यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, Land & Carbon Lab से संपर्क करें या Global Pasture Watch कैटलॉग से अन्य डेटासेट देखें देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- Global Pasture Watch
- डेटासेट की उपलब्धता
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- डेटासेट बनाने वाली कंपनी
- Land and Carbon Lab Global Pasture Watch
- संपर्क
- Land &Carbon Lab
- केडेंस
- एक साल
- टैग
ब्यौरा
इस डेटासेट में, साल 2000 से 2022 तक, दुनिया भर में पशुधन की संख्या की जानकारी मिलती है. यह जानकारी, 1 कि॰मी॰ के रिज़ॉल्यूशन पर उपलब्ध है. Land &Carbon Lab की Global Pasture Watch पहल के तहत तैयार किए गए इस डेटासेट में, दुनिया भर में पशुधन की संख्या के अनुमान दिए गए हैं. इन अनुमानों को, FAOSTAT के राष्ट्रीय आंकड़ों के हिसाब से अडजस्ट किया गया है. यह डेटासेट, पशुधन की जनगणना के सबनैशनल डेटा के सबसे बड़े कलेक्शन पर आधारित है. इस डेटा को, 147 देशों की 55,336 एडमिनिस्ट्रेटिव यूनिट से इकट्ठा किया गया है. इसे मशीन लर्निंग (रैंडम फ़ॉरेस्ट) की मदद से मॉडल किया गया है. इसके लिए, 128 एनवायरमेंटल, सोशियोइकनॉमिक, और ऐंथ्रोपोजेनिक स्पैटियल लेयर का इस्तेमाल किया गया है. इनमें, ज़मीन की ऊंचाई, MODIS डेटा, सूखापन इंडेक्स, ऐक्सेसिबिलिटी मेट्रिक, धार्मिक आबादी का डिस्ट्रिब्यूशन वगैरह शामिल हैं. मॉडलिंग के लिए, पशुधन के प्रोडक्शन के लिए संभावित ज़मीन की सालाना लेयर का इस्तेमाल किया गया है. यह लेयर, साल 2000 से 2022 तक, Landsat पर आधारित खेती वाली ज़मीन और घास के मैदानों की जानकारी से तैयार की गई है.
इस डेटासेट को, एनवायरमेंटल और ऐग्रिकल्चरल ऐप्लिकेशन के लिए डिज़ाइन किया गया है. जैसे, जीएचजी उत्सर्जन के अनुमानों को बेहतर बनाना, न्यूट्रिएंट साइकल को मॉडल करना, मिट्टी में कार्बन सीक्वेस्ट्रेशन रेट का अनुमान लगाना, राष्ट्रीय पशुधन नीतियों के बारे में जानकारी देना वगैरह. देश के हिसाब से लीनियर स्केलिंग के तरीके का इस्तेमाल करके, फ़ाइनल अनुमानों को अडजस्ट किया गया है, ताकि एग्रीगेट किए गए राष्ट्रीय आंकड़े, FAOSTAT के आंकड़ों से मेल खाएं. इस अडजस्टमेंट से, राष्ट्रीय आंकड़े FAOSTAT के आंकड़ों के मुताबिक हो जाते हैं. हालांकि, इससे यह पुष्टि नहीं होती कि किसी देश में पशुधन कहां रखा गया है. सबनैशनल एलोकेशन को मॉडल किया जाता है और इसे इसी तरह माना जाना चाहिए. सबनैशनल ऐप्लिकेशन के लिए, उपयोगकर्ताओं को सलाह दी जाती है कि वे FAOSTAT के अडजस्ट किए गए अनुमानों पर पूरी तरह से भरोसा करने के बजाय, राष्ट्रीय एजेंसियों से मिले लोकल कैलिब्रेशन फ़ैक्टर का इस्तेमाल करें. ऐसा इसलिए, क्योंकि इन ऐप्लिकेशन के लिए सटीक जानकारी की ज़रूरत होती है.
95% संभावना वाले अनुमान के इंटरवल की वैल्यू (औसत अनुमानों के आस-पास की निचली और ऊपरी सीमाएं; 2.5वें और 97.5वें पर्सेंटाइल) और रॉ डेंसिटी और पशुधन की संख्या के अनुमान, Zenodo में उपलब्ध हैं:
- मवेशियों की सालाना डेंसिटी
- बकरियों की सालाना डेंसिटी
- भेड़ों की सालाना डेंसिटी
- घोड़ों की सालाना डेंसिटी
- भैंसों की सालाना डेंसिटी
यह डेटासेट, OpenLandMap STAC में भी उपलब्ध है.
