यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, Land & Carbon Lab से संपर्क करें या Global Pasture Watch कैटलॉग से अन्य डेटासेट देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- Global Pasture Watch
- डेटासेट की उपलब्धता
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- डेटासेट प्रोड्यूसर
- Land and Carbon Lab Global Pasture Watch
- संपर्क
- Land & Carbon Lab
- केडेंस
- एक साल
- टैग
ब्यौरा
इस डेटासेट में, साल 2000 से लेकर अब तक, 30 मीटर के स्पैशियल रिज़ॉल्यूशन पर, दुनिया भर के पेड़ों की औसत ऊंचाई की जानकारी मिलती है. इस डेटासेट को Land & Carbon Lab के Global Pasture Watch प्रोग्राम के तहत तैयार किया गया है. इसमें साल 2000 से अब तक, दुनिया भर के लिए 30 मीटर के स्पेशल रिज़ॉल्यूशन पर, पेड़ों की औसत ऊंचाई (50वां पर्सेंटाइल) की वैल्यू दी गई हैं. यह डेटासेट, ICESat-2 ATL08 के वनस्पति की ऊंचाई के मीडियन पर आधारित है. इसे मशीन लर्निंग (एन्सेम्बल ग्रेडिएंट बूस्टेड ट्री) के ज़रिए मॉडल किया गया है. इसके लिए, GLAD Landsat ARD (कलेक्शन-2) का इस्तेमाल किया गया है. इस डेटा को हर दो महीने में इकट्ठा किया जाता है. इसके बारे में ज़्यादा जानने के लिए, Consoli et al., 2024) और अन्य कोवैरिएट के साथ जोड़ा गया है. इनमें टेरेन एलिवेशन (GEDTM30), ज्यामितीय माध्य तापमान, और MODIS का लंबे समय का तापमान और जल वाष्प शामिल हैं.
इस डेटासेट को मूल रूप से ओपन इकोसिस्टम (घास के मैदान, खुले झाड़ीदार इलाके, सवाना, टुंड्रा) की निगरानी करने के लिए डिज़ाइन किया गया था. हालांकि, यह सभी स्थलीय इकोसिस्टम को पूरी तरह से कवर करता है. इसलिए, वन के इकोसिस्टम की औसत ऊंचाई की वैल्यू को कैनोपी के सबसे ऊपरी हिस्से के तौर पर नहीं समझना चाहिए. कैनोपी की ऊंचाई का पता लगाने वाले अन्य मौजूदा प्रॉडक्ट से तुलना करने के लिए, GPW Height Comparison Toolkit (GPW-HCT) ऐप्लिकेशन ऐक्सेस करें.
90% अनुमानित इंटरवल वैल्यू (पांचवां और 95वां पर्सेंटाइल) के अनुमान, OpenLandMap STAC में उपलब्ध हैं.
हर पिक्सल के हिसाब से रुझान का विश्लेषण, GEE ऐप्लिकेशन का इस्तेमाल करके तुरंत किया जाता है.
सीमाएं:
वनस्पति की विविधता: मीडियन ऊंचाई, झाड़ियों और पेड़ों के हिसाब से तय होती है. ये झाड़ियां और पेड़, घास-फूस से ढके लैंडस्केप में मौजूद होते हैं. घास-फूस वाली बायोमास पर फ़ोकस करने वाले उपयोगकर्ताओं को, सब-पिक्सेल मिक्सचर की समस्या को हल करने के लिए, फ़्रैक्शनल कवर मैप का इस्तेमाल करना चाहिए. आने वाले समय में, आईसीईसैट-2 के वर्टिकल स्ट्रक्चर की जानकारी को शामिल किया जा सकता है, ताकि लकड़ी के कवर को बेहतर तरीके से अलग किया जा सके.
साल के कुछ महीनों और सीज़न के हिसाब से होने वाले बदलाव: मौजूदा ICESat-2 डेटा डेंसिटी, घास के मैदान वाले इकोसिस्टम में होने वाले सीज़नल बदलावों को मैप करने के लिए काफ़ी नहीं है. बार-बार स्नैपशॉट लेने के लिए, लिडार से ज़्यादा डेटा इकट्ठा करने या मौजूदा मेज़रमेंट से ज़्यादा बार सैंपल लेने की ज़रूरत होती है. इससे साल के अंदर होने वाले बदलावों और गड़बड़ियों की बेहतर निगरानी की जा सकेगी. इनमें चराई, आग, और फ़सल काटना शामिल है.
