Dieser Datensatz enthält globale, nicht kalibrierte, EO-basierte Daten zur Brutto-Primärproduktion ab dem Jahr 2000 mit einer räumlichen Auflösung von 30 m.
Das aktuelle Dataset wurde von der Initiative „Global Pasture Watch“ des Land & Carbon Lab erstellt und enthält Werte für die Bruttoprimärproduktion (Gross Primary Productivity, GPP) weltweit mit einer räumlichen Auflösung von 30 m ab dem Jahr 2000.
GPP-Werte werden mit einem LUE-Ansatz (Light Use Efficiency) modelliert, wobei GLAD Landsat ARD (Collection 2) alle zwei Monate aggregiert werden (Consoli et al., 2024) und mit MODIS-Temperaturdaten mit einer Auflösung von 1 km und CERES-Daten zur photosynthetisch aktiven Strahlung (Photosynthetically Active Radiation, PAR) mit einer Auflösung von 1° kombiniert.
Um den Datensatz flexibel zu halten, wird die maximale Lichtnutzungseffizienz (LUEmax) für alle Landbedeckungstypen auf 1 gC/m²/Tag/MJ festgelegt. So können Nutzer die GPP-Werte später anhand bestimmter Landbedeckungskarten oder regionaler Bedingungen anpassen.
Die zweimonatlichen unkalibrierten Werte für die Brutto-Primärproduktion (uGPP) (verfügbar in OpenLandMap STAC) werden für jedes Jahr gemittelt und über den gesamten 365-Tage-Zeitraum hinweg summiert, um globale jährliche uGPP-Werte zu erhalten, die in gC/m²/Jahr ausgedrückt werden.
Die Werte für die Brutto-Primärproduktion von Grasland werden mit der GEE-App on-the-fly berechnet.
Beschränkungen:
Fehlerhafte Auflösung der Eingabedaten: Der Datensatz wird mit einer Auflösung von 30 m bereitgestellt, aber wichtige Eingabevariablen für die Temperatur (MOD11A1) und die photosynthetisch aktive Strahlung (CERES PAR) wurden aus viel gröberen Produkten abgeleitet (1 km bzw. ~111 km).
Die Herunterskalierung dieser Informationen kann zu Unsicherheiten führen und möglicherweise keine kleinskaligen mikroklimatischen Bedingungen erfassen, die sich auf die Pflanzenproduktivität auswirken.
Datenartefakte: Das Dataset enthält bekannte visuelle Artefakte, darunter vertikale Streifen („Streifeneffekt“) in einigen Bereichen, die auf Probleme mit dem Landsat 7-Sensor (Ausfall des Scan Line Corrector) und dem anschließenden Verfahren zur Lückenfüllung zurückzuführen sind, das zum Erstellen des zugrunde liegenden Reflektanzarchivs verwendet wurde (Consoli et al., 2024). Diese Artefakte können die räumliche Kontinuität von GPP-Schätzungen während bewölkter und schneebedeckter Perioden stören.
Zeitliche Auflösung: Die Daten werden mit einer zweimonatlichen zeitlichen Auflösung erstellt. Dieser Zeitraum reicht möglicherweise nicht aus, um wichtige Wachstumsphasen oder die schnellen Reaktionen einer Pflanze (starker Regen) auf Umweltveränderungen zu erfassen. Daher ist es schwierig, Produktivitätsspitzen und saisonale Schwankungen genau zu erfassen.
Kalibrierung von Grasland: Die GPP-Werte für Grasland werden anhand eines einzelnen Parameters für die maximale Lichtnutzungseffizienz (LUEmax) (0, 86 gC/m²/Jahr/MJ) für alle globalen Graslandflächen auf Grundlage des MOD17-Algorithmus berechnet. Dieser Wert ist nicht für bestimmte Graslandtypen oder lokale Bedingungen optimiert. Daher neigt das Modell dazu, die GPP im Vergleich zu bodengestützten Flux-Tower-Messungen zu unterschätzen.
Abhängigkeit von der Genauigkeit der Grünlandkarten: Die Genauigkeit der GPP-Werte für Grünland hängt von der Genauigkeit der zugrunde liegenden GPW-Grünlandkarten ab.
Eine falsche Klassifizierung der Landbedeckung in den Quellkarten (z.B. wenn Strauchland oder Ackerland als Grasland identifiziert wird) führt zu entsprechenden Fehlern in den GPP-Schätzungen für diese Standorte.
Isik, M. S., Mesquita, V., Parente, L., & Consoli, D. (2025).
Global Pasture Watch – Quellcode der globalen, nicht kalibrierten EO-basierten GPP- und Grasland-GPP-Karten mit einer Auflösung von 30 m. Zenodo.
[Quellcode] Zenodo
doi:https://doi.org/10.5281/zenodo.15675358
Isik MS, Parente L, Consoli D, et al. (2025).
Light use efficiency (LUE) based bimonthly gross primary productivity (GPP) for global grasslands at 30 m spatial resolution (2000–2022), PeerJ.
doi: https://doi.org/10.7717/peerj.19774
Dieser Datensatz enthält globale, nicht kalibrierte, EO-basierte Daten zur Brutto-Primärproduktion ab dem Jahr 2000 mit einer räumlichen Auflösung von 30 m. Das aktuelle Dataset wurde von der Initiative „Land & Carbon Lab Global Pasture Watch“ erstellt und enthält Werte für die Bruttoprimärproduktion (Gross Primary Productivity, GPP) weltweit mit einer räumlichen Auflösung von 30 m ab dem Jahr 2000. GPP-Werte werden über eine leichte Nutzung modelliert …
[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)"]]
