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 des ensembles de données
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Fournisseur de l'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 mondiales annuelles des classes dominantes de prairies (cultivées et naturelles/semi-naturelles) de 2000 à 2022, avec une résolution spatiale de 30 m. Produite par l'initiative Land & Carbon Lab Global Pasture Watch, l'étendue des prairies cartographiées inclut tout type de couverture terrestre contenant au moins 30 % de végétation basse sèche ou humide, dominée par des graminées et des herbacées (moins de 3 mètres) et :
- un couvert forestier maximal de 50 % (supérieur à 5 mètres) ;
- 70 % maximum d'autres végétaux ligneux (arbustes et arbustaies ouvertes) ;
- une couverture maximale de 50 % de terres cultivées actives dans les 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 les zones de végétation indigène de type prairie où une gestion active et intensive est clairement visible pour des usages spécifiques destinés à l'homme, comme le pâturage dirigé du bétail. - Prairies naturelles/semi-naturelles : prairies indigènes/végétation basse relativement peu perturbées, telles que les steppes et la toundra, ainsi que les zones ayant connu différents degrés d'activité humaine dans 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'aspect naturel avec une végétation variée et des relations hydrologiques clairement ordonnées dans 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 (Random Forest 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 à cinq reprises et des valeurs de précision et de rappel équilibrées) ont été utilisés pour dériver des cartes de classe dominante, 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 (arbustaies et forêts de l'écorégion de Mulga). Des terres cultivées sont classées à tort comme prairies dans certaines régions 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, au 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 d'une utilisation appropriée des cartes lors de cette première étape de prédiction. GPW s'efforce activement 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.
Bracelets
Bandes
| Nom | Min | Max | Taille des pixels | Description |
|---|---|---|---|---|
dominant_class |
0 | 2 | 30 mètres | Classe dominante dérivée à l'aide de forêts aléatoires et de cartes de probabilité. |
Tableau des classes dominant_class
| Valeur | Couleur | Description |
|---|---|---|
| 0 | #ffffff | Autre |
| 1 | #ffcd73 | Pâturages cultivés |
| 2 | #ff9916 | Prairie naturelle/semi-naturelle |
Propriétés des images
Propriétés de l'image
| 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) [Ensemble de données]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Cartes annuelles de 30 mètres de la classe et de l'étendue des prairies mondiales (2000-2022) basées sur le machine learning spatiotemporel, Scientific Data. 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 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)' );