ชุดข้อมูลนี้เป็นส่วนหนึ่งของแคตตาล็อกผู้เผยแพร่โฆษณาและ Google Earth Engine ไม่ได้เป็นผู้จัดการ ติดต่อ Land & Carbon Lab หากพบข้อบกพร่องหรือดูชุดข้อมูลเพิ่มเติมจากแคตตาล็อก Global Pasture Watch ดูข้อมูลเพิ่มเติมเกี่ยวกับชุดข้อมูลของผู้เผยแพร่โฆษณา
- เจ้าของแคตตาล็อก
- Global Pasture Watch
- ความพร้อมใช้งานของชุดข้อมูล
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- ผู้ผลิตชุดข้อมูล
- Land and Carbon Lab Global Pasture Watch
- รายชื่อติดต่อ
- Land &Carbon Lab
- ระยะเวลา
- 1 ปี
- แท็ก
คำอธิบาย
ชุดข้อมูลนี้แสดงจำนวนสัตว์ปศุสัตว์ทั่วโลกตั้งแต่ปี 2000 ถึง 2022 ที่ความละเอียดเชิงพื้นที่ 1 กม. ชุดข้อมูลปัจจุบันซึ่งผลิตขึ้นโดยโครงการ Global Pasture Watch ของ Land &Carbon Lab แสดงการคาดการณ์จำนวนสัตว์ปศุสัตว์ทั่วโลกที่ปรับตามสถิติระดับประเทศของ FAOSTAT ชุดข้อมูลนี้อิงตามการรวบรวมข้อมูลสำมะโนสัตว์ปศุสัตว์ระดับย่อยของประเทศที่ใหญ่ที่สุดเท่าที่ทราบ (ปรับให้สอดคล้องกันจากหน่วยการปกครอง 55,336 หน่วยใน 147 ประเทศ) และสร้างแบบจำลองผ่านแมชชีนเลิร์นนิง (Random Forest) โดยใช้เลเยอร์เชิงพื้นที่ด้านสิ่งแวดล้อม เศรษฐกิจและสังคม และมานุษยวิทยา 128 เลเยอร์ (รวมถึงระดับความสูงของภูมิประเทศ ข้อมูล MODIS ดัชนีความแห้งแล้ง เมตริกการเข้าถึง การกระจายตัวของประชากรตามศาสนา ฯลฯ) พื้นที่การสร้างแบบจำลองจำกัดอยู่ที่ เลเยอร์ประจำปีของพื้นที่ที่มีศักยภาพสำหรับการผลิตปศุสัตว์ ซึ่งได้มาจากขอบเขตพื้นที่เพาะปลูกและทุ่งหญ้าที่อิงตาม Landsat ตั้งแต่ปี 2000 ถึง 2022
ชุดข้อมูลนี้ออกแบบมาเพื่อรองรับแอปพลิเคชันด้านสิ่งแวดล้อมและการเกษตร (การปรับค่าประมาณการปล่อยก๊าซเรือนกระจก การสร้างแบบจำลองวัฏจักรสารอาหาร การประมาณอัตราการกักเก็บคาร์บอนในดิน การให้ข้อมูลนโยบายด้านปศุสัตว์ระดับประเทศ ฯลฯ) การคาดการณ์ขั้นสุดท้ายได้รับการปรับโดยใช้วิธีการปรับขนาดเชิงเส้นแบบประเทศต่อประเทศ เพื่อให้ยอดรวมระดับประเทศที่รวบรวมตรงกับสถิติที่ FAOSTAT ให้ไว้ การปรับนี้จำกัดยอดรวมระดับประเทศให้ตรงกับ FAOSTAT แต่ไม่ได้ตรวจสอบว่าสัตว์ปศุสัตว์อยู่ในส่วนใดของประเทศ การจัดสรรระดับย่อยของประเทศได้รับการสร้างแบบจำลองและควรได้รับการพิจารณาตามนั้น สำหรับแอปพลิเคชันระดับย่อยของประเทศที่ต้องการความแม่นยำสูง เราขอแนะนำให้ผู้ใช้ใช้ปัจจัยการปรับเทียบในพื้นที่จากหน่วยงานระดับประเทศแทนที่จะพึ่งพาค่าประมาณที่ปรับโดย FAOSTAT ทั้งหมด
