এই ডেটাসেটটি একটি পাবলিশার ক্যাটালগের অংশ এবং এটি গুগল আর্থ ইঞ্জিন দ্বারা পরিচালিত নয়। কোনো ত্রুটির জন্য ল্যান্ড অ্যান্ড কার্বন ল্যাবের সাথে যোগাযোগ করুন অথবা গ্লোবাল প্যাসচার ওয়াচ ক্যাটালগ থেকে আরও ডেটাসেট দেখুন । পাবলিশার ডেটাসেট সম্পর্কে আরও জানুন ।
- ক্যাটালগ মালিক
- গ্লোবাল প্যাসচার ওয়াচ
- ডেটাসেটের প্রাপ্যতা
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- ডেটাসেট প্রযোজক
- ভূমি ও কার্বন ল্যাব গ্লোবাল প্যাসচার ওয়াচ
- যোগাযোগ করুন
- ভূমি ও কার্বন ল্যাব
- ক্যাডেন্স
- ১ বছর
- ট্যাগ
- কৃষি
বর্ণনা
এই ডেটাসেটটি ২০০০ থেকে ২০২২ সাল পর্যন্ত ১-কিমি স্থানিক রেজোলিউশনে বিশ্বব্যাপী গবাদি পশুর সংখ্যা প্রদান করে। ল্যান্ড অ্যান্ড কার্বন ল্যাবের গ্লোবাল প্যাসচার ওয়াচ উদ্যোগ দ্বারা উৎপাদিত, বর্তমান ডেটাসেটটি FAOSTAT জাতীয় পরিসংখ্যানের সাথে সামঞ্জস্যপূর্ণ বিশ্বব্যাপী গবাদি পশুর সংখ্যার পূর্বাভাস প্রদান করে। ডেটাসেটটি উপ-জাতীয় গবাদি পশু শুমারির তথ্যের বৃহত্তম পরিচিত সংকলনের উপর ভিত্তি করে তৈরি ( ১৪৭টি দেশের ৫৫,৩৩৬টি প্রশাসনিক ইউনিট থেকে সমন্বিত ) এবং ১২৮টি পরিবেশগত, আর্থ-সামাজিক, এবং মানবসৃষ্ট স্থানিক স্তর (ভূখণ্ডের উচ্চতা, MODIS ডেটা, শুষ্কতা সূচক, প্রবেশগম্যতা মেট্রিক্স, ধর্মীয় জনসংখ্যার বন্টন ইত্যাদি সহ) ব্যবহার করে মেশিন লার্নিং (র্যান্ডম ফরেস্ট) এর মাধ্যমে মডেল করা হয়েছে। মডেলিং এলাকাগুলো গবাদি পশু উৎপাদনের জন্য সম্ভাব্য জমির বার্ষিক স্তরে সীমাবদ্ধ ছিল, যা ২০০০ থেকে ২০২২ সাল পর্যন্ত ল্যান্ডস্যাট-ভিত্তিক শস্যভূমি এবং তৃণভূমির বিস্তৃতি থেকে প্রাপ্ত।
এই ডেটাসেটটি পরিবেশগত এবং কৃষি সংক্রান্ত অ্যাপ্লিকেশনগুলিকে সমর্থন করার জন্য ডিজাইন করা হয়েছে (যেমন গ্রিনহাউস গ্যাস নির্গমনের অনুমান পরিমার্জন, পুষ্টিচক্রের মডেলিং, মাটির কার্বন শোষণের হার অনুমান, জাতীয় পশুসম্পদ নীতি সম্পর্কে অবহিত করা ইত্যাদি)। চূড়ান্ত পূর্বাভাসগুলিকে একটি রৈখিক দেশ-ভিত্তিক স্কেলিং পদ্ধতি ব্যবহার করে সামঞ্জস্য করা হয়েছে, যাতে সমষ্টিগত জাতীয় মোট সংখ্যা FAOSTAT দ্বারা প্রদত্ত পরিসংখ্যানের সাথে মিলে যায়। এই সামঞ্জস্য জাতীয় মোট সংখ্যাকে FAOSTAT-এর মধ্যে সীমাবদ্ধ রাখে, কিন্তু একটি দেশের মধ্যে পশুসম্পদ কোথায় রাখা হয়েছে তা যাচাই করে না; উপ-জাতীয় বরাদ্দ মডেল করা হয়েছে এবং সেভাবেই বিবেচনা করা উচিত। উচ্চ নির্ভুলতা প্রয়োজন এমন উপ-জাতীয় অ্যাপ্লিকেশনগুলির জন্য, ব্যবহারকারীদের সম্পূর্ণরূপে FAOSTAT-সমন্বিত অনুমানের উপর নির্ভর না করে, জাতীয় সংস্থাগুলি থেকে স্থানীয় ক্যালিব্রেশন ফ্যাক্টর প্রয়োগ করতে উৎসাহিত করা হচ্ছে।
জেনোডোতে ৯৫% সম্ভাব্যতা পূর্বাভাস ব্যবধান মানের আনুমানিক হিসাব (গড় পূর্বাভাসের নিম্ন ও উচ্চ সীমা; ২.৫তম ও ৯৭.৫তম পার্সেন্টাইল) এবং মূল ঘনত্ব ও লোকসংখ্যার পূর্বাভাস পাওয়া যায়:
