Este conjunto de datos forma parte de un catálogo de publicadores y no lo administra Google Earth Engine. Comunícate con el Land & Carbon Lab si encuentras errores o consulta más conjuntos de datos en el Catálogo global de monitoreo de pastizales. Obtén más información sobre los conjuntos de datos de publicadores.
- Propietario del catálogo
- Global Pasture Watch
- Disponibilidad del conjunto de datos
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Proveedor del conjunto de datos
- Land and Carbon Lab Global Pasture Watch
- Contacto
- Land & Carbon Lab
- Cadencia
- 1 año
- Etiquetas
Descripción
Este conjunto de datos proporciona la altura mediana de la vegetación global desde el año 2000 con una resolución espacial de 30 m. Producido por la iniciativa Global Pasture Watch del Land & Carbon Lab, este conjunto de datos proporciona valores de la altura mediana de la vegetación (percentil 50) a nivel mundial con una resolución espacial de 30 m desde el año 2000. El conjunto de datos se basa en la mediana de la altura de la vegetación devuelta por ICESat-2 ATL08 y se modela a través del aprendizaje automático (árboles potenciados por gradiente de conjunto) con los ARD de Landsat de GLAD (colección 2) agregados cada dos meses (consulta Consoli et al., 2024) y se combinaron con covariables adicionales, como la elevación del terreno (GEDTM30), la temperatura media geométrica, la temperatura a largo plazo de MODIS y el vapor de agua.
Diseñado originalmente para admitir la supervisión de ecosistemas abiertos (pastizales, arbustos abiertos, sabanas, tundra), el conjunto de datos ofrece cobertura integral de todos los ecosistemas terrestres. Por lo tanto, los valores de altura mediana de los ecosistemas forestales no deben interpretarse como la parte superior de la copa. Para comparar con otros productos existentes de altura de la copa, accede a la app GPW Height Comparison Toolkit (GPW-HCT).
Las estimaciones de los valores del intervalo de predicción del 90% (percentiles 5º y 95º) están disponibles en OpenLandMap STAC.
El análisis de tendencias por píxel se calcula de forma dinámica con la app de GEE.
Limitaciones:
Heterogeneidad de la vegetación: La altura mediana es sensible a los arbustos y árboles en paisajes dominados por la cobertura herbácea. Los usuarios que se centran en la biomasa herbácea deben considerar el uso de mapas de cobertura fraccionaria para abordar las mezclas de subpíxeles. Las versiones futuras pueden incorporar información sobre la estructura vertical del ICESat-2 para lograr una mejor separación de la cobertura boscosa.
Patrones estacionales y subanuales: La densidad actual de los datos de ICESat-2 no es suficiente para mapear los cambios estacionales de altura que son comunes en los ecosistemas de pastizales. Se necesitan más adquisiciones de Lidar o un muestreo más denso de las mediciones en curso para capturar instantáneas más frecuentes, lo que mejoraría la supervisión de los cambios y las perturbaciones intraanuales, como el pastoreo, los incendios y la cosecha.
Restricciones e incertidumbre de los datos: Los datos de entrenamiento se restringieron a mediciones nocturnas de haz fuerte para minimizar el ruido de la señal, y se aplicaron filtros adicionales, pero esto no explica por completo todas las fuentes de incertidumbre de los datos en la misión ICESat-2. Además, la cobertura de nubes y el humo dificultan la penetración de la señal, lo que aumenta la incertidumbre en algunas regiones. Específicamente para 2019, el modelo presentó un rendimiento ligeramente inferior en comparación con los años más recientes, lo que podría estar relacionado con las diferencias en la disponibilidad y la calidad de los datos al comienzo de la misión ICESat-2.
Dificultad para detectar vegetación muy baja: Los sensores Lidar, incluido el ICESat-2, tienen dificultades para medir con precisión copas muy bajas, especialmente con cobertura escasa o oclusión parcial del suelo. Los datos de entrenamiento no identifican la vegetación a menos de 50 cm de la superficie del suelo, lo que puede generar una sobreestimación de la altura en las coberturas terrestres más cortas o dispersas, como las salinas de humedales.
Subestimación de las alturas máximas: El modelo de aprendizaje automático entrenado mostró una tendencia hacia la media, lo que generó intervalos de predicción demasiado estrechos y optimistas. Debido a la subestimación de la altura de la vegetación en los extremos superiores, se debe tener cuidado al interpretar los valores absolutos en regiones con bosques muy altos, pero los patrones y las tendencias relativos siguen siendo informativos.
Validación independiente limitada: Si bien se validó con datos de ICESat-2 (conjunto de pruebas), sería necesaria una validación más amplia con Lidar aéreo o de drones para evaluar por completo la calidad del conjunto de datos a nivel regional.
Para obtener más información, consulta Hunter et al., 2025, Zenodo y el sitio de GitHub de Global Pasture Watch
Bandas
Bandas
Tamaño de píxel: 30 metros (todas las bandas)
| Nombre | Unidades | Mín. | Máx. | Escala | Tamaño de los píxeles | Descripción |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0.1 | 30 metros | Altura mediana de la vegetación |
Propiedades de imágenes
Propiedades de la imagen
| Nombre | Tipo | Descripción |
|---|---|---|
| versión | INT | Versión del producto |
Condiciones de Uso
Condiciones de Uso
Citas
Parente, L., Hunter, M., Ho, Y., Bonannella, C. et al. (2025). Global Pasture Watch: Mapas anuales de altura de vegetación corta con una resolución espacial de 30 m (2000-2022) (versión v1) [Conjunto de datos]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
Hunter, M.O., Parente, L., Ho, Yf. et al. (2025) Mapas globales anuales de altura media de la vegetación con una resolución de 30 m (2000-2022) basados en datos de ICESat-2 y aprendizaje automático. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
DOI
Explora con Earth Engine
Editor de código (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)');