Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. Jeśli chcesz zgłosić błędy, skontaktuj się z Land & Carbon Lab. Możesz też wyświetlić więcej zbiorów danych z katalogu Global Pasture Watch. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Global Pasture Watch
- Dostępność zbioru danych
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Dostawca zbioru danych
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Częstotliwość
- 1 rok
- Tagi
Opis
Ten zbiór danych zawiera globalne roczne mapy prawdopodobieństwa występowania uprawianych użytków zielonych w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Zasięg użytków zielonych, który został zmapowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% suchej lub mokrej niskiej roślinności, zdominowanej przez trawy i zioła (poniżej 3 metrów) oraz:
- maksymalnie 50% pokrycia zagęszczenia drzew (powyżej 5 metrów),
- maksymalnie 70% innej roślinności drzewiastej (zarośla i otwarte zakrzewienia) oraz
- maksymalnie 50% aktywnej pokrywy uprawnej w krajobrazach mozaikowych upraw i innej roślinności.
Obszary trawiaste są podzielone na 2 klasy: – Uprawne obszary trawiaste: obszary, na których trawy i inne rośliny pastewne zostały celowo posadzone i są uprawiane, a także obszary z rodzimą roślinnością trawiastą, które są wyraźnie aktywnie i intensywnie uprawiane do określonych celów, takich jak wypas zwierząt gospodarskich. - Naturalne/półnaturalne użytki zielone: stosunkowo nienaruszone rodzime użytki zielone / niska roślinność, np. stepy i tundra, a także obszary, które w przeszłości były w różnym stopniu poddawane działalności człowieka i mogą zawierać mieszankę gatunków rodzimych i wprowadzonych ze względu na historyczne użytkowanie gruntów i procesy naturalne. Ogólnie rzecz biorąc, charakteryzują się naturalnie wyglądającymi wzorami zróżnicowanej roślinności i wyraźnie uporządkowanymi relacjami hydrologicznymi w całym krajobrazie.
Zastosowana metodologia uwzględniała zdjęcia GLAD Landsat ARD-2 (przetworzone na bezchmurne agregaty dwumiesięczne, patrz Consoli i in., 2024), którym towarzyszyły zmienne klimatyczne, ukształtowanie terenu i zmienne związane z bliskością, uczenie maszynowe w przestrzeni i czasie (Random Forest dla każdej klasy) oraz ponad 2,3 mln próbek referencyjnych (interpretowanych wizualnie na zdjęciach w bardzo wysokiej rozdzielczości). Do wygenerowania map klas dominujących użyto niestandardowych progów prawdopodobieństwa (na podstawie 5-krotnej przestrzennej walidacji krzyżowej oraz zrównoważonych wartości precyzji i pełności). W przypadku progów prawdopodobieństwa dla użytków rolnych i naturalnych/półnaturalnych użytków zielonych były to odpowiednio 0,32 i 0,42.
Ograniczenia: zasięg łąk jest częściowo niedoszacowany w południowo-wschodniej Afryce (Zimbabwe i Mozambik) oraz we wschodniej Australii (zakrzewienia i lasy w ekoregionie Mulga). Grunty uprawne są błędnie klasyfikowane jako użytki zielone w częściach Afryki Północnej, Półwyspu Arabskiego, Australii Zachodniej, Nowej Zelandii, środkowej Boliwii i stanu Mato Grosso (Brazylia). Z powodu awarii Landsat 7 SLC na poziomie działki widoczne są regularne pasy prawdopodobieństwa występowania użytków zielonych, zwłaszcza w 2012 roku. Użycie warstw o niższej rozdzielczości (mapy dostępności i produkty MODIS) wprowadziło krzywoliniowe błędy makroskopowe (ze względu na strategię zmniejszania skali opartą na splajnie sześciennym) w Urugwaju, południowo-zachodniej Argentynie, południowej Angoli i w regionie Sahelu w Afryce. Użytkownicy muszą być świadomi ograniczeń i znanych problemów, a jednocześnie dokładnie je rozważyć, aby zapewnić właściwe korzystanie z map na tym początkowym etapie prognozowania. GPW aktywnie zbiera systematyczne opinie za pośrednictwem platformy Geo-Wiki, aby zweryfikować obecną wersję i ulepszyć przyszłe wersje zbioru danych.
Więcej informacji znajdziesz w artykule Parente i in., 2024, Zenodo i na stronie Global Pasture Watch w GitHubie.
Pasma
Pasma
Rozmiar piksela: 27,83 m (wszystkie pasma)
| Nazwa | Minimum | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|
probability |
0 | 100 | 27,83 m | Wartość prawdopodobieństwa wystąpienia uprawianych użytków zielonych uzyskana za pomocą algorytmu Random Forest. |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| wersja | PRZ | Wersja usługi |
Warunki usługi
Warunki korzystania z usługi
Cytowanie
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). Annual 30-m maps of global grassland class and extent (2000–2022) based on spatiotemporal Machine Learning, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
identyfikatory DOI,
Odkrywaj za pomocą Earth Engine
Edytor kodu (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)' );