Este conjunto de datos forma parte de un catálogo de publicadores y no lo administra Google Earth Engine. Comunícate con el Land & Carbon Lab si encuentras errores o consulta más conjuntos de datos del catálogo de Global Pasture Watch. Obtén más información sobre los conjuntos de datos de publicadores.
- Propietario del catálogo
- Global Pasture Watch
- Disponibilidad del conjunto de datos
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Proveedor del conjunto de datos
- Land and Carbon Lab Global Pasture Watch
- Contacto
- Land & Carbon Lab
- Cadencia
- 1 año
- Etiquetas
Descripción
Este conjunto de datos proporciona mapas de probabilidad anuales globales de pastizales cultivados desde el año 2000 hasta el 2022 con una resolución espacial de 30 m. El mapa de la extensión de pastizales, producido por la iniciativa Global Pasture Watch de Land & Carbon Lab, incluye cualquier tipo de cobertura terrestre que contenga al menos el 30% de vegetación baja seca o húmeda, dominada por pastos y hierbas (menos de 3 metros) y lo siguiente:
- Cobertura arbórea máxima del 50% (más de 5 metros)
- Un máximo del 70% de otra vegetación leñosa (matorrales y arbustos abiertos)
- Un máximo del 50% de cobertura de tierras de cultivo activas en paisajes de mosaico de tierras de cultivo y otra vegetación.
La extensión de los pastizales se clasifica en dos clases: - Pastizales cultivados: Son áreas en las que se plantaron y administraron intencionalmente pastos y otras plantas forrajeras, así como áreas de vegetación nativa de tipo pastizal en las que se observa claramente una administración activa y pesada para usos específicos dirigidos por el ser humano, como el pastoreo dirigido de ganado. - Pastizales naturales o seminaturales: Pastizales nativos o vegetación de baja altura relativamente intactos, como estepas y tundras, así como áreas que han experimentado diversos grados de actividad humana en el pasado, que pueden contener una combinación de especies nativas e introducidas debido al uso histórico de la tierra y los procesos naturales. En general, exhiben patrones de aspecto natural de vegetación variada y relaciones hidrológicas claramente ordenadas en todo el paisaje.
La metodología implementada consideró las imágenes GLAD Landsat ARD-2 (procesadas en agregados bimestrales sin nubes, consulta Consoli et al., 2024), acompañadas de covariables climáticas, de formas del terreno y de proximidad, aprendizaje automático espacio-temporal (bosque aleatorio por clase) y más de 2.3 millones de muestras de referencia (interpretadas visualmente en imágenes de muy alta resolución). Se utilizaron umbrales de probabilidad personalizados (basados en una validación cruzada espacial de cinco pliegues y valores equilibrados de precisión y recuperación) para derivar mapas de clases dominantes, 0.32 y 0.42 para los umbrales de probabilidad de pastizales cultivados y naturales o seminaturales, respectivamente.
Limitaciones: La extensión de las praderas se subestima parcialmente en el sudeste de África (Zimbabue y Mozambique) y en el este de Australia (arbustos y bosques de la ecorregión de Mulga). Las tierras de cultivo se clasifican erróneamente como pastizales en partes del norte de África, la península arábiga, Australia Occidental, Nueva Zelanda, el centro de Bolivia y el estado de Mato Grosso (Brasil). Debido a la falla del SLC de Landsat 7, se ven franjas regulares de probabilidades de pastizales a nivel de la parcela, en particular en el año 2012. El uso de capas de resolución más gruesa (mapas de accesibilidad y productos de MODIS) introdujo errores macroscópicos curvilíneos (debido a la estrategia de reducción basada en la interpolación cúbica) en Uruguay, el sudoeste de Argentina, el sur de Angola y la región del Sahel en África. Los usuarios deben conocer las limitaciones y los problemas conocidos, y tenerlos en cuenta cuidadosamente para garantizar el uso adecuado de los mapas en esta etapa inicial de predicción. GPW trabaja activamente para recopilar comentarios sistemáticos a través de la plataforma Geo-Wiki, validar la versión actual y mejorar las versiones futuras del conjunto de datos.
Para obtener más información, consulta Parente et. al, 2024, Zenodo y el sitio de GitHub de Global Pasture Watch
Bandas
Bandas
| Nombre | Mín. | Máx. | Tamaño de los píxeles | Descripción |
|---|---|---|---|---|
probability |
0 | 100 | 30 metros | Es el valor de probabilidad de pastizales cultivados derivado a través de Random Forest. |
Propiedades de imágenes
Propiedades de imágenes
| Nombre | Tipo | Descripción |
|---|---|---|
| version | INT | Versión del producto |
Condiciones de Uso
Condiciones de Uso
Citas
Parente, L., Sloat, L., Mesquita, V., et al. (2024) Global Pasture Watch - Annual grassland class and extent maps at 30-m spatial resolution (2000—2022) (Version v1) [Conjunto de datos]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Mapas anuales de 30 m de la clase y la extensión de los pastizales globales (2000-2022) basados en el aprendizaje automático espacio-temporal, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
Explora con Earth Engine
Editor de código (JavaScript)
Map.setCenter(-49.265188, -16.602052, 4); var cultiv_grassland = ee.ImageCollection( "projects/global-pasture-watch/assets/ggc-30m/v1/cultiv-grassland_p" ) var min_prob = 32 // Probability threshold var visParams = {min: 15, max: 85, palette: 'f5f5f5,fdaf27,ae7947,3a2200'} var cultiv_grassland_2022 = cultiv_grassland.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer( cultiv_grassland_2022.mask(cultiv_grassland_2022.gte(min_prob)), visParams, 'Cultivated grassland prob. (2022)' ); var cultiv_grassland_2000 = cultiv_grassland.filterDate('2000-01-01', '2001-01-01').first(); Map.addLayer( cultiv_grassland_2000.mask(cultiv_grassland_2000.gte(min_prob)), visParams, 'Cultivated grassland prob. (2000)' );