सीमाएं:
मॉडल किया गया 1 कि॰मी॰ का एलोकेशन, पशुधन की देखी गई जगहें नहीं: पिक्सल, पशुधन के प्रोडक्शन के लिए संभावित ज़मीन की सालाना लेयर में, सबनैशनल जनगणना की गिनती के मोटे आंकड़ों के स्टैटिस्टिकल रीडिस्ट्रिब्यूशन को दिखाते हैं. ये पिक्सल, पशुधन के झुंड या फ़ार्म को नहीं दिखाते. मॉडल की सटीकता का आकलन, जनगणना के ऐसे पॉलीगॉन पर किया गया है जिन्हें मॉडल बनाने के लिए इस्तेमाल नहीं किया गया. इसके लिए, पॉलीगॉन-मीन कोवेरिएट का इस्तेमाल किया गया. जनगणना की औसत यूनिट ~2,900 वर्ग कि॰मी॰ (एसडी ~21,500) है. इसलिए, ये मेट्रिक, एडमिनिस्ट्रेटिव-यूनिट के लेवल पर सहमति दिखाती हैं और 1 कि॰मी॰ के रिज़ॉल्यूशन पर डेटा की सटीकता के बारे में नहीं बताती हैं. फ़ाइन-स्केल पैटर्न को, 1 कि॰मी॰ के अनुमान के तौर पर नहीं, बल्कि संभावित डिसएग्रीगेशन के तौर पर लें. यह अनुमान, इंडिपेंडेंट तौर पर पुष्टि किया गया अनुमान नहीं है.
FAOSTAT के आंकड़े, लोकल लेवल पर सटीक नहीं होते: देश के हिसाब से रीस्केलिंग से यह पक्का होता है कि राष्ट्रीय आंकड़े, FAOSTAT के आंकड़ों से मेल खाएं. हालांकि, इससे यह पुष्टि नहीं होती कि किसी देश में पशुधन कहां रखा गया है. इसलिए, राष्ट्रीय आंकड़े सही हो सकते हैं, जबकि सबनैशनल एलोकेशन के बारे में कोई पक्का अनुमान नहीं लगाया जा सकता.
राष्ट्रीय सीमाओं पर डेटा में अंतर: हर देश के लिए, पशुधन की संख्या को FAOSTAT के राष्ट्रीय आंकड़ों के हिसाब से अलग-अलग रीस्केल किया जाता है. इसलिए, अंतरराष्ट्रीय सीमाओं के बीच डेटा में अचानक बदलाव दिख सकते हैं. उदाहरण के लिए, मंगोलिया और उसके पड़ोसी देशों के बीच, जहां रिपोर्ट किए गए राष्ट्रीय आंकड़े अलग-अलग हैं. ये बदलाव, अडजस्टमेंट की वजह से दिखते हैं. ये डेंसिटी ग्रेडिएंट नहीं हैं.
जनगणना का डेटा अनियमित और अधूरा: पशुधन की जनगणना का डेटा अक्सर अनियमित और अधूरा होता है. साथ ही, जनगणना की सीमाओं के बीच पशुधन की आवाजाही या फ़ार्म के मालिकाना हक में बदलाव की वजह से, डबल काउंटिंग हो सकती है. इसलिए, डेटा को ज़्यादा करके दिखाया जा सकता है. इसके अलावा, स्पैटियल उपलब्धता में काफ़ी अंतर होता है. कई विकासशील देश, सिर्फ़ मोटे एडमिनिस्ट्रेटिव स्केल (राज्य/काउंटी लेवल) पर डेटा उपलब्ध कराते हैं. इससे, बिना दस्तावेज़ वाले पशुधन के डेटा को कम करके दिखाया जा सकता है.
