Este conjunto de dados faz parte de um catálogo de editores e não é gerenciado pelo Google Earth Engine. Entre em contato com o Land & Carbon Lab para informar bugs ou ver mais conjuntos de dados do catálogo Global Pasture Watch. Saiba mais sobre os conjuntos de dados do publisher.
- Proprietário do catálogo
- Global Pasture Watch (em inglês)
- Disponibilidade do conjunto de dados
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Produtor de conjunto de dados
- Land and Carbon Lab Global Pasture Watch
- Contato
- Laboratório de terra e carbono
- Cadência
- 1 ano
- Tags
Descrição
Esse conjunto de dados fornece a altura mediana global da vegetação desde 2000 com resolução espacial de 30 m. Produzido pela iniciativa Global Pasture Watch do Land & Carbon Lab, esse conjunto de dados fornece valores de altura mediana da vegetação (50º percentil) em todo o mundo com resolução espacial de 30 m a partir de 2000. O conjunto de dados é baseado na altura mediana dos retornos de vegetação do ICESat-2 ATL08 e é modelado por machine learning (árvores de gradiente impulsionadas por ensemble) usando a ARD do GLAD Landsat (coleção 2), agregada a cada dois meses (Consoli et al., 2024) e combinados com outras covariáveis, incluindo elevação do terreno (GEDTM30), temperatura média geométrica e temperatura de longo prazo do MODIS e vapor d'água.
Originalmente projetado para oferecer suporte ao monitoramento de ecossistemas abertos (campos, arbustos abertos, savanas, tundra), o conjunto de dados oferece cobertura completa de todos os ecossistemas terrestres. Portanto, os valores de altura mediana dos ecossistemas florestais não devem ser interpretados como o topo da cobertura. Para comparar com outros produtos de altura de dossel, acesse o app Kit de ferramentas de comparação de altura do GPW (GPW-HCT).
As estimativas de valores de intervalo de previsão de 90% (5º e 95º percentis) estão disponíveis no OpenLandMap STAC.
A análise de tendência por pixel é calculada na hora usando o GEE App.
Limitações:
Heterogeneidade da vegetação: a altura mediana é sensível a arbustos e árvores em paisagens dominadas por cobertura herbácea. Usuários focados em biomassa herbácea devem usar mapas de cobertura fracionada para resolver misturas de subpixels. As versões futuras podem incorporar informações da estrutura vertical do ICESat-2 para uma melhor separação da cobertura vegetal.
Padrões subanuais e sazonais: a densidade atual de dados do ICESat-2 é insuficiente para mapear mudanças sazonais de altura comuns em ecossistemas gramíneos. É necessário aumentar as aquisições de Lidar ou a amostragem mais densa da medição contínua para capturar snapshots mais frequentes, o que melhoraria o monitoramento de mudanças e distúrbios intraanuais, incluindo pastagem, incêndios e colheitas.
Restrições e incertezas de dados: os dados de treinamento foram restritos a medições noturnas e de feixe forte para minimizar o ruído de sinal. Além disso, foram aplicados outros filtros, mas isso não explica totalmente todas as fontes de incerteza de dados na missão ICESat-2. Além disso, a cobertura de nuvens e a fumaça dificultam a penetração do sinal, aumentando a incerteza em algumas regiões. Especificamente para 2019, o modelo apresentou uma performance um pouco pior em comparação com anos mais recentes, o que pode estar relacionado a diferenças na disponibilidade e qualidade dos dados no início da missão ICESat-2.
Dificuldade em detectar vegetação muito baixa: os sensores LiDAR, incluindo o ICESat-2, têm dificuldade em medir com precisão copas muito baixas, especialmente com cobertura esparsa ou oclusão parcial do solo. Os dados de treinamento não identificam vegetação a menos de 50 cm da superfície do solo, o que pode levar à superestimação da altura nas coberturas de terra mais curtas ou esparsas, como salinas de pântanos.
Subestimação das alturas máximas: o modelo de machine learning treinado mostrou uma tendência à média, o que resultou em intervalos de previsão muito estreitos e otimistas. Devido à subestimação da altura da vegetação nos extremos superiores, é preciso ter cuidado ao interpretar valores absolutos em regiões com florestas muito altas, mas os padrões e tendências relativos ainda são informativos.
Validação independente limitada: embora validada com dados do ICESat-2 (conjunto de teste), uma validação mais ampla usando Lidar aéreo ou de drone seria necessária para avaliar totalmente a qualidade do conjunto de dados no nível regional.
Para mais informações, consulte Hunter et. al, 2025, Zenodo e site do Global Pasture Watch no GitHub
Bandas
Bandas
Tamanho do pixel: 30 metros (todas as bandas)
| Nome | Unidades | Mín. | Máx. | Escala | Tamanho do pixel | Descrição |
|---|---|---|---|---|---|---|
height |
m | 0 | 10 | 0,1 | 30 metros | Altura mediana da vegetação |
Propriedades de imagens
Propriedades da imagem
| Nome | Tipo | Descrição |
|---|---|---|
| version | INT | Versão do produto |
Termos de Uso
Termos de Uso
Citações
Parente, L., Hunter, M., Ho, Y., Bonannella, C. el al. (2025). Global Pasture Watch: mapas anuais de altura de vegetação curta com resolução espacial de 30 m (2000 a 2022) (versão v1) [Conjunto de dados]. Zenodo. doi:https://doi.org/10.5281/zenodo.15198654
Hunter, M.O., Parente, L., Ho, Yf. et al. (2025) Mapas globais de altura mediana anual da vegetação de 30 m (2000 a 2022) com base em dados do ICESat-2 e aprendizado de máquina. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
Identificadores DOI
Explore com o 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)');