এই ডেটাসেটটি 2000 থেকে 30-মি স্থানিক রেজোলিউশনে বৈশ্বিক আনক্যালিব্রেটেড EO-ভিত্তিক গ্রস প্রাইমারি প্রোডাক্টিভিটি প্রদান করে। ল্যান্ড অ্যান্ড কার্বন ল্যাব গ্লোবাল পাশ্চার ওয়াচ উদ্যোগ দ্বারা উত্পাদিত, বর্তমান ডেটাসেটটি 2000 সাল থেকে 30-মি স্থানিক রেজোলিউশনে বিশ্বব্যাপী গ্রস প্রাইমারি প্রোডাক্টিভিটি (GPP) মান প্রদান করে। GPP মানগুলি হালকা ব্যবহারের দক্ষতা (LUE) পদ্ধতির মাধ্যমে তৈরি করা হয়েছে, যেখানে GLAD Landsat ARD (সংগ্রহ-2) প্রতি দুই মাসে একত্রিত করা হয় ( Consoli et al., 2024 ) এবং 1-km MODIS তাপমাত্রা ডেটা এবং 1° CERES ফটোসিন্থেটিকভাবে সক্রিয় বিকিরণ (AR) এর সাথে মিলিত হয়।
ডেটাসেট নমনীয় রাখার জন্য, সর্বাধিক আলো ব্যবহারের দক্ষতা (LUEmax) 1 gC/m²/day/MJ-এ সেট করা হয়েছে সমস্ত ল্যান্ড কভারের জন্য, ব্যবহারকারীদের পরে নির্দিষ্ট ল্যান্ড কভার ম্যাপ বা আঞ্চলিক অবস্থা অনুযায়ী GPP মানগুলিকে ক্যালিব্রেট করার অনুমতি দেয়৷
দ্বি-মাসিক আনক্যালিব্রেটেড গ্রস প্রাইমারি প্রোডাক্টিভিটি (uGPP) মানগুলি ( OpenLandMap STAC এ উপলব্ধ) প্রতি বছর গড় করা হয় এবং বিশ্বব্যাপী বার্ষিক uGPP মানগুলি তৈরি করতে 365-দিনের সময় ধরে জমা হয়, যা gC/m²/বছরের এককে প্রকাশ করা হয়।
GEE অ্যাপ ব্যবহার করে গ্রাসল্যান্ড জিপিপি মানগুলি ফ্লাইতে গণনা করা হয়৷
সীমাবদ্ধতা:
ইনপুট ডেটা রেজোলিউশন অমিল : ডেটাসেটটি 30 মিটার রেজোলিউশনে সরবরাহ করা হয়েছে, তবে তাপমাত্রার জন্য মূল ইনপুট ভেরিয়েবলগুলি (MOD11A1) এবং আলোকসংশ্লেষকভাবে সক্রিয় বিকিরণ (CERES PAR) অনেক মোটা পণ্য (যথাক্রমে 1 কিমি এবং ~ 111 কিমি) থেকে নেওয়া হয়েছিল। এই তথ্যের ডাউনস্কেলিং অনিশ্চয়তা প্রবর্তন করতে পারে এবং উদ্ভিদের উৎপাদনশীলতাকে প্রভাবিত করে এমন সূক্ষ্ম-স্কেল মাইক্রোক্লাইমেটিক অবস্থা ক্যাপচার করতে পারে না।
ডেটা আর্টিফ্যাক্টস : ডেটাসেটে পরিচিত ভিজ্যুয়াল আর্টিফ্যাক্ট রয়েছে, যার মধ্যে কিছু এলাকায় উল্লম্ব স্ট্রাইপ ("স্ট্রাইপ ইফেক্ট") রয়েছে, যা ল্যান্ডস্যাট 7 সেন্সর (স্ক্যান লাইন সংশোধনকারী ব্যর্থতা) এবং অন্তর্নিহিত প্রতিফলন সংরক্ষণাগার তৈরি করতে ব্যবহৃত গ্যাপ-ফিলিং প্রক্রিয়ার সমস্যাগুলির ফলাফল ( আল 20, কনসোলি 2 )। এই নিদর্শনগুলি মেঘলা এবং তুষার কভার সময়কালে জিপিপি অনুমানের স্থানিক ধারাবাহিকতাকে ব্যাহত করতে পারে
