このデータセットはパブリッシャー カタログの一部であり、Google Earth Engine によって管理されていません。バグについては Land & Carbon Lab にお問い合わせください。Global Pasture Watch カタログでその他のデータセットを表示することもできます。詳しくは、パブリッシャー データセットについての説明をご覧ください。
- カタログ オーナー
- Global Pasture Watch
- 利用可能なデータセットの期間
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- データセット プロデューサー
- Land and Carbon Lab Global Pasture Watch
- 連絡先
- Land & Carbon Lab
- ケイデンス
- 1 年
- タグ
説明
このデータセットは、2000 年から 2022 年までの世界の家畜頭数を 1 km の空間解像度で提供します。Land & Carbon Lab の Global Pasture Watch イニシアチブによって作成された現在のデータセットは、FAOSTAT の国内統計に合わせて調整された世界的な家畜数の予測を提供します。このデータセットは、既知の最大規模の国レベル以下の家畜調査データ（147 か国の 55,336 の行政単位から調和されたデータ）に基づいており、128 の環境、社会経済、人為的な空間レイヤ（地形の標高、MODIS データ、乾燥度指数、アクセス可能性の指標、宗教人口の分布など）を使用して、機械学習（ランダム フォレスト）でモデル化されています。モデリング エリアは、2000 年から 2022 年までの Landsat ベースの農地と草原の範囲から導き出された、家畜生産に適した土地の年次レイヤに限定されました。
このデータセットは、環境および農業分野のアプリケーション（GHG 排出量の推定値の改善、栄養循環のモデル化、土壌炭素隔離率の推定、国の畜産政策への情報提供など）をサポートするように設計されています。最終的な予測は、国ごとの線形スケーリング アプローチを使用して調整され、国の合計が FAOSTAT が提供する統計情報と一致するようにしました。この調整により、国の合計は FAOSTAT に制約されますが、国内の家畜の配置場所は検証されません。サブナショナル割り当てはモデル化されており、そのように扱う必要があります。高い精度が求められる国内レベルのアプリケーションでは、FAOSTAT の調整済み推定値に完全に依存するのではなく、国の機関から提供されるローカルな調整係数を適用することが推奨されます。
95% の確率の予測間隔値（平均予測の上下の境界、2.5 パーセンタイルと 97.5 パーセンタイル）と、生の密度と人数予測の推定値は、Zenodo で入手できます。
このデータセットは、OpenLandMap STAC でも利用できます。
制限事項:
モデル化された 1 km の割り当てで、家畜の観測された場所ではない: ピクセルは、家畜生産に適した土地の年次レイヤ全体にわたる、粗い国勢調査のカウントの統計的再分布を表します。観測された家畜の群れや農場を示すものではありません。モデルの精度は、ポリゴン平均共変量を使用して、ホールドアウトされた国勢調査ポリゴンで評価されました。平均的な国勢調査単位は約 2,900 km²（標準偏差は約 21,500）であるため、これらの指標は行政単位レベルでの一致度を表しており、1 km の詳細の精度を特徴づけるものではありません。細かいパターンは、独立して検証された 1 km の推定値ではなく、妥当な内訳として扱います。
FAOSTAT の一貫性はローカルの精度ではない: 国ごとのリスケーリングにより、国ごとの合計が FAOSTAT と一致することが保証されますが、国内の動物の配置場所は制約されず、検証もされません。そのため、全国の合計は正しくても、全国以外の割り当ては不確実なままになる可能性があります。
国境での不連続性: 各国で FAOSTAT の国別合計に人口を個別に再スケーリングしているため、国境を越えて急激な変化が生じることがあります。たとえば、モンゴルとその近隣諸国では、報告された国別合計が大きく異なるため、国境を越えて急激な変化が生じることがあります。これらは調整のアーティファクトであり、実際の密度グラデーションではありません。
不規則で不完全な家畜調査データ: 家畜調査データは不規則で不完全なことが多く、調査境界を越えた動物の移動や農場の所有権の変更による二重カウントが原因で過大評価される可能性があります。さらに、空間的な可用性は大きく異なります。多くの発展途上国では、粗い行政単位（州/郡レベル）のデータしか提供されておらず、未登録の家畜が体系的に過小評価される可能性があります。
入力スケールの不一致と非現実的な密度: 家畜の密度は、行政の頭数推定値と家畜生産用の潜在的な土地の年間レイヤを組み合わせて算出されます。土地のない畜産システムやフィードロットが主流の地域では、家畜の数がマッピングされた潜在的な土地と一致しない可能性があり、その結果、密度値が非現実的に高くなることがあります（局所的に 2,500 頭/km² を超える）。
