Cet ensemble de données fournit la productivité primaire brute mondiale non calibrée basée sur l'observation de la Terre à partir de l'an 2000, avec une résolution spatiale de 30 mètres.
Produit par l'initiative Land & Carbon Lab Global Pasture Watch, l'ensemble de données actuel fournit des valeurs de productivité primaire brute (PPB) à l'échelle mondiale avec une résolution spatiale de 30 mètres à partir de l'an 2000.
Les valeurs de PPB sont modélisées à l'aide d'une approche d'efficacité d'utilisation de la lumière (LUE), où les données ARD Landsat GLAD (collection 2) sont agrégées tous les deux mois (Consoli et al., 2024) et combinées aux données de température MODIS de 1 km et à la radiation photosynthétiquement active (PAR) CERES de 1°.
Pour que l'ensemble de données reste flexible, l'efficacité maximale d'utilisation de la lumière (LUEmax) est définie sur 1 gC/m²/jour/MJ pour tous les types de couverture terrestre. Les utilisateurs peuvent ainsi calibrer ultérieurement les valeurs de GPP en fonction de cartes de couverture terrestre spécifiques ou de conditions régionales.
Les valeurs bimensuelles non calibrées de la productivité primaire brute (uGPP) (disponibles dans OpenLandMap STAC) sont moyennées pour chaque année et cumulées sur la période complète de 365 jours pour produire des valeurs uGPP annuelles mondiales, exprimées en unités de gC/m²/an.
Les valeurs GPP des prairies sont calculées à la volée à l'aide de l'application GEE.
Limites :
Résolution des données d'entrée non concordante : l'ensemble de données est fourni à une résolution de 30 m, mais les principales variables d'entrée pour la température (MOD11A1) et le rayonnement photosynthétiquement actif (CERES PAR) ont été dérivées de produits beaucoup plus grossiers (1 km et environ 111 km, respectivement).
La réduction de l'échelle de ces informations peut introduire une incertitude et ne pas refléter les conditions microclimatiques à petite échelle qui affectent la productivité des plantes.
Artefacts de données : l'ensemble de données contient des artefacts visuels connus, y compris des bandes verticales ("effet de bande") dans certaines zones, qui résultent de problèmes liés au capteur Landsat 7 (défaillance du correcteur de ligne de balayage) et du processus de remplissage des lacunes utilisé par la suite pour créer l'archive de réflectance sous-jacente (Consoli et al., 2024). Ces artefacts peuvent perturber la continuité spatiale des estimations de la PPB pendant les périodes nuageuses et enneigées.
Résolution temporelle : les données sont produites avec une résolution temporelle bimensuelle. Cette période peut ne pas être suffisante pour capturer les périodes de croissance clés ou les réponses rapides d'une plante (fortes pluies) aux changements environnementaux, ce qui rend difficile la capture précise des pics de productivité et des variations saisonnières.
Calibration des prairies : les valeurs de la production primaire brute (PPB) des prairies sont calculées à l'aide d'un seul paramètre d'efficacité maximale d'utilisation de la lumière (LUEmax) (0,86 gC/m²/an/MJ) pour toutes les prairies du monde, sur la base de l'algorithme MOD17. Cette valeur n'est pas optimisée pour des types de prairies spécifiques ni pour les conditions locales. Par conséquent, le modèle a tendance à sous-estimer la production primaire brute par rapport aux mesures des tours de flux au sol.
Dépendance de la précision des cartes de prairies : la précision des valeurs de la production primaire brute des prairies dépend de la précision des cartes de prairies GPW sous-jacentes.
Toute classification incorrecte de la couverture terrestre dans les cartes sources (par exemple, des arbustaies ou des terres cultivées identifiées comme des prairies) entraînera des erreurs correspondantes dans les estimations de la production primaire brute pour ces zones.
Isik, M. S., Mesquita, V., Parente, L., & Consoli, D. (2025).
Global Pasture Watch : code source des cartes mondiales non calibrées de la production primaire brute (PPB) et de la PPB des prairies basées sur l'observation de la Terre à 30 m. Zenodo.
[Code source]. 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
Cet ensemble de données fournit la productivité primaire brute mondiale non calibrée basée sur l'observation de la Terre depuis 2000, avec une résolution spatiale de 30 m. Produit par l'initiative Land & Carbon Lab Global Pasture Watch, l'ensemble de données actuel fournit des valeurs de productivité primaire brute (PPB) à l'échelle mondiale avec une résolution spatiale de 30 mètres à partir de l'an 2000. Les valeurs de GPP sont modélisées à l'aide d'une utilisation légère…
[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)"]]
