GPW Annual livestock headcount FAOSTAT-adjusted v1

projects/global-pasture-watch/assets/gld-1km/v1/livestock-headcount-faostat_m
ข้อมูล

ชุดข้อมูลนี้เป็นส่วนหนึ่งของแคตตาล็อกผู้เผยแพร่โฆษณาและ Google Earth Engine ไม่ได้เป็นผู้จัดการ ติดต่อ Land & Carbon Lab หากพบข้อบกพร่องหรือดูชุดข้อมูลเพิ่มเติม จากแคตตาล็อก Global Pasture Watch ดูข้อมูลเพิ่มเติมเกี่ยวกับชุดข้อมูลของผู้เผยแพร่โฆษณา

เจ้าของแคตตาล็อก
Global Pasture Watch
ความพร้อมใช้งานของชุดข้อมูล
2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
ผู้ผลิตชุดข้อมูล
รายชื่อติดต่อ
Land & Carbon Lab
ตัวอย่างข้อมูล Earth Engine
ee.ImageCollection("projects/global-pasture-watch/assets/gld-1km/v1/livestock-headcount-faostat_m")
ระยะเวลา
1 ปี
แท็ก
agriculture
ทั่วโลก
global-pasture-watch
gpw
ที่ดิน
การใช้ที่ดิน
ทุ่งหญ้า
ชุดข้อมูลของผู้เผยแพร่โฆษณา
ทุ่งหญ้า

คำอธิบาย

ชุดข้อมูลนี้แสดงจำนวนปศุสัตว์ทั่วโลกตั้งแต่ปี 2000 ถึง 2022 ที่ความละเอียดเชิงพื้นที่ 1 กม. ชุดข้อมูลปัจจุบันซึ่งผลิตโดยโครงการ Global Pasture Watch ของ Land & Carbon Lab ให้การคาดการณ์จำนวนปศุสัตว์ทั่วโลกที่ปรับตามสถิติระดับประเทศของ FAOSTAT ชุดข้อมูลนี้อิงตามการรวบรวมข้อมูลสำมะโนปศุสัตว์ระดับย่อยของประเทศที่ใหญ่ที่สุดที่ทราบ (ปรับให้สอดคล้องกันจากหน่วยการบริหาร 55,336 หน่วยใน 147 ประเทศ) และได้รับการสร้างแบบจำลองผ่านแมชชีนเลิร์นนิง (Random Forest) โดยใช้เลเยอร์เชิงพื้นที่ด้านสิ่งแวดล้อม เศรษฐกิจและสังคม และการกระทำของมนุษย์ 128 เลเยอร์ (รวมถึงระดับความสูงของภูมิประเทศ ข้อมูล MODIS ดัชนีความแห้งแล้ง เมตริกการเข้าถึง การกระจายตัวของประชากรตามศาสนา ฯลฯ) พื้นที่การสร้างโมเดลจำกัดไว้ที่ชั้นข้อมูลประจำปีของพื้นที่ที่มีศักยภาพในการผลิตปศุสัตว์ ซึ่งได้มาจากขอบเขตของพื้นที่เพาะปลูกและทุ่งหญ้าที่อิงตาม Landsat ตั้งแต่ปี 2000 ถึง 2022

