Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Land & Carbon Lab kontaktieren für Fehler oder weitere Datasets ansehen aus dem Global Pasture Watch-Katalog. Weitere Informationen zu Publisher-Datensätzen
- Kataloginhaber
- Global Pasture Watch
- Dataset-Verfügbarkeit
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Dataset-Anbieter
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Intervall
- 1 Jahr
- Tags
Beschreibung
Dieser Datensatz enthält globale jährliche Karten der dominanten Klasse von Grünland (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 der Bodenbedeckung, die mindestens 30% trockene oder feuchte niedrige Vegetation enthalten, die von Gräsern und Kräutern (weniger als 3 Meter) dominiert wird, 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 Graslandvegetation, 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 Graslandschaften/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 berücksichtigt, die in wolkenfreie zweimonatliche Aggregate umgewandelt wurden (siehe Consoli et al., 2024), sowie klimatische, geomorphologische und räumliche Kovariaten, spatiotemporales maschinelles Lernen (Random Forest pro Klasse) und über 2,3 Millionen Referenzstichproben (visuell interpretiert in Bildern mit sehr hoher Auflösung). Benutzerdefinierte Wahrscheinlichkeitsschwellenwerte (basierend auf fünfmaliger räumlicher Kreuzvalidierung und ausgewogenen Werten für Präzision und Erinnerung) wurden verwendet, um Karten der dominanten Klasse abzuleiten, 0,32 und 0,42 für Wahrscheinlichkeitsschwellenwerte für kultiviertes und natürliches/naturnahes Grünland.
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, validiert die aktuelle Version und verbessert zukünftige Versionen des Datasets.
Weitere Informationen finden Sie unter Parente et. al, 2024, Zenodo und Global Pasture Watch GitHub-Website.
Bänder
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
Bildattribute
| Name | Typ | Beschreibung |
|---|---|---|
| Version | INT | Produktversion |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Parente, L., Sloat, L., Mesquita, V., et al. (2024) Global Pasture Watch – Jährliche Karten der Graslandklassen und -ausdehnung mit einer räumlichen Auflösung von 30 m (2000–2022) (Version v1) [Datensatz]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Jährliche 30‑m-Karten der globalen Graslandklasse und ‑ausdehnung (2000–2022) basierend auf räumlich-zeitlichem maschinellem Lernen, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOIs
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)' );