इनपुट स्केल में अंतर और अवास्तविक डेंसिटी: पशुधन की डेंसिटी, एडमिनिस्ट्रेटिव पशुधन की संख्या के अनुमानों को, पशुधन के प्रोडक्शन के लिए संभावित ज़मीन की सालाना लेयर के साथ मिलाकर निकाली जाती है. जिन इलाकों में बिना ज़मीन वाले पशुधन सिस्टम या फ़ीडलॉट ज़्यादा हैं वहां, पशुधन की ज़्यादा संख्या, मैप की गई संभावित ज़मीन से मेल नहीं खा सकती. इससे, डेंसिटी की वैल्यू अवास्तविक रूप से ज़्यादा हो सकती हैं. जैसे, लोकल लेवल पर 2,500 मवेशी प्रति वर्ग कि॰मी॰ से ज़्यादा.
पशुधन की सभी प्रजातियों के लिए एक जैसा एलोकेशन: पशुधन के प्रोडक्शन के लिए संभावित ज़मीन को दिखाने वाली इंटरमीडिएट लेयर को, मॉडल किए गए पशुधन की सभी प्रजातियों के लिए एक जैसे इनपुट के तौर पर लागू किया जाता है. मौजूदा मॉडल में, पशुधन के अलग-अलग मैनेजमेंट सिस्टम (डेयरी बनाम गाय-बछड़ा बनाम फ़िनिशिंग सिस्टम) या प्रजाति के हिसाब से अलग-अलग व्यवहारों को ध्यान में नहीं रखा जाता. जैसे, बकरियां मुख्य रूप से ब्राउज़र के तौर पर काम करती हैं.
ज़्यादा डेंसिटी वाले इलाकों के डेटा को कम करके दिखाना और अनुमान के ऐसे इंटरवल जिन पर भरोसा नहीं किया जा सकता: चुनी गई मशीन लर्निंग मॉडल, पशुधन की बहुत ज़्यादा डेंसिटी वाले इलाकों का अनुमान लगाने में मुश्किल होती हैं. इसलिए, पशुधन के हॉटस्पॉट के डेटा को कम करके दिखाया जा सकता है. अनुमान के इंटरवल, 95% के नॉमिनल लेवल से काफ़ी कम होते हैं. इसलिए, अनिश्चितता को कम करके दिखाया जाता है. इन्हें 95% इंटरवल के तौर पर लेबल किया गया है. हालांकि, अनुमान के इंटरवल कवरेज की संभावना (पीआईसीपी) 30-45% पाई गई. इसका मतलब है कि जनगणना के ऐसे पॉलीगॉन के ऑब्ज़र्वेशन जिन्हें मॉडल बनाने के लिए इस्तेमाल नहीं किया गया, वे अनुमान के इंटरवल में सिर्फ़ 30-45% बार ही शामिल हुए. इन इंटरवल का इस्तेमाल, जोखिम के थ्रेशोल्ड, एक्ससीडेंस की संभावनाओं या डाउनस्ट्रीम गड़बड़ी के प्रसार के लिए, इंडिपेंडेंट तौर पर रीकैलिब्रेट किए बिना, संभावनाओं की सीमाओं के तौर पर नहीं किया जाना चाहिए.
समय के हिसाब से कवरेज बनाम पुष्टि की गई डाइनैमिक्स: लेयर, सालाना तौर पर साल 2000 से 2022 तक का डेटा दिखाती हैं. हालांकि, समय के हिसाब से कोई होल्ड-आउट वैलिडेशन नहीं है. सालाना तौर पर दिखने वाले ज़्यादातर सिग्नल, FAOSTAT के राष्ट्रीय आंकड़ों और सालाना तौर पर अलग-अलग होने वाले लैंड-कवर इनपुट से मिलते हैं. वहीं, पिक्सल के हिसाब से डेंसिटी मॉडल, स्टैटिक और लंबे समय के कोवेरिएट पर काफ़ी हद तक निर्भर करता है. कुछ सोशियोइकनॉमिक इनपुट को स्थिर रखा जाता है और उन्हें आगे बढ़ाया जाता है. जैसे, साल 2015 तक एचडीआई, साल 2020 तक रात की रोशनी. कम समय (साल-दर-साल) में होने वाले बदलाव की व्याख्या सावधानी से करें.