家畜種全体で均一な割り当て: 家畜生産に適した土地を表す中間レイヤが、モデル化されたすべての家畜種の入力として均一に適用されます。現在のモデルでは、さまざまな家畜管理システム（乳牛、子牛、肥育システム）の複雑さや、ヤギが主にブラウザーとして機能するなど、種固有の行動は考慮されていません。
高密度地域の過小評価と信頼性の低い予測間隔: 選択された ML モデルは、家畜密度が非常に高い地域を予測するのに苦労しており、家畜のホットスポットを過小評価している可能性があります。予測区間は、名目上の 95% の水準が示すよりもはるかに狭く、実際の不確実性を過小評価しています。95% 間隔とラベル付けされていますが、予測間隔のカバー率（PICP）は 30 ～ 45% でした。つまり、ホールドアウトされた国勢調査ポリゴンの観測値が予測間隔内に収まるのは、約 30 ～ 45% の場合のみでした。これらの間隔は、独立した再調整なしに、リスクしきい値、超過確率、ダウンストリーム エラー伝播の確率的境界として使用しないでください。
時間的範囲と検証済みの動的データ: レイヤは 2000 ～ 2022 年の年次データですが、時間的なホールドアウト検証はありません。年間のシグナルの多くは、FAOSTAT の全国合計と年ごとに変化する土地被覆入力から得られます。一方、ピクセルあたりの密度モデルは、静的で長期的な共変量に大きく依存しています。一部の社会経済的入力は一定に保たれ、繰り越されます（例: HDI は 2015 年まで、夜間照明は 2020 年頃まで）。短期的な（前年比の）変化は慎重に解釈します。
中断されたグード ホモロサイン図法の注意点: 正確な空間配置を確保し、歪みを最小限に抑えるため、すべてのモデリングは等積座標系（具体的には中断されたグード ホモロサイン図法。Zenodo のすべてのレイヤで使用）で行われました。GEE に取り込む前に、データセットは EPSG:4326 座標系に変換されました。元の人口データは 1 km² あたりの絶対値を表しているため、投影による歪みを補正するために空間再分布アプローチが使用されました（Github を参照）。この調整により、FAOSTAT 統計との整合性を保つために、国の合計値は維持されますが、国内の境界内でのヘッドカウントのローカル割り当てが若干変更される可能性があります。
詳細については、Parente et. al, 2026、Zenodo、Global Pasture Watch GitHub サイトをご覧ください。
バンド
バンド
ピクセルサイズ: 1,000 メートル（すべてのバンド）
| 名前 | 最小 | 最大 | ピクセルサイズ | 説明 |
|---|---|---|---|---|
cattle |
0* | 160* | 1,000 メートル | 家畜生産に利用可能な土地面積（km² あたり）を考慮した牛の頭数 |
buffalo |
0* | 160* | 1,000 メートル | 家畜生産に利用可能な土地面積（km² あたり）を考慮した水牛の頭数 |
horse |
0* | 10* | 1,000 メートル | 家畜生産に利用可能な土地面積（km² あたり）を考慮した馬の頭数 |
goat |
0* | 160* | 1,000 メートル | 家畜生産に利用可能な土地面積（km² あたり）を考慮したヤギの頭数 |
sheep |
0* | 160* | 1,000 メートル | 1 平方キロメートルあたりの畜産用地を考慮した羊の頭数 |
画像プロパティ検出
画像プロパティ
| 名前 | タイプ | 説明 |
|---|---|---|
| version | INT | プロダクト バージョン |
利用規約
利用規約
引用
Parente, L.、Ehrmann, S.、Hengl, T.、Fritz, S.、Bonannella, C., et al. (2026). Global Pasture Watch - Annual livestock headcount layers for livestock, goats, sheep, horses, and buffaloes at 1-km 2000–2022 (FAOSTAT-adjusted)（バージョン v1）[データセット]。Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L.、Ehrmann, S.、Hengl, T.、Fritz, S.、Bonannella, C., et al.（2026 年）。国レベルの国勢調査データと時空間 ML に基づく、2000 ～ 2022 年の家畜、馬、ヤギ、羊、水牛の 1 km 解像度の全球分布。PeerJ. doi: 10.7717/peerj.21494
DOIs
Earth Engine で探索する
コードエディタ（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)');