- বার্ষিক গবাদি পশুর ঘনত্ব
- বার্ষিক ছাগলের ঘনত্ব
- বার্ষিক ভেড়ার ঘনত্ব
- বার্ষিক ঘোড়ার ঘনত্ব
- বার্ষিক মহিষের ঘনত্ব
ডেটা সেটটি OpenLandMap STAC- এও উপলব্ধ।
সীমাবদ্ধতা:
মডেলকৃত ১ কিমি বণ্টন, পর্যবেক্ষণকৃত গবাদি পশুর অবস্থান নয় : পিক্সেলগুলো গবাদি পশু উৎপাদনের জন্য সম্ভাব্য জমির বার্ষিক স্তর জুড়ে স্থূল উপ-জাতীয় আদমশুমারির গণনার একটি পরিসংখ্যানগত পুনর্বণ্টনকে প্রতিনিধিত্ব করে; এগুলো পর্যবেক্ষণকৃত পশুর পাল বা খামারকে চিহ্নিত করে না। মডেলের নির্ভুলতা সংরক্ষিত আদমশুমারি পলিগনগুলোর উপর পলিগন-গড় কোভেরিয়েট ব্যবহার করে মূল্যায়ন করা হয়েছিল। যেহেতু গড় আদমশুমারি একক প্রায় ২,৯০০ বর্গ কিমি (এসডি ~২১,৫০০), এই মেট্রিকগুলো প্রশাসনিক-একক স্তরের সামঞ্জস্য বর্ণনা করে এবং ১ কিমি বিশদ বিবরণের নির্ভুলতাকে চিহ্নিত করে না। এই সূক্ষ্ম-স্তরের বিন্যাসকে একটি সম্ভাব্য বিভাজন হিসাবে বিবেচনা করুন, স্বাধীনভাবে যাচাইকৃত ১ কিমি অনুমান হিসাবে নয়।
FAOSTAT-এর সামঞ্জস্যতা স্থানীয় নির্ভুলতা নয় : দেশভিত্তিক পুনঃস্কেলিং নিশ্চিত করে যে জাতীয় মোট সংখ্যা গঠনগতভাবেই FAOSTAT-এর সাথে মিলে যায়; কিন্তু এটি একটি দেশের মধ্যে পশুদের কোথায় রাখা হবে তা সীমাবদ্ধ বা যাচাই করে না। তাই জাতীয় মোট সংখ্যা সঠিক হলেও উপ-জাতীয় বণ্টন অনিশ্চিত থাকতে পারে।
জাতীয় সীমানায় অসামঞ্জস্যতা : যেহেতু প্রতিটি দেশের জন্য আলাদাভাবে জনসংখ্যা গণনাকে FAOSTAT-এর জাতীয় মোট সংখ্যার সাথে সামঞ্জস্যপূর্ণ করা হয়, তাই আন্তর্জাতিক সীমানা জুড়ে আকস্মিক পরিবর্তন দেখা যেতে পারে — উদাহরণস্বরূপ, মঙ্গোলিয়া এবং তার প্রতিবেশী দেশগুলোর মধ্যে, যেখানে প্রকাশিত জাতীয় মোট সংখ্যার মধ্যে ব্যাপক পার্থক্য রয়েছে। এগুলো এই সামঞ্জস্যকরণের ফল, জনসংখ্যার ঘনত্বের প্রকৃত তারতম্য নয়।
অনিয়মিত এবং অসম্পূর্ণ আদমশুমারির তথ্য : গবাদি পশু আদমশুমারির তথ্য প্রায়শই অনিয়মিত ও অসম্পূর্ণ হয় এবং আদমশুমারির সীমানা পেরিয়ে পশুর চলাচল বা খামারের মালিকানা পরিবর্তনের কারণে দ্বৈত গণনার ফলে এর পরিমাণ বেশি দেখানো হতে পারে। অধিকন্তু, তথ্যের স্থানিক প্রাপ্যতা ব্যাপকভাবে ভিন্ন হয়; অনেক উন্নয়নশীল দেশ কেবল স্থূল প্রশাসনিক স্তরে (রাজ্য/কাউন্টি স্তর) তথ্য সরবরাহ করে, যা নথিভুক্ত নয় এমন গবাদি পশুর সংখ্যাকে পদ্ধতিগতভাবে কম দেখানোর কারণ হতে পারে।
অমিল ইনপুট স্কেল এবং অবাস্তব ঘনত্ব : গবাদি পশুর ঘনত্ব নির্ণয় করা হয় প্রশাসনিক গণনার অনুমানের সাথে গবাদি পশু উৎপাদনের জন্য সম্ভাব্য জমির বার্ষিক স্তরকে একত্রিত করে। যেসব অঞ্চলে ভূমিহীন গবাদি পশু ব্যবস্থা বা ফিডলট (খামারবাড়ি) প্রধান, সেখানে গবাদি পশুর উচ্চ সংখ্যা মানচিত্রে চিহ্নিত সম্ভাব্য জমির সাথে নাও মিলতে পারে, যার ফলে ঘনত্বের মান অবাস্তবভাবে বেশি হয় (স্থানীয়ভাবে যা প্রতি বর্গ কিলোমিটারে ২,৫০০ গবাদি পশুর বেশি হতে পারে)।
