Questo set di dati fa parte di un catalogo del publisher e non è gestito da Google Earth Engine. Contatta il Land & Carbon Lab per segnalare bug o visualizzare altri set di dati dal catalogo Global Pasture Watch. Scopri di più sui set di dati del publisher.
- Proprietario del catalogo
- Global Pasture Watch
- Disponibilità del set di dati
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Fornitore di set di dati
- Land and Carbon Lab Global Pasture Watch
- Contatto
- Land & Carbon Lab
- Cadenza
- 1 anno
- Tag
Descrizione
Questo set di dati fornisce mappe di probabilità annuali globali di prati coltivati dal 2000 al 2022 con una risoluzione spaziale di 30 metri. Prodotto dall'iniziativa Global Pasture Watch del Land & Carbon Lab, l'estensione dei pascoli mappata include qualsiasi tipo di copertura del suolo che contenga almeno il 30% di vegetazione bassa secca o umida, dominata da erbe e piante erbacee (meno di 3 metri) e:
- massimo 50% di copertura arborea (superiore a 5 metri),
- un massimo del 70% di altra vegetazione legnosa (arbusti e boscaglia aperta) e
- massimo del 50% di copertura di colture attive in paesaggi a mosaico di colture e altra vegetazione.
L'estensione delle praterie è classificata in due classi: - Praterie coltivate: aree in cui erbe e altre piante foraggere sono state piantate e gestite intenzionalmente, nonché aree di vegetazione nativa di tipo prateria in cui è chiaramente visibile una gestione attiva e intensa per usi specifici diretti dall'uomo, come il pascolo diretto del bestiame. - Praterie naturali/seminaturali: praterie/vegetazione di bassa altezza autoctone relativamente indisturbate, come steppe e tundra, nonché aree che hanno subito vari gradi di attività umana in passato, che possono contenere un mix di specie autoctone e introdotte a causa dell'uso storico del territorio e dei processi naturali. In generale, mostrano schemi dall'aspetto naturale di vegetazione variegata e relazioni idrologiche chiaramente ordinate in tutto il paesaggio.
La metodologia implementata ha preso in considerazione le immagini GLAD Landsat ARD-2 (elaborate in aggregati bimestrali senza nuvole, vedi Consoli et al, 2024), accompagnate da covariate climatiche, di morfologia e di prossimità, machine learning spaziotemporale (Random Forest per classe) e oltre 2,3 milioni di campioni di riferimento (interpretati visivamente in immagini ad altissima risoluzione). Sono state utilizzate soglie di probabilità personalizzate (basate su una convalida incrociata spaziale a cinque pieghe e su valori di precisione e richiamo bilanciati) per derivare mappe delle classi dominanti, 0,32 e 0,42 per le soglie di probabilità di praterie coltivate e naturali/seminaturali, rispettivamente.
Limitazioni: l'estensione delle praterie è in parte sottostimata nell'Africa sudorientale (Zimbabwe e Mozambico) e nell'Australia orientale (arbusteti e boschi dell'ecoregione di Mulga). I terreni coltivati sono classificati erroneamente come praterie in alcune parti del Nord Africa, della penisola arabica, dell'Australia occidentale, della Nuova Zelanda, del centro della Bolivia e dello stato di Mato Grosso (Brasile). A causa del guasto dello scanner SLC di Landsat 7, a livello di appezzamento sono visibili strisce regolari di probabilità di prateria, in particolare nell'anno 2012. L'utilizzo di livelli di risoluzione più grossolana (mappe di accessibilità e prodotti MODIS) ha introdotto errori macroscopici curvilinei (a causa della strategia di riduzione della scala basata su spline cubica) in Uruguay, Argentina sudoccidentale, Sud dell'Angola e nella regione del Sahel in Africa. Gli utenti devono essere consapevoli delle limitazioni e dei problemi noti e devono valutarli attentamente per garantire un utilizzo appropriato delle mappe in questa fase iniziale di previsione. GPW sta lavorando attivamente per raccogliere feedback sistematici tramite la piattaforma Geo-Wiki, convalidare la versione attuale e migliorare le versioni future del set di dati.
Per maggiori informazioni, consulta Parente et al., 2024, Zenodo e il sito GitHub di Global Pasture Watch
Bande
Bande
| Nome | Min | Max | Dimensioni dei pixel | Descrizione |
|---|---|---|---|---|
probability |
0 | 100 | 30 metri | Valore di probabilità di prato coltivato derivato tramite Random Forest. |
Proprietà immagini
Proprietà immagini
| Nome | Tipo | Descrizione |
|---|---|---|
| versione | INT | Versione del prodotto |
Termini e condizioni d'uso
Termini e condizioni d'uso
Citazioni
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). Mappe annuali a 30 m della classe e dell'estensione dei prati globali (2000-2022) basate sul machine learning spaziotemporale, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
Esplorare con Earth Engine
Editor di codice (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)' );