이 데이터 세트는 게시자 카탈로그에 포함되어 있으며 Google Earth Engine에서 관리하지 않습니다. 버그가 있는 경우 Land & Carbon Lab 에 문의하거나 Global Pasture Watch 카탈로그에서 더 많은 데이터 세트 를 확인하세요. 게시자 데이터 세트 자세히 알아보기.
- 카탈로그 소유자
- Global Pasture Watch
- 데이터 세트 제공
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- 데이터 세트 출처
- Land and Carbon Lab Global Pasture Watch
- 문의
- Land &Carbon Lab
- 주기
- 1년
- 태그
설명
이 데이터 세트는 2000년부터 2022년까지 1km 공간 해상도로 전 세계 가축 수를 제공합니다. Land &Carbon Lab의 Global Pasture Watch 이니셔티브에서 제작한 현재 데이터 세트는 FAOSTAT 국가 통계에 맞게 조정된 전 세계 가축 수 예측을 제공합니다. 이 데이터 세트는 가장 큰 것으로 알려진 하위 국가 가축 조사 데이터 (147개 국가의 55,336개 행정 단위에서 조화됨)의 컴파일을 기반으로 하며, 128개의 환경, 사회경제적, 인위적 공간 레이어 (지형 고도, MODIS 데이터, 건조 지수, 접근성 측정항목, 종교 인구 분포 등)를 사용하여 머신러닝 (랜덤 포레스트)을 통해 모델링됩니다. 모델링 영역은 2000년부터 2022년까지 Landsat 기반 농경지 및 초지 범위에서 파생된 가축 생산을 위한 잠재적 토지의 연간 레이어로 제한되었습니다.
이 데이터 세트는 환경 및 농업 애플리케이션 (온실가스 배출량 추정치 개선, 영양소 순환 모델링, 토양 탄소 격리율 추정, 국가 가축 정책 정보 제공 등)을 지원하도록 설계되었습니다. 최종 예측은 집계된 국가 총계가 FAOSTAT에서 제공하는 통계와 일치하도록 국가별 선형 확장 접근 방식을 사용하여 조정되었습니다. 이 조정은 국가 총계를 FAOSTAT로 제한하지만 국가 내에서 가축이 배치되는 위치를 검증하지 않습니다. 하위 국가 할당은 모델링되며 모델링된 대로 처리해야 합니다. 높은 정밀도가 필요한 하위 국가 애플리케이션의 경우 사용자는 FAOSTAT 조정 추정치에만 의존하기보다는 국가 기관의 현지 보정 계수를 적용하는 것이 좋습니다.
95% 확률 예측 간격 값 (평균 예측 주변의 하한 및 상한 경계, 2.5번째 및 97.5번째 백분위수)과 원시 밀도 및 가축 수 예측은 Zenodo에서 확인할 수 있습니다.
이 데이터 세트는 OpenLandMap STAC에서도 사용할 수 있습니다.
제한사항:
관찰된 가축 위치가 아닌 모델링된 1km 할당: 픽셀은 가축 생산을 위한 잠재적 토지의 연간 레이어에서 거친 하위 국가 조사 개수의 통계적 재분배를 나타냅니다. 관찰된 가축 떼나 농장을 표시하지 않습니다. 모델 정확도는 다각형 평균 공변량을 사용하여 보류된 조사 다각형에서 평가되었습니다. 평균 조사 단위가 약 2,900km² (표준편차 약 21,500)이므로 이러한 측정항목은 행정 단위 수준의 일치를 설명하며 1km 세부정보의 정확도를 나타내지 않습니다. 세부적인 패턴을 독립적으로 검증된 1km 추정치가 아닌 가능한 세분화로 처리하세요.
FAOSTAT 일관성은 현지 정확도가 아님: 국가별 재조정은 국가 총계가 FAOSTAT와 일치하도록 보장하지만 국가 내에서 동물이 배치되는 위치를 제한하거나 검증하지 않습니다. 따라서 국가 총계는 정확할 수 있지만 하위 국가 할당은 불확실합니다.
국경에서의 불연속성: 가축 수는 각 국가별로 FAOSTAT 국가 총계로 재조정되므로 국제 경계에서 급격한 변화가 나타날 수 있습니다. 예를 들어 보고된 국가 총계가 크게 다른 몽골과 인접 국가 간에 나타날 수 있습니다. 이는 실제 밀도 기울기가 아닌 조정의 인공물입니다.
불규칙하고 불완전한 조사 데이터: 가축 조사 데이터는 종종 불규칙하고 불완전하며 조사 경계를 넘나드는 동물 이동 또는 농장 소유권 변경으로 인한 이중 계산으로 인해 과대평가될 수 있습니다. 또한 공간적 가용성은 매우 다양합니다. 많은 개발도상국에서는 거친 행정 규모 (주/군 수준)로만 데이터를 제공하므로 문서화되지 않은 가축이 체계적으로 과소평가될 수 있습니다.
