Этот набор данных является частью каталога издателя и не управляется Google Earth Engine. Для сообщения об ошибках обращайтесь в Land & Carbon Lab или просмотрите другие наборы данных из каталога Global Pasture Watch. Узнайте больше о наборах данных издателя .
- Владелец каталога
- Глобальный мониторинг пастбищ
- Доступность набора данных
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Производитель наборов данных
- Land and Carbon Lab Global Pasture Watch
- Контакт
- Лаборатория земли и углерода
- Каденция
- 1 год
- Теги
Описание
Этот набор данных содержит глобальные ежегодные карты преобладающих классов пастбищных угодий (возделываемых и естественных/полуестественных) за период с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает любые типы землепользования, содержащие не менее 30% сухой или влажной низкорослой растительности, преимущественно состоящей из трав и разнотравья (менее 3 метров), а также:
- Максимальная сомкнутость крон деревьев — 50% (ширина более 5 метров).
- максимум 70% другой древесной растительности (кустарники и открытые кустарниковые заросли), и
- Максимально допустимая площадь активных пахотных земель в мозаичных ландшафтах, состоящих из пахотных земель и другой растительности, составляет 50%.
Площадь пастбищных угодий подразделяется на два класса: - Культивируемые пастбища : участки, где травы и другие кормовые растения были целенаправленно высажены и обрабатывались, а также участки естественной луговой растительности, где явно прослеживаются признаки активного и интенсивного использования в конкретных целях, таких как целенаправленный выпас скота. - Естественные/полуестественные пастбища : относительно нетронутые естественные луга/низкорослая растительность, такие как степи и тундра, а также участки, которые в прошлом подвергались различной степени человеческой деятельности и могут содержать смесь местных и интродуцированных видов в результате исторического землепользования и природных процессов. В целом, они демонстрируют естественные закономерности разнообразной растительности и четко упорядоченные гидрологические взаимосвязи по всему ландшафту.
В реализованной методологии использовались изображения GLAD Landsat ARD-2 (обработанные в виде безоблачных двухмесячных агрегатов, см. Consoli et al, 2024 ), а также климатические, рельефные и пространственные ковариаты, пространственно-временное машинное обучение (случайный лес для каждого класса) и более 2,3 миллионов эталонных образцов (визуально интерпретированных на изображениях очень высокого разрешения). Для получения карт доминирующих классов использовались пользовательские пороговые значения вероятности (на основе пятикратной пространственной перекрестной проверки и сбалансированных значений точности и полноты), равные 0,32 и 0,42 для пороговых значений вероятности культивируемых и естественных/полуестественных лугов соответственно.
Ограничения: Площадь пастбищ частично недооценена в юго-восточной Африке (Зимбабве и Мозамбик) и в восточной Австралии (кустарники и леса экорегиона Мульга). Пахотные земли ошибочно классифицируются как пастбища в некоторых частях Северной Африки, на Аравийском полуострове, в Западной Австралии, Новой Зеландии, центральной части Боливии и штате Мату-Гросу (Бразилия). Из-за сбоя Landsat 7 SLC на уровне отдельных участков видны регулярные полосы вероятности наличия пастбищ. Использование слоев с более низким разрешением (карты доступности и продукты MODIS) привело к появлению криволинейных макроскопических ошибок (из-за стратегии масштабирования на основе кубического сплайна) в Уругвае, на юго-западе Аргентины, на юге Анголы и в регионе Сахеля в Африке. Пользователям необходимо учитывать ограничения и известные проблемы, тщательно обдумывая их, чтобы обеспечить надлежащее использование карт на этом начальном этапе прогнозирования. GPW активно работает над сбором систематических отзывов через платформу Geo-Wiki , проверкой текущей версии и улучшением будущих версий набора данных.
Более подробную информацию можно найти в работе Parente et al., 2024 , на сайтах Zenodo и Global Pasture Watch в GitHub.
Группы
Группы
| Имя | Мин | Макс | Размер пикселя | Описание |
|---|---|---|---|---|
dominant_class | 0 | 2 | 30 метров | Доминирующий класс определяется с помощью алгоритма случайного леса и карт вероятностей. |
таблица классов dominant_class
| Ценить | Цвет | Описание |
|---|---|---|
| 0 | #ffffff | Другой |
| 1 | #ffcd73 | Культивируемые пастбища |
| 2 | #ff9916 | Естественные/полуестественные луга |
Свойства изображения
Свойства изображения
| Имя | Тип | Описание |
|---|---|---|
| версия | ИНТ | Версия продукта |
Условия эксплуатации
Условия эксплуатации
Цитаты
Паренте, Л., Слоат, Л., Мескита, В. и др. (2024) Global Pasture Watch - Ежегодные карты классов и площади пастбищных угодий с пространственным разрешением 30 м (2000—2022 гг.) (Версия v1) [Набор данных]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Паренте, Л., Слоат, Л., Мескита, В. и др. (2024). Ежегодные 30-метровые карты глобальных классов и масштабов пастбищных угодий (2000–2022 гг.), основанные на пространственно-временном машинном обучении. Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
Исследуйте мир с помощью Earth Engine.
Редактор кода (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)' );