell für 2019 zeigte das Modell im Vergleich zu den letzten Jahren eine etwas schlechtere Leistung, was möglicherweise mit Unterschieden in der Datenverfügbarkeit und -qualität zu Beginn der ICESat-2-Mission zusammenhängt.
Schwierigkeiten bei der Erkennung sehr niedriger Vegetation: Lidar-Sensoren, einschließlich ICESat-2, haben Schwierigkeiten, sehr niedrige Baumkronen genau zu messen, insbesondere bei spärlicher Abdeckung oder teilweiser Bodenverdeckung. In den Trainingsdaten wird keine Vegetation identifiziert, die weniger als 50 cm über dem Boden liegt. Dies kann zu einer Überschätzung der Höhe bei den niedrigsten oder spärlichsten Landbedeckungen führen, z. B. bei Salzpfannen in Feuchtgebieten.
Unterschätzung der maximalen Höhen: Das trainierte Modell für maschinelles Lernen wies eine Tendenz zum Mittelwert auf, was zu zu schmalen und optimistischen Vorhersageintervallen führte. Da die Höhe der Vegetation in den oberen Extremen unterschätzt wird, ist bei der Interpretation absoluter Werte in Regionen mit sehr hohen Wäldern Vorsicht geboten. Relative Muster und Trends sind jedoch weiterhin aussagekräftig.
Eingeschränkte unabhängige Validierung: Das Dataset wurde zwar anhand von ICESat-2-Daten (Testset) validiert, eine umfassendere Validierung mit Airborne- oder Drohnen-Lidar wäre jedoch erforderlich, um die Qualität des Datasets auf regionaler Ebene vollständig zu bewerten.
Weitere Informationen finden Sie unter Hunter et al., 2025, Zenodo und Global Pasture Watch GitHub-Website.
Bänder
Bänder
| Name | Einheiten | Min. | Max. | Maßstab | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0,1 | 30 Meter | Median der Vegetationshöhe |
Bildattribute
Bildattribute
| Name | Typ | Beschreibung |
|---|---|---|
| Version | INT | Produktversion |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Parente, L., Hunter, M., Ho, Y., Bonannella, C. et al. (2025). Global Pasture Watch – Jährliche Karten der kurzen Vegetationshöhe mit einer räumlichen Auflösung von 30 m (2000–2022) (Version v1) [Dataset]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
Hunter, M.O., Parente, L., Ho, Yf. et al. (2025) Globale Karten der jährlichen mittleren Vegetationshöhe von 30 m (2000–2022) basierend auf ICESat-2-Daten und Machine Learning. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
DOIs
Earth Engine nutzen
Code-Editor (JavaScript)
Map.setCenter(-49.265188, -16.602052, 4); var short_veg_height_m = ee.ImageCollection("projects/global-pasture-watch/assets/gsvh-30m/v1/short-veg-height_m"), style = {"opacity":1,"bands":["height"],"min":0,"max":10,"palette":["#fcffa4","#f98d0a","#bb3755","#57106e","#000004"]}; var SCALE_FACTOR = 0.1 var svhVis = {min: 0, max: 10, palette: "fcffa4,f98d0a,bb3755,57106e,000004"} var svh = ee.ImageCollection( "projects/global-pasture-watch/assets/gsvh-30m/v1/short-veg-height_m" ) var svh2024 = svh.filterDate('2024-01-01', '2025-01-01').first().multiply(SCALE_FACTOR); Map.addLayer(svh2024, svhVis, 'Median vegetation height (2024)'); var svh2000 = svh.filterDate('2000-01-01', '2001-01-01').first().multiply(SCALE_FACTOR); Map.addLayer(svh2000, svhVis, 'Median vegetation height (2000)');