ชุดข้อมูลนี้ออกแบบมาเพื่อรองรับแอปพลิเคชันด้านสิ่งแวดล้อมและการเกษตร (ปรับค่าประมาณการปล่อยก๊าซเรือนกระจก การจำลองวัฏจักรสารอาหาร การประมาณอัตราการกักเก็บคาร์บอนในดิน การแจ้งนโยบายปศุสัตว์ระดับประเทศ ฯลฯ) การคาดการณ์สุดท้ายได้รับการปรับโดยใช้แนวทางการปรับขนาดเชิงเส้นแบบประเทศต่อประเทศ เพื่อให้ยอดรวมระดับประเทศที่รวบรวมแล้วตรงกับสถิติที่ FAOSTAT จัดทำ การปรับนี้จำกัดยอดรวมระดับประเทศไว้ที่ FAOSTAT แต่ไม่ได้ตรวจสอบว่าปศุสัตว์อยู่ในส่วนใดของประเทศ การจัดสรรระดับย่อยของประเทศได้รับการจำลองและควรได้รับการพิจารณาตามนั้น สำหรับการใช้งานระดับย่อยของประเทศที่ต้องการความแม่นยำสูง ขอแนะนำให้ผู้ใช้ใช้ปัจจัยการปรับเทียบในพื้นที่จากหน่วยงานระดับประเทศแทนที่จะพึ่งพาการประมาณที่ปรับแล้วของ FAOSTAT ทั้งหมด

ค่าประมาณของค่าช่วงเวลาการคาดการณ์ความน่าจะเป็น 95% (ขอบเขตล่างและบนรอบการคาดการณ์ค่าเฉลี่ย เปอร์เซ็นไทล์ที่ 2.5 และ 97.5) รวมถึงความหนาแน่นดิบและการคาดการณ์จำนวนพนักงานมีอยู่ใน Zenodo

นอกจากนี้ ชุดข้อมูลยังอยู่ใน OpenLandMap STAC ด้วย

ข้อจำกัด:

การจัดสรร 1 กม. ที่จำลอง ไม่ใช่ตำแหน่งปศุสัตว์ที่สังเกตได้: พิกเซลแสดงการแจกแจงสถิติใหม่ของการนับสำมะโนประชากรระดับย่อยแบบหยาบในเลเยอร์ประจำปีของพื้นที่ที่อาจใช้ผลิตปศุสัตว์ โดยไม่ได้ทำเครื่องหมายฝูงหรือฟาร์มที่สังเกตได้ ความแม่นยำของโมเดลได้รับการประเมินในรูปหลายเหลี่ยมของข้อมูลประชากรที่กันไว้โดยใช้ตัวแปรสุ่มร่วมแบบค่าเฉลี่ยของรูปหลายเหลี่ยม เนื่องจากหน่วยสำมะโนประชากรโดยเฉลี่ยมีขนาดประมาณ 2,900 ตร.กม. (SD ~21,500) เมตริกเหล่านี้จึงอธิบายความสอดคล้องกันในระดับหน่วยการบริหาร และไม่ได้ระบุความถูกต้องของรายละเอียด 1 กม. ถือว่ารูปแบบขนาดเล็กเป็นการแยกย่อยที่สมเหตุสมผล ไม่ใช่การประมาณค่า 1 กม. ที่ได้รับการตรวจสอบอย่างอิสระ

ความสอดคล้องของ FAOSTAT ไม่ใช่ความถูกต้องในระดับท้องถิ่น: การปรับขนาดใหม่ทีละประเทศรับประกันว่ายอดรวมระดับประเทศจะตรงกับ FAOSTAT โดยการสร้าง แต่ไม่ได้จำกัดหรือตรวจสอบว่าสัตว์อยู่ในส่วนใดของประเทศ ดังนั้นยอดรวมระดับประเทศจึงอาจถูกต้อง แต่การจัดสรรระดับย่อยยังคงไม่แน่นอน

ความไม่ต่อเนื่องที่ชายแดน: เนื่องจากมีการปรับขนาดจำนวนพนักงานใหม่เป็นยอดรวมระดับประเทศของ FAOSTAT แยกกันสำหรับแต่ละประเทศ การเปลี่ยนแปลงอย่างฉับพลันจึงอาจเกิดขึ้นตามแนวเขตแดนระหว่างประเทศ เช่น ระหว่างมองโกเลียกับประเทศเพื่อนบ้าน ซึ่งยอดรวมระดับประเทศที่รายงานมีความแตกต่างกันอย่างมาก ซึ่งเป็นผลจากการปรับ ไม่ใช่การไล่ระดับความหนาแน่นที่แท้จริง

