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 globali annuali delle classi dominanti di praterie (coltivate e naturali/seminaturali) 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 |
|---|---|---|---|---|
dominant_class |
0 | 2 | 30 metri | Classe dominante derivata tramite Random Forest e mappe di probabilità. |
Tabella della classe dominant_class
| Valore | Colore | Descrizione |
|---|---|---|
| 0 | #ffffff | Altro |
| 1 | #ffcd73 | Prato coltivato |
| 2 | #ff9916 | Prato naturale/seminaturale |
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 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)' );