ค่าประมาณของค่าช่วงเวลาการคาดการณ์ความน่าจะเป็น 95% (ขอบเขตล่างและบนรอบค่าเฉลี่ยของการคาดการณ์ เปอร์เซ็นไทล์ที่ 2.5 และ 97.5) รวมถึงความหนาแน่นและการคาดการณ์จำนวนสัตว์ปศุสัตว์แบบดิบมีอยู่ใน Zenodo ดังนี้
- ความหนาแน่นของวัวรายปี
- ความหนาแน่นของแพะรายปี
- ความหนาแน่นของแกะรายปี
- ความหนาแน่นของม้ารายปี
- ความหนาแน่นของควายรายปี
ชุดข้อมูลนี้ยังมีอยู่ใน OpenLandMap STAC ด้วย
ข้อจำกัด
การจัดสรร 1 กม. ที่สร้างแบบจำลอง ไม่ใช่ตำแหน่งที่สังเกตพบของสัตว์ปศุสัตว์: พิกเซลแสดงการแจกจ่ายใหม่ทางสถิติของจำนวนสัตว์ปศุสัตว์ที่นับได้จากการสำมะโนระดับย่อยของประเทศแบบหยาบๆ ในเลเยอร์ประจำปีของพื้นที่ที่มีศักยภาพสำหรับการผลิตปศุสัตว์ โดยไม่ได้ระบุฝูงสัตว์หรือฟาร์มที่สังเกตพบ ความแม่นยำของแบบจำลองได้รับการประเมินในรูปหลายเหลี่ยมสำมะโนที่เก็บไว้โดยใช้ตัวแปรร่วมค่าเฉลี่ยของรูปหลายเหลี่ยม เนื่องจากหน่วยสำมะโนเฉลี่ยมีขนาดประมาณ 2,900 ตร.กม. (SD ประมาณ 21,500) เมตริกเหล่านี้จึงอธิบายความสอดคล้องกันในระดับหน่วยการปกครองและไม่ได้ระบุลักษณะความแม่นยำของรายละเอียด 1 กม. พิจารณารูปแบบขนาดเล็กเป็นการแยกย่อยที่เป็นไปได้ ไม่ใช่ค่าประมาณ 1 กม. ที่ได้รับการตรวจสอบอย่างอิสระ
ความสอดคล้องกับ FAOSTAT ไม่ใช่ความแม่นยำในพื้นที่: การปรับขนาดใหม่แบบประเทศต่อประเทศรับประกันว่ายอดรวมระดับประเทศจะตรงกับ FAOSTAT โดยการสร้าง แต่ไม่ได้จำกัดหรือตรวจสอบว่าสัตว์อยู่ในส่วนใดของประเทศ ดังนั้นยอดรวมระดับประเทศจึงอาจถูกต้องในขณะที่การจัดสรรระดับย่อยของประเทศยังคงไม่แน่นอน
ความไม่ต่อเนื่องที่พรมแดนระดับประเทศ: เนื่องจากมีการปรับขนาดจำนวนสัตว์ปศุสัตว์ใหม่ให้ตรงกับยอดรวมระดับประเทศของ FAOSTAT แยกกันสำหรับแต่ละประเทศ การเปลี่ยนแปลงอย่างฉับพลันจึงอาจปรากฏขึ้นตามพรมแดนระหว่างประเทศ เช่น ระหว่างมองโกเลียกับประเทศเพื่อนบ้าน ซึ่งยอดรวมระดับประเทศที่รายงานแตกต่างกันอย่างมาก สิ่งเหล่านี้เป็นผลจากการปรับ ไม่ใช่การไล่ระดับความหนาแน่นที่แท้จริง
ข้อมูลสำมะโนที่ไม่สม่ำเสมอและไม่สมบูรณ์: ข้อมูลสำมะโนสัตว์ปศุสัตว์มักไม่สม่ำเสมอ ไม่สมบูรณ์ และอาจประเมินค่าสูงเกินไปเนื่องจากการนับซ้ำที่เกิดจากการเคลื่อนย้ายสัตว์ข้ามพรมแดนสำมะโนหรือการเปลี่ยนแปลงความเป็นเจ้าของฟาร์ม นอกจากนี้ ความพร้อมใช้งานเชิงพื้นที่ยังแตกต่างกันอย่างมาก หลายประเทศกำลังพัฒนาให้ข้อมูลเฉพาะในระดับการปกครองแบบหยาบๆ (ระดับรัฐ/เขต) ซึ่งอาจนำไปสู่การประเมินค่าต่ำเกินไปอย่างเป็นระบบของสัตว์ปศุสัตว์ที่ไม่มีเอกสาร
