Global Pasture Watch - Annual short vegetation height maps at 30-m spatial resolution (2000—2022)

Sub-dataset: Median vegetation height, 2000—2001 Description Global annual maps of median vegetation height for 2000—2022 produced within the scope of the Global Pasture Wath initiative, integrating multi-sensor remote sensing data (LIDAR ICESat-2, Landsat, MODIS and DTM) and based on spatiotemporal Machine Learning (Gradient boosting trees). While the primary focus is on improving monitoring in short vegetation ecosystems, the dataset provides wall-to-wall coverage to all terrestrial ecosystems and is organized in 70 global mosaics in COG (Cloud Optimized GeoTIFF) format, WGS84 Coordinate Systems (EPSG:4326) and pixel size equal to 0.00025 (STAC and GEE) and 0.00075 degrees (Zenodo), including: Median vegetation height: Mean predicted value: 23 annual maps with values range from 0–20 (embedded scale factor 0.1) Percentile 5th value (upper prediction boundary): 23 annual maps with values range from 0–20 (embedded scale factor 0.1) Percentile 95th value (lower prediction boundary): 23 annual maps with values range from 0–20 (embedded scale factor 0.1) Trend analysis (2000—2022): Linear regression intercept (filtered p-value < 0.05, Mann-Kendall test): 1 long-term map with values range from -0.92–0.7 (embedded scale factor 0.0001) All raster files are in 16-bit integer format and use -3200 as no-data value (pixels covering ocean waters, lakes and water bodie), following an specific naming convention: Project name: Global Pasture Watch (gpw) Class name: Short vegetation height (short.veg.height) Procedure combination: Ensemble Gradient Boosting Trees (egbt), trend/intercept derived per-pixel via linear regression (trend), Mann-Kendall test (mk). Variable type: mean predicted value (m), 5th (p.05) and 95th percentiles (p.95) Spatial resolution: 30m Begin of time reference: date of first Landsat composite used by the modeling (20220101) End of time reference: date of last Landsat composite used by the modeling (20221231) Spatial extent: global (go) Coordinate system: World Geodetic System 1984, used in GPS (epsg.4326) Version: v1 Related resources Maps of median vegetation height:2000-2001 2002-2003 2004-2005 2006-2007 2008-2009 2010-2011 2012-2013 2014-2015 2016-2017 2018-2019 2020-2021 2022 Trend analysis map:2000—2022 Global reference samples and machine learning models:Parquet and joblib python files子数据集：2000—2001年植被中位高度 数据集说明 本数据集为「全球牧场监测（Global Pasture Watch）」计划产出的2000—2022年全球年度植被中位高度图，整合了多传感器遥感数据（激光雷达ICESat-2、Landsat、MODIS与数字地形模型DTM），并基于时空机器学习（梯度提升树）构建。尽管其核心目标为优化短植被生态系统的监测工作，本数据集仍实现了所有陆地生态系统的全覆盖，以70幅全球镶嵌图的形式组织，采用云优化地理TIFF（Cloud Optimized GeoTIFF，COG）格式，坐标系为WGS84（EPSG:4326），像素分辨率在STAC与GEE平台为0.00025度，在Zenodo平台为0.00075度，包含以下内容： 一、植被中位高度相关指标： 1. 预测均值：共23幅年度地图，数值范围为0–20（内置缩放因子0.1） 2. 第5百分位值（预测上边界）：共23幅年度地图，数值范围为0–20（内置缩放因子0.1） 3. 第95百分位值（预测下边界）：共23幅年度地图，数值范围为0–20（内置缩放因子0.1） 二、2000—2022年趋势分析： 线性回归截距（经Mann-Kendall检验，过滤p值<0.05）：共1幅长期地图，数值范围为-0.92–0.7（内置缩放因子0.0001） 所有栅格文件均采用16位整数格式，以-3200作为无数据值（对应海洋、湖泊及其他水体覆盖的像素），并遵循特定命名规范： 项目名称：Global Pasture Watch（缩写gpw） 类别名称：短植被高度（short.veg.height） 处理组合：集成梯度提升树（egbt）、逐像素线性回归衍生趋势/截距（trend）、Mann-Kendall检验（mk） 变量类型：预测均值（m）、第5百分位（p.05）与第95百分位（p.95） 空间分辨率：30米 时间参考起始：建模所用首幅Landsat合成影像日期（20220101） 时间参考结束：建模所用末幅Landsat合成影像日期（20221231） 空间范围：全球（go） 坐标系：全球大地测量系统1984，用于GPS定位（EPSG:4326） 版本：v1 相关资源 植被中位高度图：2000-2001、2002-2003、2004-2005、2006-2007、2008-2009、2010-2011、2012-2013、2014-2015、2016-2017、2018-2019、2020-2021、2022 趋势分析图：2000—2022 全球参考样本与机器学习模型：Parquet与Python joblib格式文件