Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an das Land & Carbon Lab oder sehen Sie sich weitere Datasets aus dem Global Pasture Watch-Katalog an. Weitere Informationen zu Publisher-Datasets
- Kataloginhaber
- Global Pasture Watch
- Dataset-Verfügbarkeit
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Ersteller des Datasets
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Intervall
- 1 Jahr
- Tags
Beschreibung
Dieses Dataset enthält globale jährliche Karten der dominanten Klasse von Grasland (kultiviert und natürlich/naturnah) für den Zeitraum von 2000 bis 2022 mit einer räumlichen Auflösung von 30 m. Die von der Initiative „Land & Carbon Lab Global Pasture Watch“ erstellte Karte der Graslandfläche umfasst alle Arten von Landbedeckung, die mindestens 30% trockene oder feuchte niedrige Vegetation enthalten, die von Gräsern und Kräutern dominiert wird (weniger als 3 Meter) und:
- maximal 50% Überschirmung durch Baumbestand (über 5 Meter),
- maximal 70% anderer Gehölze (Gebüsche und offenes Buschland) und
- maximal 50% aktive Ackerfläche in Mosaiklandschaften aus Ackerland und anderer Vegetation.
Die Ausdehnung von Grasland wird in zwei Klassen eingeteilt: - Kultiviertes Grasland: Gebiete, in denen Gräser und andere Futterpflanzen absichtlich angepflanzt und bewirtschaftet wurden, sowie Gebiete mit natürlicher graslandähnlicher Vegetation, in denen eine aktive und intensive Bewirtschaftung für bestimmte menschliche Zwecke, z. B. für die Beweidung von Vieh, stattfindet. – Natürliches/naturnahes Grünland: Relativ unberührte natürliche Grasflächen/niedrige Vegetation wie Steppen und Tundra sowie Gebiete, die in der Vergangenheit unterschiedliche Grade menschlicher Aktivität erfahren haben und aufgrund historischer Landnutzung und natürlicher Prozesse eine Mischung aus einheimischen und eingeführten Arten enthalten können. Im Allgemeinen weisen sie natürlich aussehende Muster mit unterschiedlicher Vegetation und klar geordneten hydrologischen Beziehungen in der gesamten Landschaft auf.
Bei der angewandten Methodik wurden GLAD Landsat ARD-2-Bilder (verarbeitet zu wolkenfreien zweimonatlichen Aggregaten, siehe Consoli et al., 2024) berücksichtigt, begleitet von klimatischen, Landform- und Nähe-Kovariaten, räumlich-zeitlichem maschinellem Lernen (Random Forest pro Klasse) und über 2,3 Millionen Referenzstichproben (visuell interpretiert in Bildern mit sehr hoher Auflösung). Es wurden benutzerdefinierte Wahrscheinlichkeitsschwellenwerte verwendet, die auf einer fünffachen räumlichen Kreuzvalidierung und ausgewogenen Werten für Präzision und Erinnerung basieren, um Karten der dominanten Klasse abzuleiten.Die Wahrscheinlichkeitsschwellenwerte für kultiviertes und natürliches/naturnahes Grasland betrugen 0,32 bzw.0,42.
Einschränkungen:Die Ausdehnung von Grasland wird im Südosten Afrikas (Simbabwe und Mosambik) und im Osten Australiens (Strauch- und Waldgebiete der Mulga-Ökoregion) teilweise unterschätzt. Ackerland wird in Teilen Nordafrikas, der Arabischen Halbinsel, Westaustraliens, Neuseelands, im Zentrum Boliviens und im Bundesstaat Mato Grosso (Brasilien) fälschlicherweise als Grünland klassifiziert. Aufgrund des SLC-Fehlers von Landsat 7 sind auf Parzellenebene, insbesondere im Jahr 2012, regelmäßige Streifen mit Wahrscheinlichkeiten für Grünland zu sehen. Die Verwendung von Layern mit gröberer Auflösung (Karten zur Erreichbarkeit und MODIS-Produkte) führte in Uruguay, im Südwesten Argentiniens, südlich von Angola und in der Sahelzone in Afrika zu krummlinigen makroskopischen Fehlern (aufgrund der Downscaling-Strategie auf Basis von kubischen Splines). Nutzer müssen sich der Einschränkungen und bekannten Probleme bewusst sein und diese sorgfältig berücksichtigen, um eine angemessene Verwendung von Karten in dieser ersten Vorhersagephase zu gewährleisten. GPW sammelt aktiv systematisches Feedback über die Geo-Wiki-Plattform, um die aktuelle Version zu validieren und zukünftige Versionen des Datasets zu verbessern.
Weitere Informationen finden Sie unter Parente et al., 2024, Zenodo und Global Pasture Watch GitHub-Website.
Bänder
Bänder
Pixelgröße: 30 Meter (alle Bänder)
| Name | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|
dominant_class |
0 | 2 | 30 Meter | Dominante Klasse, abgeleitet durch Random Forest und Wahrscheinlichkeitskarten. |
Klassentabelle für dominant_class
| Wert | Farbe | Beschreibung |
|---|---|---|
| 0 | #ffffff | Sonstiges |
| 1 | #ffcd73 | Kultiviertes Grünland |
| 2 | #ff9916 | Natürliches/naturnahes Grasland |
Bildattribute
Bildeigenschaften
| Name | Typ | Beschreibung |
|---|---|---|
| Version | INT | Produktversion |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
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) [Dataset]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Jährliche Karten der globalen Graslandklasse und -ausdehnung (2000–2022) mit einer Auflösung von 30 m basierend auf räumlich-zeitlichem maschinellem Lernen, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOIs
Die Earth Engine nutzen
Code-Editor (JavaScript)
Map.setCenter(-49.265188, -16.602052, 4); var domi_grassland = ee.ImageCollection( "projects/global-pasture-watch/assets/ggc-30m/v1/grassland_c" ) var visParams = {"opacity":1, "min":1,"max":2,"palette":["ffcd73","ff9916"]}; var domi_grassland_2022 = domi_grassland.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer( domi_grassland_2022.selfMask(), visParams, 'Dominant grassland class (2022)' ); var domi_grassland_2000 = domi_grassland.filterDate('2000-01-01', '2001-01-01').first(); Map.addLayer( domi_grassland_2000.selfMask(), visParams, 'Dominant grassland class (2000)' );