इंटरप्टेड गुड होमोलोसिन प्रोजेक्शन की चेतावनियां: सटीक स्पैटियल अलाइनमेंट पक्का करने और गड़बड़ियों को कम करने के लिए, सभी मॉडलिंग, इक्वल-एरिया कोऑर्डिनेट सिस्टम में की गई. खास तौर पर, इंटरप्टेड गुड होमोलोसिन प्रोजेक्शन (Zenodo में सभी लेयर के लिए इस्तेमाल किया गया). जीईई में शामिल करने से पहले, डेटासेट को EPSG:4326 कोऑर्डिनेट सिस्टम में बदला गया. पशुधन की संख्या के ओरिजनल डेटा में, 1 वर्ग कि॰मी॰ के हिसाब से ऐब्सलूट वैल्यू दिखाई जाती हैं. इसलिए, प्रोजेक्शन की वजह से होने वाली गड़बड़ियों को ठीक करने के लिए, स्पैटियल रीडिस्ट्रिब्यूशन के तरीके का इस्तेमाल किया गया (Github देखें). इस अडजस्टमेंट से, FAOSTAT के आंकड़ों के साथ कंसिस्टेंसी के लिए, राष्ट्रीय वैल्यू को बनाए रखा जाता है. हालांकि, इससे देश की सीमाओं के अंदर, पशुधन की संख्या के लोकल एलोकेशन में थोड़ा बदलाव हो सकता है.
ज़्यादा जानकारी के लिए, Parente et. al, 2026, Zenodo और Global Pasture Watch की GitHub साइट देखें
बैंड
बैंड
पिक्सल का साइज़: 1,000 मीटर (सभी बैंड)
| नाम | कम से कम | ज़्यादा से ज़्यादा | पिक्सल का साइज़ | ब्यौरा |
|---|---|---|---|---|
cattle |
0* | 160* | 1000 meters | मवेशियों की संख्या. इसमें, पशुधन के प्रोडक्शन के लिए उपलब्ध ज़मीन को ध्यान में रखा गया है. यह जानकारी, प्रति वर्ग कि॰मी॰ के हिसाब से उपलब्ध है |
buffalo |
0* | 160* | 1000 meters | भैंसों की संख्या. इसमें, पशुधन के प्रोडक्शन के लिए उपलब्ध ज़मीन को ध्यान में रखा गया है. यह जानकारी, प्रति वर्ग कि॰मी॰ के हिसाब से उपलब्ध है |
horse |
0* | 10* | 1000 meters | घोड़ों की संख्या. इसमें, पशुधन के प्रोडक्शन के लिए उपलब्ध ज़मीन को ध्यान में रखा गया है. यह जानकारी, प्रति वर्ग कि॰मी॰ के हिसाब से उपलब्ध है |
goat |
0* | 160* | 1000 meters | बकरियों की संख्या. इसमें, पशुधन के प्रोडक्शन के लिए उपलब्ध ज़मीन को ध्यान में रखा गया है. यह जानकारी, प्रति वर्ग कि॰मी॰ के हिसाब से उपलब्ध है |
sheep |
0* | 160* | 1000 meters | भेड़ों की संख्या. इसमें, पशुधन के प्रोडक्शन के लिए उपलब्ध ज़मीन को ध्यान में रखा गया है. यह जानकारी, प्रति वर्ग कि॰मी॰ के हिसाब से उपलब्ध है |
इमेज प्रॉपर्टी
इमेज प्रॉपर्टी
| नाम | टाइप | ब्यौरा |
|---|---|---|
| वर्शन | INT | प्रॉडक्ट का वर्शन |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
उद्धरण
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., वगैरह. (2026). Global Pasture Watch - पशुधन, बकरियों, भेड़ों, घोड़ों, और भैंसों की संख्या की सालाना लेयर. यह जानकारी, साल 2000 से 2022 तक, 1 कि॰मी॰ के रिज़ॉल्यूशन पर उपलब्ध है. इसे FAOSTAT के आंकड़ों के हिसाब से अडजस्ट किया गया है. (वर्शन v1) [डेटा सेट]. Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., वगैरह. (2026). सबनैशनल जनगणना के डेटा और स्पैटियोटेंपोरल मशीन लर्निंग के आधार पर, साल 2000 से 2022 तक, 1 कि॰मी॰ के रिज़ॉल्यूशन पर, पशुधन, घोड़ों, बकरियों, भेड़ों, और भैंसों का ग्लोबल डिस्ट्रिब्यूशन. PeerJ. doi: 10.7717/peerj.21494
डीओआई
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (JavaScript)
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)');