Cet ensemble de données fait partie d'un catalogue d'éditeurs et n'est pas géré par Google Earth Engine. Contactez Land & Carbon Lab pour signaler un bug ou consultez d'autres ensembles de données dans le catalogue Global Pasture Watch. En savoir plus sur les ensembles de données pour les éditeurs
- Propriétaire du catalogue
- Global Pasture Watch
- Disponibilité de l'ensemble de données
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Producteur d'ensemble de données
- Land and Carbon Lab Global Pasture Watch
- Contact
- Land & Carbon Lab
- Cadence
- 1 an
- Tags
Description
Cet ensemble de données fournit des cartes de probabilité annuelle mondiale de prairies cultivées de 2000 à 2022 à une résolution spatiale de 30 m. Produite par l'initiative Global Pasture Watch du Land & Carbon Lab, l'étendue des prairies cartographiée inclut tout type d'occupation du sol contenant au moins 30 % de végétation basse sèche ou humide, dominée par des graminées et des plantes herbacées (moins de 3 mètres) et :
- un pourcentage du couvert forestier de 50 % maximum (plus de 5 mètres),
- 70 % maximum d'autres types de végétation ligneuse (broussailles et arbustes clairsemés) ;
- maximum de 50 % de couverture de terres cultivées actives dans des paysages en mosaïque de terres cultivées et d'autres types de végétation.
L'étendue des prairies est classée en deux catégories : - Prairies cultivées : zones où des graminées et d'autres plantes fourragères ont été intentionnellement plantées et gérées, ainsi que zones de végétation indigène de type prairie où elles présentent clairement une gestion active et intensive pour des utilisations spécifiques dirigées par l'homme, telles que le pâturage dirigé du bétail. - Prairies naturelles/semi-naturelles : prairies indigènes/végétation de petite taille relativement préservées, telles que les steppes et la toundra, ainsi que les zones ayant connu différents degrés d'activité humaine par le passé, qui peuvent contenir un mélange d'espèces indigènes et introduites en raison de l'utilisation historique des terres et des processus naturels. En général, ils présentent des motifs d'apparence naturelle de végétation variée et des relations hydrologiques clairement ordonnées dans tout le paysage.
La méthodologie mise en œuvre a pris en compte les images GLAD Landsat ARD-2 (traitées en agrégats bimensuels sans nuages, voir Consoli et al, 2024), accompagnées de covariables climatiques, de relief et de proximité, de machine learning spatiotemporel (forêt d'arbres décisionnels par classe) et de plus de 2,3 millions d'échantillons de référence (interprétés visuellement dans des images à très haute résolution). Des seuils de probabilité personnalisés (basés sur une validation croisée spatiale en cinq parties et des valeurs de précision et de rappel équilibrées) ont été utilisés pour dériver des cartes de classes dominantes, soit 0,32 et 0,42 pour les seuils de probabilité des prairies cultivées et naturelles/semi-naturelles, respectivement.
Limites : l'étendue des prairies est en partie sous-estimée dans le sud-est de l'Afrique (Zimbabwe et Mozambique) et dans l'est de l'Australie (arbustes et forêts de l'écorégion de Mulga). Les terres cultivées sont classées à tort comme des prairies dans certaines parties d'Afrique du Nord, de la péninsule arabique, d'Australie occidentale, de Nouvelle-Zélande, du centre de la Bolivie et de l'État du Mato Grosso (Brésil). En raison de la défaillance du SLC de Landsat 7, des bandes régulières de probabilités de prairies sont visibles au niveau des parcelles, en particulier en 2012. L'utilisation de couches de résolution plus grossière (cartes d'accessibilité et produits MODIS) a introduit des erreurs macroscopiques curvilignes (en raison de la stratégie de réduction d'échelle basée sur la spline cubique) en Uruguay, dans le sud-ouest de l'Argentine, dans le sud de l'Angola et dans la région du Sahel en Afrique. Les utilisateurs doivent être conscients des limites et des problèmes connus, et les examiner attentivement pour s'assurer que les cartes sont utilisées de manière appropriée lors de cette phase de prédiction initiale. GPW s'efforce de recueillir des commentaires systématiques via la plate-forme Geo-Wiki, de valider la version actuelle et d'améliorer les futures versions de l'ensemble de données.
Pour en savoir plus, consultez Parente et. al, 2024, Zenodo et le site GitHub Global Pasture Watch.
Bandes
Bandes de fréquences
Taille des pixels : 27,83 mètres (toutes les bandes)
| Nom | Marie | Max | Taille des pixels | Description |
|---|---|---|---|---|
probability |
0 | 100 | 27,83 mètres | Valeur de probabilité de prairie cultivée dérivée par forêt d'arbres décisionnels. |
Propriétés des images
Propriétés des images
| Nom | Type | Description |
|---|---|---|
| version | INT | Version du produit |
Conditions d'utilisation
Conditions d'utilisation
Citations
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) [Data set]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Cartes annuelles de 30 m de la classe et de l'étendue des prairies mondiales (2000-2022) basées sur le machine learning spatiotemporel, données scientifiques. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
Explorer avec Earth Engine
Éditeur de code (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)' );