টেম্পোরাল রেজোলিউশন : ডেটা দ্বিমাসিক অস্থায়ী রেজোলিউশনে উত্পাদিত হয়। এই সময়সীমাটি মূল বৃদ্ধির সময়কাল বা পরিবেশগত পরিবর্তনের জন্য একটি উদ্ভিদের দ্রুত প্রতিক্রিয়া (তীব্র বৃষ্টিপাত) ক্যাপচার করার জন্য যথেষ্ট নাও হতে পারে, যার ফলে উৎপাদনশীলতার শিখর এবং ঋতু পরিবর্তনের সঠিকভাবে ক্যাপচার করা কঠিন হয়ে পড়ে।
তৃণভূমি ক্রমাঙ্কন : MOD17 অ্যালগরিদমের উপর ভিত্তি করে সমস্ত বিশ্বব্যাপী তৃণভূমির জন্য একটি একক সর্বাধিক আলো ব্যবহারের দক্ষতা (LUEmax) প্যারামিটার (0.86 gC/m²/year/MJ) ব্যবহার করে তৃণভূমির GPP মানগুলি গণনা করা হয়। এই মান নির্দিষ্ট তৃণভূমির ধরন বা স্থানীয় অবস্থার জন্য অপ্টিমাইজ করা হয় না। ফলস্বরূপ, স্থল-ভিত্তিক ফ্লাক্স টাওয়ার পরিমাপের তুলনায় মডেলটি GPP-কে অবমূল্যায়ন করার প্রবণতা দেখায়।
তৃণভূমি মানচিত্রের নির্ভুলতার উপর নির্ভরতা : তৃণভূমির জিপিপি মানগুলির নির্ভুলতা অন্তর্নিহিত GPW তৃণভূমি মানচিত্রের নির্ভুলতার উপর নির্ভরশীল। উৎস মানচিত্রে ভূমি আবরণের কোনো ভুল শ্রেণিবিন্যাস (যেমন, ঝোপঝাড় বা শস্যভূমি তৃণভূমি হিসেবে চিহ্নিত) সেই স্থানগুলির জন্য GPP অনুমানে সংশ্লিষ্ট ত্রুটির দিকে পরিচালিত করবে।
Isik MS, Parente L, Consoli D, et al. (2025)। 30 মিটার স্থানিক রেজোলিউশনে (2000-2022), পিয়ারজে বৈশ্বিক তৃণভূমির জন্য হালকা ব্যবহারের দক্ষতা (LUE) ভিত্তিক দ্বিমাসিক মোট প্রাথমিক উত্পাদনশীলতা (GPP)। doi: https://doi.org/10.7717/peerj.19774
এই ডেটাসেটটি 2000 থেকে 30-মি স্থানিক রেজোলিউশনে বৈশ্বিক আনক্যালিব্রেটেড EO-ভিত্তিক গ্রস প্রাইমারি প্রোডাক্টিভিটি প্রদান করে। ল্যান্ড অ্যান্ড কার্বন ল্যাব গ্লোবাল পাশ্চার ওয়াচ উদ্যোগ দ্বারা উত্পাদিত, বর্তমান ডেটাসেটটি 2000 সাল থেকে 30-মি স্থানিক রেজোলিউশনে বিশ্বব্যাপী গ্রস প্রাইমারি প্রোডাক্টিভিটি (GPP) মান প্রদান করে। GPP মানগুলি হালকা ব্যবহারের মাধ্যমে মডেল করা হয় ...
