Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. W przypadku błędów skontaktuj się z Land & Carbon Lab. Więcej zbiorów danych znajdziesz w katalogu Global Pasture Watch. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Global Pasture Watch
- Dostępność zbioru danych
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Dostawca zbioru danych
- Land and Carbon Lab Global Pasture Watch
- Kontakt
- Land & Carbon Lab
- Częstotliwość
- 1 rok
- Tagi
Opis
Ten zbiór danych zawiera globalne roczne mapy prawdopodobieństwa wystąpienia naturalnych lub półnaturalnych traw w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Zmapowany zasięg łąk, opracowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% niskiej roślinności suchej lub mokrej, zdominowanej przez trawy i rośliny zielne (o wysokości poniżej 3 metrów) oraz:
- maksymalnie 50% pokrycia koronami drzew (o wysokości ponad 5 metrów),
- maksymalnie 70% – inne rośliny drzewiaste (zarośla i otwarte zarośla),
- maksymalnie 50% aktywnej pokrywy gruntów ornych na mozaikowych obszarach krajobrazu złożonych z gruntów ornych i innej roślinności.
Obszar łąk został podzielony na 2 klasy: - Łąki uprawne: obszary, na których trawy i inne rośliny pastewne zostały celowo posadzone i są pielęgnowane, a także obszary rodzimej roślinności typu łąkowego, na których wyraźnie widać aktywną i intensywną pielęgnację na potrzeby określonych zastosowań związanych z działalnością człowieka, takich jak wypas zwierząt gospodarskich. – Naturalne lub półnaturalne tereny trawiaste: stosunkowo nienaruszone rodzime tereny trawiaste lub roślinność niskopienna, takie jak stepy i tundra, a także obszary, na których w przeszłości prowadzono różnego rodzaju działalność człowieka, które mogą zawierać mieszankę gatunków rodzimych i obcych ze względu na historyczne użytkowanie gruntów i procesy naturalne. Ogólnie rzecz biorąc, wykazują one naturalnie wyglądające wzorce zróżnicowanej roślinności i wyraźnie uporządkowane relacje hydrologiczne w całym krajobrazie.
Zastosowana metodologia uwzględniała zdjęcia GLAD Landsat ARD-2 (przetworzone na bezchmurne agregaty dwumiesięczne, patrz Consoli i in., 2024), którym towarzyszyły zmienne klimatyczne, ukształtowanie terenu i zmienne związane z bliskością, uczenie maszynowe w przestrzeni i czasie (Random Forest dla każdej klasy) oraz ponad 2,3 mln próbek referencyjnych (interpretowanych wizualnie na zdjęciach w bardzo wysokiej rozdzielczości). Do wygenerowania map klas dominujących użyto niestandardowych progów prawdopodobieństwa (na podstawie 5-krotnej przestrzennej walidacji krzyżowej oraz zrównoważonych wartości precyzji i pełności). W przypadku progów prawdopodobieństwa dla użytków rolnych i naturalnych/półnaturalnych użytków zielonych były to odpowiednio 0,32 i 0,42.
Ograniczenia: obszar użytków zielonych jest częściowo niedoszacowany w południowo-wschodniej Afryce (Zimbabwe i Mozambik) oraz we wschodniej Australii (zarośla i lasy w ekoregionie Mulga). Na niektórych obszarach Afryki Północnej, Półwyspu Arabskiego, Australii Zachodniej, Nowej Zelandii, środkowej Boliwii i stanu Mato Grosso (Brazylia) grunty orne są błędnie klasyfikowane jako łąki. Z powodu awarii skanera SLC na satelicie Landsat 7 na poziomie działki widoczne są regularne pasy prawdopodobieństwa występowania użytków zielonych, zwłaszcza w 2012 roku. Użycie warstw o niższej rozdzielczości (mapy dostępności i produkty MODIS) spowodowało wystąpienie w Urugwaju, południowo-zachodniej Argentynie, południowej Angoli i regionie Sahelu w Afryce krzywoliniowych błędów makroskopowych (z powodu strategii skalowania w dół opartej na splajnie kubicznym). Użytkownicy muszą znać ograniczenia i znane problemy oraz dokładnie je rozważyć, aby zapewnić odpowiednie wykorzystanie map na tym początkowym etapie prognozowania. GPW aktywnie zbiera systematyczne opinie za pomocą platformy Geo-Wiki, aby weryfikować obecną wersję i ulepszać przyszłe wersje zbioru danych.
Więcej informacji znajdziesz w Parente i współautorzy, 2024,Zenodo i witrynie Global Pasture Watch w GitHubie.
Pasma
Pasma
Rozmiar piksela: 30 m (wszystkie pasma)
| Nazwa | Minimum | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|
probability |
0 | 100 | 30 metrów | Wartość prawdopodobieństwa wystąpienia naturalnych lub półnaturalnych terenów trawiastych uzyskana za pomocą algorytmu lasu losowego. |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| wersja | PRZ | Wersja usługi |
Warunki usługi
Warunki korzystania z usługi
Cytowanie
L. Parente, 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) [Zbiór danych]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
L. Parente, Sloat, L., Mesquita, V. i in. (2024). Roczne mapy globalnych klas i zakresu użytków zielonych w rozdzielczości 30 m (2000–2022) na podstawie uczenia maszynowego w przestrzeni i czasie, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
Odkrywaj za pomocą Earth Engine
Edytor kodu (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)' );