Questo set di dati fa parte di un catalogo del publisher e non è gestito da Google Earth Engine. Contatta il Land & Carbon Lab per segnalare bug o visualizzare altri set di dati dal catalogo Global Pasture Watch. Scopri di più sui set di dati del publisher.
- Proprietario del catalogo
- Global Pasture Watch
- Disponibilità del set di dati
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Fornitore di set di dati
- Land and Carbon Lab Global Pasture Watch
- Contatto
- Land & Carbon Lab
- Cadenza
- 1 anno
- Tag
Descrizione
Questo set di dati fornisce l'altezza media globale della vegetazione dal 2000 con una risoluzione spaziale di 30 metri. Prodotto dall'iniziativa Global Pasture Watch del Land & Carbon Lab, questo set di dati fornisce i valori dell'altezza media della vegetazione (50° percentile) a livello globale con una risoluzione spaziale di 30 metri a partire dal 2000. Il set di dati si basa sull'altezza mediana dei ritorni della vegetazione di ICESat-2 ATL08 ed è modellato tramite machine learning (ensemble Gradient Boosted Trees) utilizzando GLAD Landsat ARD (raccolta 2) aggregato ogni due mesi (vedi Consoli et al., 2024) e combinati con altre covariate, tra cui l'elevazione del terreno (GEDTM30), la temperatura media geometrica e la temperatura a lungo termine MODIS e il vapore acqueo.
Originariamente progettato per supportare il monitoraggio degli ecosistemi aperti (praterie, arbusteti aperti, savane, tundra), il set di dati offre una copertura completa di tutti gli ecosistemi terrestri. Pertanto, i valori dell'altezza mediana degli ecosistemi forestali non devono essere interpretati come la parte superiore della chioma. Per il confronto con altri prodotti esistenti per l'altezza della chioma, accedi all'app GPW Height Comparison Toolkit (GPW-HCT).
Le stime dei valori dell'intervallo di previsione del 90% (5° e 95° percentile) sono disponibili in OpenLandMap STAC.
L'analisi delle tendenze per pixel viene calcolata al volo utilizzando GEE App.
Limitazioni:
Eterogeneità della vegetazione: l'altezza mediana è sensibile ad arbusti e alberi all'interno di paesaggi dominati da una copertura erbacea. Gli utenti interessati alla biomassa erbacea dovrebbero prendere in considerazione l'utilizzo di mappe di copertura frazionaria per risolvere i problemi relativi alle miscele di subpixel. Le versioni future potrebbero incorporare le informazioni sulla struttura verticale di ICESat-2 per una migliore separazione della copertura boschiva.
Modelli stagionali e infrannuali: l'attuale densità dei dati ICESat-2 è insufficiente per mappare le variazioni di altezza stagionali comuni negli ecosistemi erbosi. Per acquisire snapshot più frequenti, che migliorerebbero il monitoraggio dei cambiamenti e dei disturbi intra-annuali, tra cui pascolo, incendi e raccolti, sono necessarie maggiori acquisizioni Lidar o campionamenti più densi dalla misurazione in corso.
Limitazioni e incertezza dei dati: i dati di addestramento sono stati limitati a misurazioni notturne con fascio forte per ridurre al minimo il rumore del segnale e sono stati applicati filtri aggiuntivi, ma ciò non tiene pienamente conto di tutte le fonti di incertezza dei dati nella missione ICESat-2. Inoltre, la copertura nuvolosa e il fumo ostacolano la penetrazione del segnale, aumentando l'incertezza in alcune regioni. Nello specifico per il 2019, il modello ha mostrato un rendimento leggermente inferiore rispetto agli anni più recenti, il che potrebbe essere correlato a differenze nella disponibilità e nella qualità dei dati all'inizio della missione ICESat-2.
Difficoltà di rilevamento di vegetazione molto bassa: i sensori LiDAR, incluso ICESat-2, hanno difficoltà a misurare con precisione le chiome molto basse, soprattutto con una copertura rada o un'occlusione parziale del terreno. I dati di addestramento non identificano la vegetazione a meno di 50 cm dalla superficie del terreno, il che potrebbe portare a una sovrastima dell'altezza nelle coperture del terreno più basse o più rade, come le saline delle zone umide.
Sottostima delle altezze massime: il modello di machine learning addestrato ha mostrato una tendenza verso la media, il che ha comportato intervalli di previsione eccessivamente ristretti e ottimistici. A causa della sottostima dell'altezza della vegetazione negli estremi superiori, è necessario prestare attenzione quando si interpretano i valori assoluti nelle regioni con foreste molto alte, ma i modelli e le tendenze relative sono comunque informativi.
Validazione indipendente limitata: sebbene sia stato convalidato rispetto ai dati ICESat-2 (set di test), sarebbe necessaria una validazione più ampia utilizzando Lidar aereo o con drone per valutare completamente la qualità del set di dati a livello regionale.
Per maggiori informazioni, consulta Hunter et al., 2025, Zenodo e il sito GitHub di Global Pasture Watch
Bande
Bande
| Nome | Unità | Min | Max | Scala | Dimensioni dei pixel | Descrizione |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0,1 | 30 metri | Altezza mediana della vegetazione |
Proprietà immagini
Proprietà immagini
| Nome | Tipo | Descrizione |
|---|---|---|
| versione | INT | Versione del prodotto |
Termini e condizioni d'uso
Termini e condizioni d'uso
Citazioni
Parente, L., Hunter, M., Ho, Y., Bonannella, C. et al. (2025). Global Pasture Watch - Annual short vegetation height maps at 30-m spatial resolution (2000—2022) (Version v1) [Set di dati]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
Hunter, M.O., Parente, L., Ho, Yf. et al. (2025) Global 30-m annual median vegetation height maps (2000—2022) based on ICESat-2 data and Machine Learning. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
DOI
Esplorare con Earth Engine
Editor di codice (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)');