[null,null,[],[],[],null,["# GPW Annual uncalibrated Gross Primary Productivity (uGPP) v1\n\ninfo\n\n\nThis dataset is part of a Publisher Catalog, and not managed by Google Earth Engine.\n\nContact [Land \\& Carbon Lab](https://landcarbonlab.org/subscribe)\n\nfor bugs or [view more datasets](https://developers.google.com/earth-engine/datasets/publisher/global-pasture-watch)\nfrom the Global Pasture Watch Catalog. [Learn more about Publisher datasets](/earth-engine/datasets/publisher). \n[](https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring) \n\nCatalog Owner\n: Global Pasture Watch\n\nDataset Availability\n: 2000-01-01T00:00:00Z--2024-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [Land and Carbon Lab Global Pasture Watch](https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring)\n\nContact\n: [Land \\& Carbon Lab](https://landcarbonlab.org/subscribe)\n\nCadence\n: 1 Year\n\nTags\n:\n[global](/earth-engine/datasets/tags/global) [global-pasture-watch](/earth-engine/datasets/tags/global-pasture-watch) [land](/earth-engine/datasets/tags/land) [landcover](/earth-engine/datasets/tags/landcover) [landuse](/earth-engine/datasets/tags/landuse) [plant-productivity](/earth-engine/datasets/tags/plant-productivity) [publisher-dataset](/earth-engine/datasets/tags/publisher-dataset) [vegetation](/earth-engine/datasets/tags/vegetation) \n\n#### Description\n\nThis dataset provides global uncalibrated EO-based Gross Primary Productivity\nfrom 2000 at 30-m spatial resolution.\nProduced by Land \\& Carbon Lab Global Pasture Watch initiative, the current dataset provides\nGross Primary Productivity (GPP) values globally at 30-m spatial resolution from 2000 onwards.\nGPP values are modeled via a **light use efficiency (LUE)** approach,\nwhere [**GLAD Landsat ARD** (collection-2)](https://glad.umd.edu/ard/home) are aggregated every two months\n([Consoli et al., 2024](https://peerj.com/articles/18585/)) and combined with 1-km **MODIS\ntemperature** data and 1° **CERES Photosynthetically Active Radiation** (PAR).\n\nTo keep the dataset flexible, the maximum light use efficiency (LUEmax) is set to 1 gC/m²/day/MJ\nfor **all land cover types**, allowing the users to later calibrate the\nGPP values according to specific land cover maps or regional conditions.\n\n**Bi-monthly uncalibrated Gross Primary Productivity (uGPP)** values (available in [OpenLandMap STAC](https://stac.openlandmap.org/gpw_ugpp.daily-30m/collection.json)) are averaged by each year and accumulated over the full 365-day period to produce\nglobal annual uGPP values, expressed in units of gC/m²/year.\n\n**Grassland GPP** values are computed on-the-fly using [GEE App](https://global-pasture-watch.projects.earthengine.app/view/ggpp-30m).\n\n**Limitations:**\n\n- **Input data resolution mismatch**: The dataset is provided at 30 m resolution, but key input variables for temperature (MOD11A1)\n and photosynthetically active radiation (CERES PAR) were derived from much coarser products (1 km and \\~111 km, respectively).\n The downscaling of this information can introduce uncertainty and may not capture fine-scale microclimatic conditions affecting plant productivity.\n\n- **Data artifacts** : The dataset contains known visual artifacts, including vertical stripes (\"stripe effect\") in some areas, which are a result\n of issues with the Landsat 7 sensor (Scan Line Corrector failure) and the subsequent gap-filling process used to create the underlying\n reflectance archive ([Consoli et al., 2024](https://peerj.com/articles/18585/)). These artifacts can disrupt the spatial continuity\n of GPP estimates during cloudy and snow cover periods\n\n- **Temporal resolution**: The data is produced at a bimonthly temporal resolution. This timeframe may not be sufficient\n to capture key growth periods or a plant's rapid responses (intense rainfall) to environmental changes, making\n it difficult to accurately capture productivity peaks and seasonal variation.