มาตราส่วนอินพุตไม่ตรงกันและความหนาแน่นที่ไม่สมจริง: ความหนาแน่นของสัตว์ปศุสัตว์ได้มาจากการรวมค่าประมาณจำนวนสัตว์ปศุสัตว์ที่นับได้จากการสำมะโนระดับการปกครองกับเลเยอร์ประจำปีของพื้นที่ที่มีศักยภาพสำหรับการผลิตปศุสัตว์ ในภูมิภาคที่มีระบบปศุสัตว์แบบไม่มีที่ดินหรือโรงเรือนขุนเป็นส่วนใหญ่ จำนวนสัตว์ปศุสัตว์ที่สูงอาจไม่ตรงกับพื้นที่ที่มีศักยภาพที่แมปไว้ ซึ่งส่งผลให้ค่าความหนาแน่นสูงอย่างไม่สมจริง (เกิน 2,500 ตัวต่อ ตร.กม. ในบางพื้นที่)
การจัดสรรแบบเดียวกันในสัตว์ปศุสัตว์แต่ละชนิด: เลเยอร์ระดับกลางที่แสดงพื้นที่ที่มีศักยภาพสำหรับการผลิตปศุสัตว์จะใช้แบบเดียวกันเป็นอินพุตสำหรับสัตว์ปศุสัตว์ทุกชนิดที่สร้างแบบจำลอง แบบจำลองปัจจุบันไม่ได้คำนึงถึงความซับซ้อนของระบบการจัดการสัตว์ปศุสัตว์ที่แตกต่างกัน (ระบบโคนมเทียบกับระบบแม่วัวและลูกวัวเทียบกับระบบขุน) หรือพฤติกรรมเฉพาะของแต่ละชนิด เช่น แพะที่กินพืชเป็นหลัก
การประเมินค่าต่ำเกินไปของพื้นที่ที่มีความหนาแน่นสูงและช่วงเวลาการคาดการณ์ที่ไม่น่าเชื่อถือ: แบบจำลองแมชชีนเลิร์นนิงที่เลือกไว้ประสบปัญหาในการคาดการณ์พื้นที่ที่มีความหนาแน่นของสัตว์ปศุสัตว์สูงมาก ซึ่งอาจประเมินค่าต่ำเกินไปของฮอตสปอตสัตว์ปศุสัตว์ที่หนาแน่น ช่วงเวลาการคาดการณ์แคบกว่าระดับ 95% ที่ระบุไว้มากและประเมินค่าต่ำเกินไปของความไม่แน่นอนที่แท้จริง แม้ว่าจะระบุว่าเป็นช่วงเวลา 95% แต่ความน่าจะเป็นของการครอบคลุมช่วงเวลาการคาดการณ์ (PICP) พบว่าอยู่ที่ 30-45% ซึ่งหมายความว่าการสังเกตรูปหลายเหลี่ยมสำมะโนที่เก็บไว้ตกอยู่ในช่วงเวลาการคาดการณ์ประมาณ 30-45% ของเวลาทั้งหมดเท่านั้น ไม่ควรใช้ช่วงเวลาเหล่านี้เป็นขอบเขตความน่าจะเป็นสำหรับเกณฑ์ความเสี่ยง ความน่าจะเป็นของการเกิน หรือการแพร่กระจายข้อผิดพลาดในขั้นต่อไปโดยไม่มีการปรับเทียบใหม่โดยอิสระ
ความครอบคลุมตามเวลาเทียบกับไดนามิกที่ได้รับการตรวจสอบ: เลเยอร์ครอบคลุมตั้งแต่ปี 2000 ถึง 2022 เป็นรายปี แต่ไม่มีการตรวจสอบการเก็บข้อมูลตามเวลา สัญญาณระหว่างปีส่วนใหญ่ได้มาจากยอดรวมระดับประเทศของ FAOSTAT และอินพุตสิ่งปกคลุมดินที่เปลี่ยนแปลงไปในแต่ละปี ในขณะที่แบบจำลองความหนาแน่นต่อพิกเซลอาศัยตัวแปรร่วมแบบคงที่และระยะยาวเป็นหลัก อินพุตทางเศรษฐกิจและสังคมบางรายการจะคงที่และนำไปใช้ต่อ (เช่น HDI ถึงปี 2015 ไฟกลางคืนถึงประมาณปี 2020) ตีความการเปลี่ยนแปลงระยะสั้น (ปีต่อปี) อย่างระมัดระวัง
