Ten zbiór danych zawiera globalne, niekalibrowane dane dotyczące pierwotnej produkcji brutto na podstawie obserwacji Ziemi od 2000 roku w rozdzielczości przestrzennej 30 m.
Obecny zbiór danych, opracowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, zawiera wartości pierwotnej produkcji brutto (GPP) na całym świecie w rozdzielczości przestrzennej 30 m od 2000 roku.
Wartości GPP są modelowane za pomocą podejścia light use efficiency (LUE), w którym GLAD Landsat ARD (kolekcja 2) są agregowane co 2 miesiące (Consoli i in., 2024) i połączone z danymi MODIS dotyczącymi temperatury o rozdzielczości 1 km oraz danymi CERES dotyczącymi promieniowania czynnego fotosyntetycznie (PAR) o rozdzielczości 1°.
Aby zachować elastyczność zbioru danych, maksymalna wydajność wykorzystania światła (LUEmax) jest ustawiona na 1 gC/m²/dzień/MJ w przypadku wszystkich typów pokrycia terenu, co pozwala użytkownikom później skalibrować wartości GPP zgodnie z konkretnymi mapami pokrycia terenu lub warunkami regionalnymi.
Dwumiesięczne niekalibrowane wartości pierwotnej produkcji brutto (uGPP) (dostępne w OpenLandMap STAC) są uśredniane w każdym roku i sumowane w pełnym 365-dniowym okresie, aby uzyskać globalne roczne wartości uGPP wyrażone w jednostkach gC/m²/rok.
Wartości Grassland GPP są obliczane na bieżąco za pomocą aplikacji GEE.
Ograniczenia:
Niedopasowanie rozdzielczości danych wejściowych: zbiór danych jest udostępniany w rozdzielczości 30 m, ale kluczowe zmienne wejściowe dotyczące temperatury (MOD11A1) i promieniowania fotosyntetycznie czynnego (CERES PAR) zostały uzyskane z produktów o znacznie niższej rozdzielczości (odpowiednio 1 km i ok. 111 km).
Skalowanie w dół tych informacji może wprowadzać niepewność i nie uwzględniać warunków mikroklimatycznych o dużej dokładności, które wpływają na produktywność roślin.
Artefakty danych: zbiór danych zawiera znane artefakty wizualne, w tym pionowe paski („efekt pasków”) w niektórych obszarach, które są wynikiem problemów z sensorem Landsat 7 (awaria korektora linii skanowania) i późniejszego procesu wypełniania luk użytego do utworzenia podstawowego archiwum odbicia (Consoli i in., 2024). Te artefakty mogą zakłócać ciągłość przestrzenną szacunków GPP w okresach zachmurzenia i pokrywy śnieżnej.
Rozdzielczość czasowa: dane są generowane z rozdzielczością czasową wynoszącą 2 miesiące. Ten okres może nie wystarczyć do uchwycenia kluczowych okresów wzrostu lub szybkich reakcji roślin (np. na intensywne opady deszczu) na zmiany środowiskowe, co utrudnia dokładne rejestrowanie szczytów produktywności i zmian sezonowych.
Kalibracja łąk: wartości GPP łąk są obliczane na podstawie jednego parametru maksymalnej efektywności wykorzystania światła (LUEmax) wynoszącego 0, 86 gC/m²/rok/MJ dla wszystkich łąk na świecie na podstawie algorytmu MOD17. Ta wartość nie jest zoptymalizowana pod kątem konkretnych typów użytków zielonych ani warunków lokalnych. W efekcie model wykazuje tendencję do zaniżania GPP w porównaniu z pomiarami z wież pomiarowych.
Zależność od dokładności map łąk: dokładność wartości GPP łąk zależy od dokładności bazowych map łąk GPW.
Każde błędne zaklasyfikowanie pokrycia terenu na mapach źródłowych (np. zarośla lub grunty orne zidentyfikowane jako łąki) spowoduje odpowiednie błędy w oszacowaniach GPP dla tych lokalizacji.
Isik, M. S., Mesquita, V., Parente, L., & Consoli, D. (2025).
Global Pasture Watch - Source Code of the Global Uncalibrated EO-based GPP and
Grassland GPP Maps at 30m. Zenodo.
[Kod źródłowy]. Zenodo
doi:https://doi.org/10.5281/zenodo.15675358
Isik MS, Parente L, Consoli D i in. (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
Ten zbiór danych zawiera globalne, niekalibrowane dane dotyczące pierwotnej produkcji brutto na podstawie obserwacji Ziemi od 2000 roku w rozdzielczości przestrzennej 30 m. Obecny zbiór danych, opracowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, zawiera wartości brutto produkcji pierwotnej (GPP) na całym świecie w rozdzielczości przestrzennej 30 m od 2000 roku. Wartości GPP są modelowane przy niewielkim wykorzystaniu…
[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)"]]