डेटा से जुड़ी पाबंदियां और अनिश्चितता: ट्रेनिंग के लिए इस्तेमाल किए गए डेटा में, रात के समय की गई मेज़रमेंट और स्ट्रॉन्ग बीम का इस्तेमाल किया गया था. इससे सिग्नल नॉइज़ को कम किया जा सका. साथ ही, इसमें अतिरिक्त फ़िल्टर भी लागू किए गए थे. हालांकि, इससे ICESat-2 मिशन में डेटा से जुड़ी अनिश्चितता के सभी सोर्स का पता नहीं चलता. इसके अलावा, बादल और धुएं की वजह से सिग्नल ठीक से नहीं मिल पाता. इससे कुछ इलाकों में अनिश्चितता बढ़ जाती है. खास तौर पर, 2019 में मॉडल की परफ़ॉर्मेंस, हाल के सालों की तुलना में थोड़ी खराब रही. ऐसा ICESat-2 मिशन की शुरुआत में, डेटा की उपलब्धता और क्वालिटी में अंतर की वजह से हो सकता है.
बहुत कम ऊंचाई वाली वनस्पति का पता लगाने में मुश्किल होना: ICESat-2 जैसे लिडार सेंसर, बहुत कम ऊंचाई वाली वनस्पति को सटीक तरीके से मेज़र नहीं कर पाते. ऐसा खास तौर पर, कम वनस्पति या ज़मीन के कुछ हिस्से के ढके होने की वजह से होता है. ट्रेनिंग के डेटा से, ज़मीन की सतह से 50 सेंटीमीटर से कम ऊंचाई वाली वनस्पति की पहचान नहीं होती. इससे, सबसे कम या सबसे विरल वनस्पति वाले इलाकों, जैसे कि दलदली नमक के पैन में ऊंचाई का अनुमान ज़्यादा लगाया जा सकता है.
ज़्यादा से ज़्यादा ऊंचाई का कम अनुमान लगाना: ट्रेन किए गए मशीन लर्निंग मॉडल में, औसत की ओर बढ़ने की प्रवृत्ति देखी गई. इससे अनुमानित इंटरवल बहुत कम और आशावादी हो गए. ऊपरी सिरों में वनस्पति की ऊंचाई का अनुमान कम होने की वजह से, बहुत ऊंचे जंगलों वाले इलाकों में, असल वैल्यू की व्याख्या करते समय सावधानी बरतनी चाहिए. हालांकि, तुलनात्मक पैटर्न और रुझान अब भी जानकारी देने वाले होते हैं.
स्वतंत्र पुष्टि सीमित तौर पर की गई है: ICESat-2 डेटा (टेस्टिंग सेट) के आधार पर पुष्टि की गई है. हालांकि, क्षेत्र के हिसाब से डेटासेट की क्वालिटी का पूरी तरह से आकलन करने के लिए, एयरबोर्न या ड्रोन लिडार का इस्तेमाल करके ज़्यादा पुष्टि करना ज़रूरी होगा.
ज़्यादा जानकारी के लिए, Hunter et. al, 2025, Zenodo और Global Pasture Watch की GitHub साइट देखें
बैंड
बैंड
पिक्सल का साइज़: 30 मीटर (सभी बैंड)
| नाम | इकाई | कम से कम | ज़्यादा से ज़्यादा | स्केल | पिक्सल का साइज़ | ब्यौरा |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0.1 | 30 मीटर | वनस्पति की औसत ऊंचाई |
इमेज प्रॉपर्टी
इमेज प्रॉपर्टी
| नाम | टाइप | ब्यौरा |
|---|---|---|
| वर्शन | INT | प्रॉडक्ट का वर्शन |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
उद्धरण
पैरेंटे, एल., हंटर, एम॰, हो वाई, Bonannella, C. el al. (2025). Global Pasture Watch - Annual short vegetation height maps at 30-m spatial resolution (2000—2022) (Version v1) [डेटा सेट]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
हंटर, एम॰ओ॰, पैरेंटे, एल., हो, वाईएफ़. वगैरह (2025) ICESat-2 के डेटा और मशीन लर्निंग के आधार पर, 30 मीटर के रिज़ॉल्यूशन वाले ग्लोबल वेजिटेशन हाइट मैप (2000—2022). Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
डीओआई
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (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)');