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 Wahrscheinlichkeitskarten von natürlichem/naturnahem Grasland für den Zeitraum 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 (unter 3 Metern) dominiert wird, und:
- maximal 50 % Überschirmung durch Baumbestand (höher als 5 Meter),
- maximal 70 % anderer Gehölze (Gebüsch und offenes Strauchland) und
- maximal 50 % aktive Ackerlandbedeckung in Mosaiklandschaften aus Ackerland und anderer Vegetation.
Die Graslandausdehnung wird in zwei Klassen unterteilt: - Kultiviertes Grasland: Gebiete, in denen Gräser und andere Futterpflanzen absichtlich gepflanzt und bewirtschaftet wurden, sowie Gebiete mit einheimischer Graslandvegetation, die eindeutig aktiv und intensiv für bestimmte vom Menschen gesteuerte Zwecke wie die gezielte Beweidung durch Vieh genutzt werden. - Natürliches/Halbnatürliches Grasland: Relativ ungestörtes einheimisches Grasland/niedrige Vegetation, wie Steppen und Tundra, sowie Gebiete, die in der Vergangenheit in unterschiedlichem Maße von menschlichen Aktivitäten betroffen waren und aufgrund historischer Landnutzung und natürlicher Prozesse eine Mischung aus einheimischen und eingeführten Arten enthalten können. Im Allgemeinen weisen sie natürlich wirkende Muster mit unterschiedlicher Vegetation und klar geordnete hydrologische Beziehungen in der gesamten Landschaft auf.
Die implementierte Methodik berücksichtigte GLAD Landsat ARD-2-Bilder (verarbeitet zu wolkenfreien zweimonatlichen Aggregaten, siehe Consoli et al, 2024), begleitet von klimatischen, Landschafts- und Nähe-Kovariaten, raumzeitlichem maschinellem Lernen (Random Forest pro Klasse) und über 2,3 Millionen Referenzproben (visuell interpretiert in Bildern mit sehr hoher Auflösung). Benutzerdefinierte Wahrscheinlichkeitsschwellenwerte (basierend auf einer fünffachen räumlichen Kreuzvalidierung und ausgewogenen Precision- und Recall-Werten) wurden verwendet, um Karten der dominanten Klassen abzuleiten.Die Wahrscheinlichkeitsschwellenwerte für kultiviertes und natürliches/halbnatürliches 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 zu gering eingeschätzt. In Teilen Nordafrikas, der Arabischen Halbinsel, Westaustraliens, Neuseelands, Zentralboliviens und des Bundesstaats Mato Grosso (Brasilien) wird Ackerland fälschlicherweise als Grasland klassifiziert. Aufgrund des SLC-Fehlers von Landsat 7 sind auf Parzellenebene regelmäßige Streifen von Grünlandwahrscheinlichkeiten sichtbar, insbesondere im Jahr 2012. Die Verwendung von Ebenen mit gröberer Auflösung (Karten zur Barrierefreiheit im Internet und MODIS-Produkte) führte in Uruguay, im Südwesten Argentiniens, im Süden Angolas 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 die Karten in dieser ersten Vorhersagephase angemessen zu verwenden. GPW arbeitet aktiv daran, systematisches Feedback über die Geo-Wiki-Plattform zu sammeln, die aktuelle Version zu validieren und zukünftige Versionen des Datasets zu verbessern.
Weitere Informationen finden Sie unter Parente et al., 2024, Zenodo und auf der GitHub-Website von Global Pasture Watch.
Bänder
Bänder
Pixelgröße: 27,83 Meter (alle Bänder)
| Name | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|
probability |
0 | 100 | 27,83 Meter | Wahrscheinlichkeitswert für natürliches/halbnatürliches Grasland, abgeleitet durch Random Forest. |
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) [Data set]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024). Annual 30-m maps of global grassland class and extent (2000–2022) based on spatiotemporal Machine Learning, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOIs
Die Earth Engine nutzen
Code-Editor (JavaScript)
Map.setCenter(63.72366666, 38.30182604, 4); var nat_semi_grassland = ee.ImageCollection( "projects/global-pasture-watch/assets/ggc-30m/v1/nat-semi-grassland_p" ) var min_prob = 42 // Probability threshold var visParams = {min: 15, max: 85, palette: 'f7f1e5,af8260,803d3b,322c2b'} var nat_semi_grassland_2022 = nat_semi_grassland.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer( nat_semi_grassland_2022.mask(nat_semi_grassland_2022.gte(min_prob)), visParams, 'Natural/Semi-natural grassland prob. (2022)' ); var nat_semi_grassland_2000 = nat_semi_grassland.filterDate('2000-01-01', '2001-01-01').first(); Map.addLayer( nat_semi_grassland_2000.mask(nat_semi_grassland_2000.gte(min_prob)), visParams, 'Natural/Semi-natural grassland prob. (2000)' );