ข้อควรระวังเกี่ยวกับการฉายภาพ Goode Homolosine แบบขัดจังหวะ: เพื่อให้การจัดแนวเชิงพื้นที่แม่นยำและลดการบิดเบือนให้เหลือน้อยที่สุด การสร้างแบบจำลองทั้งหมดดำเนินการในระบบพิกัดพื้นที่เท่ากัน ซึ่งก็คือการฉายภาพ Goode Homolosine แบบขัดจังหวะ (ใช้สำหรับเลเยอร์ทั้งหมดใน Zenodo) ก่อนที่จะนำเข้า GEE ชุดข้อมูลได้รับการแปลงเป็นระบบพิกัด EPSG:4326 เนื่องจากข้อมูลจำนวนสัตว์ปศุสัตว์ที่นับได้จากการสำมะโนเดิมแสดงค่าสัมบูรณ์ต่อ 1 ตร.กม. จึงใช้วิธีการแจกจ่ายใหม่เชิงพื้นที่เพื่อแก้ไขการบิดเบือนที่เกิดจากการฉายภาพ (ดู Github) การปรับนี้จะคงค่ารวมระดับประเทศไว้เพื่อให้สอดคล้องกับสถิติของ FAOSTAT แม้ว่าอาจจะมีการเลื่อนการจัดสรรจำนวนสัตว์ปศุสัตว์ที่นับได้จากการสำมะโนในพื้นที่เล็กน้อยภายในพรมแดนของประเทศ
ดูข้อมูลเพิ่มเติมได้ที่ Parente et. al, 2026, Zenodo และ เว็บไซต์ Global Pasture Watch GitHub
ย่านความถี่
ย่านความถี่
ขนาดพิกเซล: 1000 เมตร (ทุกย่านความถี่)
| ชื่อ | ต่ำสุด | สูงสุด | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|---|---|
cattle |
0* | 160* | 1000 เมตร | จำนวนวัวที่นับได้จากการสำมะโนโดยพิจารณาจากพื้นที่ที่มีสำหรับการผลิตปศุสัตว์ต่อ ตร.กม. |
buffalo |
0* | 160* | 1000 เมตร | จำนวนควายที่นับได้จากการสำมะโนโดยพิจารณาจากพื้นที่ที่มีสำหรับการผลิตปศุสัตว์ต่อ ตร.กม. |
horse |
0* | 10* | 1000 เมตร | จำนวนม้าที่นับได้จากการสำมะโนโดยพิจารณาจากพื้นที่ที่มีสำหรับการผลิตปศุสัตว์ต่อ ตร.กม. |
goat |
0* | 160* | 1000 เมตร | จำนวนแพะที่นับได้จากการสำมะโนโดยพิจารณาจากพื้นที่ที่มีสำหรับการผลิตปศุสัตว์ต่อ ตร.กม. |
sheep |
0* | 160* | 1000 เมตร | จำนวนแกะที่นับได้จากการสำมะโนโดยพิจารณาจากพื้นที่ที่มีสำหรับการผลิตปศุสัตว์ต่อ ตร.กม. |
พร็อพเพอร์ตี้รูปภาพ
พร็อพเพอร์ตี้รูปภาพ
| ชื่อ | ประเภท | คำอธิบาย |
|---|---|---|
| เวอร์ชัน | INT | เวอร์ชันผลิตภัณฑ์ |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
การอ้างอิง
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) (Version v1) [Data set]. Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., et al. (2026). Global distribution of livestock, horses, goats, sheep and buffaloes at 1 km resolution for 2000–2022 based on subnational census data and spatiotemporal machine learning. PeerJ. doi: 10.7717/peerj.21494
DOI
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (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)');