\n\n- **Grassland calibration**: Grassland GPP values are calculated using a single maximum light use efficiency (LUEmax)\n parameter (0.86 gC/m²/year/MJ) for all global grasslands, based on the MOD17 algorithm. This value is not optimized\n for specific grassland types or local conditions. As a result, the model shows a tendency to underestimate GPP when\n compared to ground-based flux tower measurements.\n\n- **Dependence on grassland maps accuracy** : The accuracy of the grassland GPP values is contingent on the accuracy of the\n underlying [GPW grassland maps](https://developers.google.com/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggc-30m_v1_grassland_c).\n Any misclassification of land cover in the source maps (e.g., shrublands or croplands identified as grassland) will\n lead to corresponding errors in the GPP estimates for those locations.\n\n**For more information see [Isik et. al, 2025](https://doi.org/10.7717/peerj.19774),\n[Zenodo](https://doi.org/10.5281/zenodo.15675358) and\n[Global Pasture Watch GitHub site](https://github.com/wri/global-pasture-watch)**\n\n### Bands\n\n**Bands**\n\n| Name | Min | Max | Pixel Size | Description |\n|---------|-----|------|------------|--------------------------------------------------------|\n| `gc_m2` | 0 | 4000 | 30 meters | Grams of carbon per square meter per year (gC/m²/year) |\n\n### Image Properties\n\n**Image Properties**\n\n| Name | Type | Description |\n|---------|------|-----------------|\n| version | INT | Product version |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- Isik, M. S., Mesquita, V., Parente, L., \\& Consoli, D. (2025).\n Global Pasture Watch - Source Code of the Global Uncalibrated EO-based GPP and\n Grassland GPP Maps at 30m. Zenodo.\n \\[Source code\\]. Zenodo\n [doi:https://doi.org/10.5281/zenodo.15675358](https://doi.org/10.5281/zenodo.15675358)\n- Isik MS, Parente L, Consoli D, et al. (2025).\n Light use efficiency (LUE) based bimonthly gross primary\n productivity (GPP) for global grasslands at 30 m spatial\n resolution (2000--2022), PeerJ.\n [doi: https://doi.org/10.7717/peerj.19774](https://doi.org/10.7717/peerj.19774)\n\n### DOIs\n\n- \u003chttps://doi.org/10.5281/zenodo.13890401\u003e\n- \u003chttps://doi.org/10.7717/peerj.19774\u003e\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nMap.setCenter(-49.265188, -16.602052, 4);\n\nvar ugppVis = {min: 0, max: 4000, palette: \"faccfa,f19d6b,828232,226061,011959\"}\nvar ugpp = ee.ImageCollection(\n \"projects/global-pasture-watch/assets/ggpp-30m/v1/ugpp_m\"\n)\n\nvar ugpp2024 = ugpp.filterDate('2024-01-01', '2025-01-01').first();\nMap.addLayer(ugpp2024, ugppVis, 'Uncalibrated GPP (2024)');\n\nvar ugpp2000 = ugpp.filterDate('2000-01-01', '2001-01-01').first();\nMap.addLayer(ugpp2000, ugppVis, 'Uncalibrated GPP (2000)');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/global-pasture-watch/projects_global-pasture-watch_assets_ggpp-30m_v1_ugpp_m) \n[GPW Annual uncalibrated Gross Primary Productivity (uGPP) v1](/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggpp-30m_v1_ugpp_m) \nThis dataset provides global uncalibrated EO-based Gross Primary Productivity from 2000 at 30-m spatial resolution. Produced by Land \\& Carbon Lab Global Pasture Watch initiative, the current dataset provides Gross Primary Productivity (GPP) values globally at 30-m spatial resolution from 2000 onwards. GPP values are modeled via a light use ... \nprojects/global-pasture-watch/assets/ggpp-30m/v1/ugpp_m, global,global-pasture-watch,land,landcover,landuse,plant-productivity,publisher-dataset,vegetation \n2000-01-01T00:00:00Z/2024-01-01T00:00:00Z \n-90 -180 90 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [https://doi.org/10.7717/peerj.19774](https://doi.org/https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring)\n- [https://doi.org/10.7717/peerj.19774](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggpp-30m_v1_ugpp_m)"]]