일치하지 않는 입력 규모 및 비현실적인 밀도: 가축 밀도는 행정 가축 수 추정치를 가축 생산을 위한 잠재적 토지의 연간 레이어와 결합하여 파생됩니다. 토지가 없는 가축 시스템 또는 사육장이 지배적인 지역에서는 가축 수가 매핑된 잠재적 토지와 일치하지 않아 비현실적으로 높은 밀도 값 (현지에서 2,500마리/km² 초과)이 발생할 수 있습니다.
가축 종 간의 균일한 할당: 가축 생산을 위한 잠재적 토지를 나타내는 중간 레이어는 모델링된 모든 가축 종의 입력으로 균일하게 적용됩니다. 현재 모델은 다양한 가축 관리 시스템 (유제품 vs. 소-송아지 vs. 마무리 시스템)의 복잡성 또는 염소가 주로 브라우저 역할을 하는 것과 같은 종별 고유한 동작을 고려하지 않습니다.
고밀도 지역의 과소평가 및 신뢰할 수 없는 예측 간격: 선택된 머신러닝 모델은 가축 밀도가 매우 높은 지역을 예측하는 데 어려움을 겪으며, 가축이 집중된 지역을 과소평가할 가능성이 높습니다. 예측 간격은 명목 95% 수준이 의미하는 것보다 훨씬 좁으며 실제 불확실성을 과소평가합니다. 95% 간격으로 라벨이 지정되었지만 예측 간격 포함 확률 (PICP)은 30~45%로 나타났습니다. 즉, 보류된 조사 다각형 관측값이 예측 간격 내에 속하는 경우는 약 30~45% 에 불과했습니다. 이러한 간격은 독립적인 재보정 없이 위험 임계값, 초과 확률 또는 다운스트림 오류 전파의 확률적 경계로 사용해서는 안 됩니다.
시간적 범위와 검증된 동적: 레이어는 2000~2022년까지 연간으로 확장되지만 시간적 보류 검증은 없습니다. 연간 신호의 대부분은 FAOSTAT 국가 총계와 연간 변화하는 토지 피복 입력에서 파생되는 반면, 픽셀당 밀도 모델은 정적 및 장기 공변량에 크게 의존합니다. 일부 사회경제적 입력은 일정하게 유지되고 전달됩니다 (예: 2015년까지의 HDI, ~2020년까지의 야간 조명). 단기 (연간) 변화를 신중하게 해석하세요.
중단된 Goode Homolosine 투영 주의사항: 정확한 공간 정렬을 보장하고 왜곡을 최소화하기 위해 모든 모델링은 동일한 면적 좌표계, 특히 중단된 Goode Homolosine 투영 (Zenodo의 모든 레이어에 사용됨)에서 수행되었습니다. GEE 수집 전에 데이터 세트는 EPSG:4326 좌표계로 변환되었습니다. 원래 가축 수 데이터는 1km²당 절대값을 나타내므로 투영으로 인한 왜곡을 수정하기 위해 공간 재분배 접근 방식이 사용되었습니다 (GitHub 참고). 이 조정은 FAOSTAT 통계와의 일관성을 위해 총 국가 값을 유지하지만 국가 경계 내에서 가축 수의 현지 할당을 약간 변경할 수 있습니다.
자세한 내용은 Parente 외, 2026, Zenodo 및 Global Pasture Watch GitHub 사이트를 참고하세요.
대역
대역
픽셀 크기: 1,000미터 (모든 대역)
| 이름 | 최소 | 고속 충전 | 픽셀 크기 | 설명 |
|---|---|---|---|---|
cattle |
0* | 160* | 1,000미터 | km²당 가축 생산에 사용 가능한 토지를 고려한 소 가축 수 |
buffalo |
0* | 160* | 1,000미터 | km²당 가축 생산에 사용 가능한 토지를 고려한 버팔로 가축 수 |
horse |
0* | 10* | 1,000미터 | km²당 가축 생산에 사용 가능한 토지를 고려한 말 가축 수 |
goat |
0* | 160* | 1,000미터 | km²당 가축 생산에 사용 가능한 토지를 고려한 염소 가축 수 |
sheep |
0* | 160* | 1,000미터 | km²당 가축 생산에 사용 가능한 토지를 고려한 양 가축 수 |
이미지 속성
이미지 속성
| 이름 | 유형 | 설명 |
|---|---|---|
| version | INT | 제품 버전 |
이용약관
이용약관
인용
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., 외 (2026). Global Pasture Watch - 1km 2000–2022 가축, 염소, 양, 말, 버팔로의 연간 가축 수 레이어 (FAOSTAT 조정) (버전 v1)[데이터 세트]. Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., 외 (2026). 하위 국가 조사 데이터 및 시공간 머신러닝을 기반으로 한 2000~2022년 1km 해상도의 가축, 말, 염소, 양, 버팔로의 전 세계 분포. PeerJ. doi: 10.7717/peerj.21494
DOI
Earth Engine으로 탐색
코드 편집기(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)');