গবাদি পশুর প্রজাতি জুড়ে অভিন্ন বরাদ্দ : গবাদি পশু উৎপাদনের জন্য সম্ভাব্য জমির প্রতিনিধিত্বকারী মধ্যবর্তী স্তরটি মডেলের সমস্ত গবাদি পশুর প্রজাতির জন্য একটি ইনপুট হিসাবে অভিন্নভাবে প্রয়োগ করা হয়। বর্তমান মডেলটি বিভিন্ন গবাদি পশু ব্যবস্থাপনা পদ্ধতির (দুগ্ধজাত বনাম গাভী-বাছুর বনাম মোটাতাজাকরণ পদ্ধতি) জটিলতা অথবা স্বতন্ত্র প্রজাতি-নির্দিষ্ট আচরণ, যেমন ছাগলের প্রধানত পাতাখেকো হিসেবে কাজ করা, বিবেচনা করে না।
উচ্চ-ঘনত্বের এলাকাগুলোর অবমূল্যায়ন এবং অনির্ভরযোগ্য পূর্বাভাস ব্যবধি : নির্বাচিত মেশিন লার্নিং মডেলগুলো অত্যন্ত উচ্চ গবাদি পশুর ঘনত্বযুক্ত এলাকাগুলোর পূর্বাভাস দিতে হিমশিম খায়, যা সম্ভবত গবাদি পশুর তীব্র হটস্পটগুলোকে অবমূল্যায়ন করে। পূর্বাভাস ব্যবধিগুলো তাদের নামমাত্র ৯৫% স্তরের তুলনায় অনেক সংকীর্ণ এবং প্রকৃত অনিশ্চয়তাকে কম করে দেখায়। ৯৫% ব্যবধি হিসেবে চিহ্নিত করা হলেও, পূর্বাভাস ব্যবধি কভারেজ সম্ভাব্যতা (PICP) ৩০-৪৫% পাওয়া গেছে, যার অর্থ হলো, সংরক্ষিত আদমশুমারি-পলিগন পর্যবেক্ষণগুলো পূর্বাভাস ব্যবধির মধ্যে পড়েছে মাত্র প্রায় ৩০-৪৫% সময়। স্বাধীনভাবে পুনঃক্রমাঙ্কন ছাড়া এই ব্যবধিগুলোকে ঝুঁকির সীমা, অতিক্রমণ সম্ভাব্যতা বা পরবর্তী ত্রুটি বিস্তারের জন্য সম্ভাবনামূলক সীমা হিসেবে ব্যবহার করা উচিত নয়।
কালানুক্রমিক পরিধি বনাম যাচাইকৃত গতিশীলতা : স্তরগুলো ২০০০–২০২২ সাল পর্যন্ত বার্ষিকভাবে বিস্তৃত, কিন্তু কোনো কালানুক্রমিক হোল্ড-আউট যাচাইকরণ নেই। আন্তঃবার্ষিক সংকেতের বেশিরভাগই FAOSTAT-এর জাতীয় মোট পরিসংখ্যান এবং বার্ষিকভাবে পরিবর্তনশীল ভূমি-আচ্ছাদন উপাদান থেকে উদ্ভূত হয়, যেখানে প্রতি-পিক্সেল ঘনত্ব মডেলটি মূলত স্থির এবং দীর্ঘমেয়াদী সহপরিবর্তকগুলোর উপর নির্ভর করে; কিছু আর্থ-সামাজিক উপাদান স্থির রাখা হয়েছে এবং সামনে এগিয়ে নিয়ে যাওয়া হয়েছে (যেমন, HDI ২০১৫ সাল পর্যন্ত, রাতের আলো প্রায় ২০২০ সাল পর্যন্ত)। স্বল্পমেয়াদী (বছর-থেকে-বছর) পরিবর্তন সতর্কতার সাথে ব্যাখ্যা করুন।
ইন্টারাপ্টেড গুড হোমোলোসাইন প্রজেকশন সংক্রান্ত সতর্কতা : সঠিক স্থানিক বিন্যাস নিশ্চিত করতে এবং বিকৃতি কমাতে, সমস্ত মডেলিং একটি সমান-ক্ষেত্রফল স্থানাঙ্ক ব্যবস্থায়, বিশেষত ইন্টারাপ্টেড গুড হোমোলোসাইন প্রজেকশনে ( জেনোডো -র সমস্ত লেয়ারের জন্য ব্যবহৃত) পরিচালিত হয়েছিল। GEE অন্তর্ভুক্তির আগে, ডেটাসেটটিকে EPSG:4326 স্থানাঙ্ক ব্যবস্থায় রূপান্তরিত করা হয়েছিল। যেহেতু মূল হেডকাউন্ট ডেটা প্রতি ১ বর্গ কিলোমিটারের পরম মান উপস্থাপন করে, তাই প্রজেকশন-জনিত বিকৃতি সংশোধনের জন্য একটি স্থানিক পুনর্বণ্টন পদ্ধতি ব্যবহার করা হয়েছিল ( গিটহাব দেখুন)। এই সমন্বয় FAOSTAT পরিসংখ্যানের সাথে সামঞ্জস্যের জন্য মোট জাতীয় মান বজায় রাখে, যদিও এটি দেশের সীমানার মধ্যে হেডকাউন্টের স্থানীয় বণ্টনে সামান্য পরিবর্তন আনতে পারে।
