Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. W przypadku błędów skontaktuj się z Land & Carbon Lab. Więcej zbiorów danych znajdziesz w katalogu Global Pasture Watch. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Global Pasture Watch
- Dostępność zbioru danych
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Dostawca zbioru danych
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Częstotliwość
- 1 rok
- Tagi
Opis
Ten zbiór danych zawiera globalną medianę wysokości roślinności od 2000 r. w rozdzielczości przestrzennej 30 m. Ten zbiór danych, opracowany w ramach inicjatywy Global Pasture Watch prowadzonej przez Land & Carbon Lab, zawiera mediany wysokości roślinności (50 percentyl) na całym świecie w rozdzielczości przestrzennej 30 m od 2000 r. Zbiór danych jest oparty na medianie wysokości roślinności z danych ICESat-2 ATL08 i jest modelowany za pomocą uczenia maszynowego (zespół drzew wzmocnionych gradientowo) z wykorzystaniem danych GLAD Landsat ARD (kolekcja 2) zbieranych co 2 miesiące (patrz Consoli i in., 2024) i połączone z dodatkowymi zmiennymi, w tym wysokością terenu (GEDTM30), średnią geometryczną temperatury oraz długoterminową temperaturą MODIS i parą wodną.
Zbiór danych został pierwotnie opracowany z myślą o monitorowaniu otwartych ekosystemów (trawiastych, otwartych zarośli, sawann i tundry), ale obejmuje wszystkie ekosystemy lądowe. W związku z tym wartości mediany wysokości ekosystemów leśnych nie należy interpretować jako wierzchołka korony drzew. Aby porównać go z innymi dostępnymi produktami dotyczącymi wysokości pokrywy roślinnej, otwórz aplikację GPW Height Comparison Toolkit (GPW-HCT).
Szacunki wartości przedziału prognozowania 90% (5 i 95 percentyl) są dostępne w OpenLandMap STAC.
Analizy trendów na poziomie piksela są obliczane na bieżąco za pomocą aplikacji GEE.
Ograniczenia:
Heterogeniczność roślinności: mediana wysokości jest wrażliwa na krzewy i drzewa na obszarach zdominowanych przez rośliny zielne. Użytkownicy, którzy skupiają się na biomasie roślin zielnych, powinni rozważyć użycie map pokrycia ułamkowego, aby rozwiązać problem mieszanin pikseli. Przyszłe wersje mogą zawierać informacje o strukturze pionowej z satelity ICESat-2, co pozwoli lepiej rozróżniać pokrywę drzewną.
Wzorce sezonowe i wzorce w okresach krótszych niż rok: obecna gęstość danych ICESat-2 jest niewystarczająca do mapowania sezonowych zmian wysokości, które są powszechne w ekosystemach trawiastych. Aby uzyskać częstsze migawki, które poprawią monitorowanie zmian i zakłóceń w ciągu roku, w tym wypasu, pożarów i zbiorów, konieczne jest zwiększenie liczby pomiarów lidarowych lub gęstsze próbkowanie w ramach bieżących pomiarów.
Ograniczenia danych i niepewność: dane treningowe zostały ograniczone do pomiarów nocnych z użyciem silnej wiązki, aby zminimalizować szum sygnału. Zastosowano też dodatkowe filtry, ale nie uwzględniają one w pełni wszystkich źródeł niepewności danych w misji ICESat-2. Ponadto zachmurzenie i dym utrudniają przenikanie sygnału, co zwiększa niepewność w niektórych regionach. W 2019 r. model wykazał nieco gorsze wyniki w porównaniu z ostatnimi latami, co może być związane z różnicami w dostępności i jakości danych na początku misji ICESat-2.
Trudność w wykrywaniu bardzo niskiej roślinności: czujniki lidarowe, w tym ICESat-2, mają trudności z dokładnym pomiarem bardzo niskich koron drzew, zwłaszcza w przypadku rzadkiej pokrywy lub częściowego zasłonięcia gruntu. Dane treningowe nie identyfikują roślinności znajdującej się w odległości mniejszej niż 50 cm od powierzchni ziemi, co może prowadzić do zawyżania wysokości w przypadku najniższych lub najbardziej rozproszonych pokryw terenu, takich jak słone bagna.
Zaniżanie maksymalnych wysokości: wytrenowany model uczenia maszynowego wykazywał tendencję do wartości średniej, co skutkowało zbyt wąskimi i optymistycznymi przedziałami prognozy. Ze względu na zaniżanie wysokości roślinności w górnych zakresach należy zachować ostrożność podczas interpretowania wartości bezwzględnych w regionach z bardzo wysokimi lasami, ale względne wzorce i trendy nadal dostarczają przydatnych informacji.
Ograniczona niezależna weryfikacja: dane zostały zweryfikowane na podstawie danych ICESat-2 (zbiór testowy), ale do pełnej oceny jakości zbioru danych na poziomie regionalnym konieczna jest szersza weryfikacja z użyciem lotniczego lub dronowego lidaru.
Więcej informacji znajdziesz w Hunter et. al, 2025, Zenodo i witrynie Global Pasture Watch w GitHubie
Pasma
Pasma
Rozmiar piksela: 30 m (wszystkie pasma)
| Nazwa | Jednostki | Min. | Maks. | Skala | Rozmiar piksela | Opis |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0,1 | 30 metrów | Mediana wysokości roślinności |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| wersja | PRZ | Wersja usługi |
Warunki usługi
Warunki korzystania z usługi
Cytowanie
L. Parente, Hunter, M., Ho, Y., Bonannella, C. i in. (2025). Global Pasture Watch - Annual short vegetation height maps at 30-m spatial resolution (2000—2022) (Version v1) [Data set]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
Hunter, M.O., L. Parente, Ho, Yf. i in. (2025) Globalne mapy średniej rocznej wysokości roślinności w rozdzielczości 30 m (2000–2022) na podstawie danych ICESat-2 i uczenia maszynowego. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
DOI
Odkrywaj za pomocą Earth Engine
Edytor kodu (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)');