Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Kontaktieren Sie das Land & Carbon Lab, wenn Sie Fehler melden möchten, oder sehen Sie sich weitere Datasets aus dem Global Pasture Watch-Katalog an. Weitere Informationen zu Publisher-Datensätzen
- Kataloginhaber
- Global Pasture Watch
- Dataset-Verfügbarkeit
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Dataset-Produzent
- Land and Carbon Lab Global Pasture Watch Google Earth Engine
- 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 dominiert wird (weniger als 3 Meter) und:
- maximal 50% Überschirmung durch Baumbestand (über 5 Meter),
- maximal 70% anderer Gehölze (Gebüsche und offenes Buschland) und
- maximal 50% aktive Ackerlandbedeckung 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 bewusst angepflanzt und bewirtschaftet wurden, sowie Gebiete mit natürlicher graslandähnlicher Vegetation, 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 (verarbeitet zu wolkenfreien zweimonatlichen Aggregaten, siehe Consoli et al., 2024) berücksichtigt, begleitet von klimatischen, Landform- und Nähe-Kovariaten, räumlich-zeitlichem maschinellem Lernen (Random Forest pro Klasse) und über 2,3 Millionen Referenzproben (visuell interpretiert in Bildern mit sehr hoher Auflösung). Es wurden benutzerdefinierte Wahrscheinlichkeitsschwellenwerte (basierend auf fünfmaliger räumlicher Kreuzvalidierung und ausgewogenen Werten für Präzision und Erinnerung) verwendet, um Karten der dominanten Klasse abzuleiten, 0,32 und 0,42 für Wahrscheinlichkeitsschwellenwerte für kultiviertes bzw. natürliches/naturnahes Grasland.
Einschränkungen:Die Ausdehnung von Grasland wird teilweise im Südosten Afrikas (Simbabwe und Mosambik) und im Osten Australiens (Strauch- und Waldgebiete der Mulga-Ökoregion) unterbewertet. 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 regelmäßig Streifen mit Wahrscheinlichkeiten für Grünland zu sehen, insbesondere im Jahr 2012. Die Verwendung von Layern mit gröberer Auflösung (Karten zur Barrierefreiheit 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, um die aktuelle Version zu validieren und zukünftige Versionen des Datasets zu verbessern.
Weitere Informationen finden Sie unter Parente et al., 2024, Zenodo und Global Pasture Watch GitHub-Website.
Bänder
Bänder
| Name | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|
probability |
0 | 100 | 30 Meter | Wahrscheinlichkeitswert für natürliches/naturnahes Grünland, der mit Random Forest abgeleitet wurde. |
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 Graslandklasse und -ausdehnung mit einer räumlichen Auflösung von 30 m (2000–2022) (Version v1) [Dataset]. 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
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)' );