আরও তথ্যের জন্য Parente et. al, 2026 , Zenodo এবং Global Pasture Watch GitHub সাইট দেখুন।
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ১০০০ মিটার (সকল ব্যান্ড)
| নাম | মিনিট | ম্যাক্স | পিক্সেল আকার | বর্ণনা |
|---|---|---|---|---|
cattle | ০* | ১৬০* | ১০০০ মিটার | পশুপালনের জন্য উপলব্ধ জমি প্রতি বর্গ কিলোমিটার বিবেচনা করে গবাদি পশুর সংখ্যা গণনা |
buffalo | ০* | ১৬০* | ১০০০ মিটার | পশুপালনের জন্য উপলব্ধ জমি প্রতি বর্গ কিলোমিটার বিবেচনা করে মহিষের সংখ্যা গণনা |
horse | ০* | ১০* | ১০০০ মিটার | পশু পালনের জন্য প্রতি বর্গ কিলোমিটারে উপলব্ধ জমি বিবেচনা করে ঘোড়ার সংখ্যা |
goat | ০* | ১৬০* | ১০০০ মিটার | পশুপালনের জন্য উপলব্ধ জমি প্রতি বর্গ কিলোমিটার বিবেচনা করে ছাগলের সংখ্যা |
sheep | ০* | ১৬০* | ১০০০ মিটার | পশুপালনের জন্য উপলব্ধ জমি বিবেচনা করে প্রতি বর্গ কিলোমিটারে ভেড়ার সংখ্যা |
ছবির বৈশিষ্ট্য
ছবির বৈশিষ্ট্য
| নাম | প্রকার | বর্ণনা |
|---|---|---|
| সংস্করণ | INT | পণ্যের সংস্করণ |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
উদ্ধৃতি
পেরেন্তে, এল., এহরম্যান, এস., হেংল, টি., ফ্রিটজ, এস., বোনান্নেলা, সি., প্রমুখ। (২০২৬)। গ্লোবাল প্যাসচার ওয়াচ - ১-কিমি দূরত্বে গবাদি পশু, ছাগল, ভেড়া, ঘোড়া এবং মহিষের বার্ষিক গণনার স্তরসমূহ ২০০০–২০২২ (এফএওস্ট্যাট-সমন্বিত) (সংস্করণ ভি১) [ডেটা সেট]। জেনোডো। doi:https://doi.org/10.5281/zenodo.20396303
পেরেন্তে, এল., এহরম্যান, এস., হেংল, টি., ফ্রিটজ, এস., বোনান্নেলা, সি., প্রমুখ। (২০২৬)। উপ-জাতীয় আদমশুমারির তথ্য এবং স্থানকালিক মেশিন লার্নিং-এর উপর ভিত্তি করে ২০০০–২০২২ সময়কালের জন্য ১ কিমি রেজোলিউশনে গবাদি পশু, ঘোড়া, ছাগল, ভেড়া এবং মহিষের বৈশ্বিক বন্টন। পিয়ারজে। ডিওআই: 10.7717/peerj.21494
DOI
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
Map.setCenter(0, 0, 3); var sld160 = '<RasterSymbolizer>' + ' <ColorMap type="ramp">' + ' <ColorMapEntry color="#a9a9a9" quantity="0" label="0"/>' + ' <ColorMapEntry color="#ffffd4" quantity="1" label="1"/>' + ' <ColorMapEntry color="#ffe5a3" quantity="12" label="12"/>' + ' <ColorMapEntry color="#fec168" quantity="24" label="24"/>' + ' <ColorMapEntry color="#fe9828" quantity="48" label="48"/>' + ' <ColorMapEntry color="#f1851f" quantity="64" label="64"/>' + ' <ColorMapEntry color="#e57116" quantity="72" label="72"/>' + ' <ColorMapEntry color="#d95f0d" quantity="84" label="84"/>' + ' <ColorMapEntry