- Katalog Sahibi
- Global Pasture Watch
- Veri Kümesi Kullanılabilirliği
- 2000-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Veri Kümesi Üreticisi
- Land and Carbon Lab Global Pasture Watch
- İletişim
- Arazi ve Karbon Laboratuvarı
- Adım frekansı
- 1 Yıl
- Etiketler
Açıklama
Bu veri kümesi, 2000 yılından itibaren 30 m uzamsal çözünürlükte küresel ortalama bitki yüksekliğini sağlar. Land & Carbon Lab'in Global Pasture Watch girişimi tarafından üretilen bu veri kümesi, 2000'den itibaren 30 m uzamsal çözünürlükte küresel olarak medyan bitki yüksekliği değerlerini (50. yüzdelik dilim) sağlar. Veri kümesi, ICESat-2 ATL08 bitki örtüsü yansımalarının ortalama yüksekliğine dayanır ve iki ayda bir toplanan GLAD Landsat ARD (collection-2) kullanılarak makine öğrenimi (ensemble Gradient Boosted Trees) aracılığıyla modellenir (Consoli ve diğerleri, 2024) ve arazi yüksekliği (GEDTM30), geometrik ortalama sıcaklık, MODIS uzun vadeli sıcaklık ve su buharı gibi ek kovaryantlarla birleştirilmiştir.
Başlangıçta açık ekosistemlerin (otlaklar, açık çalılıklar, savanlar, tundra) izlenmesini desteklemek için tasarlanan veri kümesi, tüm karasal ekosistemlerin uçtan uca kapsamını sunar. Bu nedenle, orman ekosistemlerinin ortalama yükseklik değerleri, ağaç örtüsünün üst kısmı olarak yorumlanmamalıdır. Diğer mevcut kanopi yüksekliği ürünleriyle karşılaştırmak için GPW Yükseklik Karşılaştırma Araç Seti (GPW-HCT) uygulamasına erişin.
% 90 tahmin aralığı değerlerinin (5. ve 95. yüzdelikler) tahminleri OpenLandMap STAC'de mevcuttur.
Piksel başına trend analizi, GEE App kullanılarak anında hesaplanır.
Sınırlamalar:
Bitki örtüsü heterojenliği: Ortanca yükseklik, ot örtüsünün hakim olduğu manzaralardaki çalı ve ağaçlara karşı hassastır. Otsu biyokütleye odaklanan kullanıcılar, alt piksel karışımlarını ele almak için kesirli kaplama haritalarını kullanmayı düşünebilir. Gelecekteki sürümlerde, ağaçlık alanların daha iyi ayrılması için ICESat-2'nin dikey yapı bilgileri kullanılabilir.
Yıldan kısa ve sezonluk desenler: Mevcut ICESat-2 veri yoğunluğu, çimenli ekosistemlerde yaygın olan sezonluk yükseklik değişikliklerini haritalamak için yeterli değildir. Daha sık anlık görüntüler yakalamak için daha fazla Lidar verisi elde edilmesi veya devam eden ölçümden daha yoğun örnekleme yapılması gerekir. Bu sayede, otlatma, yangın ve hasat gibi yıl içindeki değişikliklerin ve bozulmaların izlenmesi iyileştirilir.
Veri kısıtlamaları ve belirsizlik: Eğitim verileri, sinyal gürültüsünü en aza indirmek için güçlü ışınlı gece ölçümleriyle kısıtlanmış ve ek filtreler uygulanmıştır. Ancak bu, ICESat-2 görevindeki tüm veri belirsizliği kaynaklarını tam olarak hesaba katmaz. Ayrıca, bulut örtüsü ve duman, sinyal penetrasyonunu engellediği için bazı bölgelerde belirsizlik artıyor. Özellikle 2019'da model, daha yeni yıllara kıyasla biraz daha düşük performans gösterdi. Bunun nedeni, ICESat-2 görevinin başlangıcındaki veri kullanılabilirliği ve kalitesindeki farklılıklar olabilir.
Çok kısa bitki örtüsünü algılamada zorluk: ICESat-2 dahil olmak üzere LiDAR sensörleri, özellikle seyrek örtü veya kısmi yer tıkanıklığı olan çok alçak kanopileri doğru bir şekilde ölçmekte zorlanır. Eğitim verileri, yerden 50 cm'den daha kısa olan bitki örtüsünü tanımlamaz. Bu durum, sulak alanlardaki tuz tavaları gibi en kısa veya en seyrek arazi örtülerinde yüksekliğin fazla tahmin edilmesine neden olabilir.
Maksimum yüksekliklerin düşük tahmin edilmesi: Eğitilmiş makine öğrenimi modeli, ortalamaya doğru bir eğilim gösterdi. Bu durum, tahmin aralıklarının aşırı dar ve iyimser olmasına neden oldu. Üst uçlarda bitki yüksekliği düşük tahmin edildiğinden, çok yüksek ormanların bulunduğu bölgelerde mutlak değerler yorumlanırken dikkatli olunmalıdır. Ancak göreceli kalıplar ve trendler yine de bilgilendiricidir.
Sınırlı bağımsız doğrulama: ICESat-2 verilerine (test kümesi) göre doğrulama yapılmış olsa da veri kümesinin bölgesel düzeydeki kalitesini tam olarak değerlendirmek için havadan veya drone ile Lidar kullanılarak daha kapsamlı bir doğrulama yapılması gerekir.
Daha fazla bilgi için Hunter ve diğerleri, 2025, Zenodo ve Global Pasture Watch GitHub sitesi'ne bakın.
Bantlar
Bantlar
Piksel boyutu: 30 metre (tüm bantlar)
| Ad | Birimler | Min. | Maks. | Ölçek | Piksel Boyutu | Açıklama |
|---|---|---|---|---|---|---|
height |
dk. | 0 | 10 | 0,1 | 30 metre | Ortalama bitki yüksekliği |
Resim Özellikleri
Görüntü Özellikleri
| Ad | Tür | Açıklama |
|---|---|---|
| sürüm | MÜD | Ürün sürümü |
Kullanım Şartları
Kullanım Şartları
Alıntılar
Parente, L., Hunter, M., Ho, Y., Bonannella, C. ve diğerleri (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., Parente, L., Ho, Yf. ve diğerleri (2025) ICESat-2 verilerine ve makine öğrenimine dayalı olarak 30 metre çözünürlükte 2000-2022 yılları arasındaki yıllık ortalama bitki yüksekliği haritaları. Scientific Data 12, 1470. doi: https://doi.org/10.1038/s41597-025-05739-6
DOI'lar
Earth Engine ile Keşif
Kod Düzenleyici (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)');