color="#ce570c" quantity="96" label="96"/>' + ' <ColorMapEntry color="#c4500a" quantity="112" label="112"/>' + ' <ColorMapEntry color="#b94909" quantity="124" label="124"/>' + ' <ColorMapEntry color="#ae4207" quantity="136" label="136"/>' + ' <ColorMapEntry color="#a43b05" quantity="148" label="148"/>' + ' <ColorMapEntry color="#993404" quantity="160" label="160"/>' + ' </ColorMap>' + '</RasterSymbolizer>' var sld10 = '<RasterSymbolizer>' + ' <ColorMap type="ramp">' + ' <ColorMapEntry color="#a9a9a9" quantity="0" label="0"/>' + ' <ColorMapEntry color="#ffffd4" quantity="1" label="1"/>' + ' <ColorMapEntry color="#ffefb5" quantity="2" label="2"/>' + ' <ColorMapEntry color="#ffde96" quantity="3" label="2"/>' + ' <ColorMapEntry color="#fec46c" quantity="4" label="4"/>' + ' <ColorMapEntry color="#fea73f" quantity="5" label="5"/>' + ' <ColorMapEntry color="#f68c23" quantity="6" label="6"/>' + ' <ColorMapEntry color="#e67217" quantity="7" label="7"/>' + ' <ColorMapEntry color="#d25a0c" quantity="8" label="8"/>' + ' <ColorMapEntry color="#b64708" quantity="9" label="9"/>' + ' <ColorMapEntry color="#993404" quantity="10" label="10"/>' + ' </ColorMap>' + '</RasterSymbolizer>' var gld = ee.ImageCollection( "projects/global-pasture-watch/assets/gld-1km/v1/livestock-headcount-faostat_m" ) var gld_2000 = gld.filterDate('2000-01-01', '2001-01-01').first(); var gld_2022 = gld.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer(gld_2000.select('buffalo').sldStyle(sld160), {}, 'Buffalo headcount (2000)', false); Map.addLayer(gld_2022.select('buffalo').sldStyle(sld160), {}, 'Buffalo headcount (2022)'); Map.addLayer(gld_2000.select('horse').sldStyle(sld10), {}, 'Horse headcount (2000)', false); Map.addLayer(gld_2022.select('horse').sldStyle(sld10), {}, 'Horse headcount (2022)'); Map.addLayer(gld_2000.select('goat').sldStyle(sld160), {}, 'Goat headcount (2000)', false); Map.addLayer(gld_2022.select('goat').sldStyle(sld160), {}, 'Goat headcount (2022)'); Map.addLayer(gld_2000.select('sheep').sldStyle(sld160), {}, 'Sheep headcount (2000)', false); Map.addLayer(gld_2022.select('sheep').sldStyle(sld160), {}, 'Sheep headcount (2022)'); Map.addLayer(gld_2000.select('cattle').sldStyle(sld160), {}, 'Cattle headcount (2000)', false); Map.addLayer(gld_2022.select('cattle').sldStyle(sld160), {}, 'Cattle headcount (2022)');