ข้อมูลสำมะโนที่ไม่สม่ำเสมอและไม่สมบูรณ์: ข้อมูลสำมะโนปศุสัตว์มักไม่สม่ำเสมอ ไม่สมบูรณ์ และอาจประเมินสูงเกินไปเนื่องจากการนับซ้ำที่เกิดจากการเคลื่อนย้ายสัตว์ข้ามเขตแดนสำมะโนหรือการเปลี่ยนแปลงการเป็นเจ้าของฟาร์ม นอกจากนี้ ความพร้อมใช้งานเชิงพื้นที่ยังแตกต่างกันอย่างมาก ประเทศกำลังพัฒนาหลายประเทศให้ข้อมูลเฉพาะในระดับการบริหารแบบหยาบ (ระดับรัฐ/เขต) ซึ่งอาจทำให้เกิดการประเมินต่ำอย่างเป็นระบบของปศุสัตว์ที่ไม่มีเอกสาร

ขนาดอินพุตไม่ตรงกันและความหนาแน่นที่ไม่สมจริง: ความหนาแน่นของปศุสัตว์ได้มาจากการรวมการประมาณจำนวนบุคลากรด้านการบริหารเข้ากับชั้นที่ดินที่มีศักยภาพประจำปีสำหรับการผลิตปศุสัตว์ ในภูมิภาคที่มีระบบปศุสัตว์แบบไม่มีที่ดินหรือฟีดลอตเป็นส่วนใหญ่ จำนวนปศุสัตว์ที่สูงอาจไม่ตรงกับที่ดินที่มีศักยภาพซึ่งแมปไว้ ส่งผลให้ค่าความหนาแน่นสูงอย่างไม่สมจริง (ในพื้นที่เกิน 2,500 ตัว/กม.²)

การจัดสรรอย่างสม่ำเสมอในสัตว์ปศุสัตว์ทุกสายพันธุ์: เลเยอร์กลางที่แสดงพื้นที่ที่อาจใช้สำหรับการผลิตปศุสัตว์จะใช้เป็นอินพุตสำหรับสัตว์ปศุสัตว์ทุกสายพันธุ์ที่จำลองแบบอย่างสม่ำเสมอ โมเดลปัจจุบันไม่ได้คำนึงถึงความซับซ้อนของระบบการจัดการปศุสัตว์ที่แตกต่างกัน (ระบบโคนม ระบบวัวแม่ลูก ระบบขุน) หรือพฤติกรรมเฉพาะของแต่ละสายพันธุ์ เช่น แพะที่กินพืชเป็นหลัก

การประเมินพื้นที่ที่มีความหนาแน่นสูงต่ำเกินไปและช่วงการคาดการณ์ที่ไม่น่าเชื่อถือ: โมเดลแมชชีนเลิร์นนิงที่เลือกมานั้นคาดการณ์พื้นที่ที่มีความหนาแน่นของปศุสัตว์สูงมากได้ยาก ซึ่งอาจประเมินฮอตสปอตของปศุสัตว์ที่รุนแรงต่ำเกินไป ช่วงเวลาการคาดการณ์แคบกว่าระดับ 95% ตามที่ระบุไว้มาก และประเมินความไม่แน่นอนที่แท้จริงต่ำกว่าความเป็นจริง แม้จะระบุว่าเป็นช่วง 95% แต่พบว่าความน่าจะเป็นของการครอบคลุมช่วงเวลาการคาดการณ์ (PICP) อยู่ที่ 30-45% ซึ่งหมายความว่าการสังเกตการณ์รูปหลายเหลี่ยมของข้อมูลประชากรที่กันไว้จะอยู่ในช่วงเวลาการคาดการณ์ประมาณ 30-45% ของเวลาทั้งหมดเท่านั้น ไม่ควรใช้อันตรภาคเหล่านี้เป็นขอบเขตความน่าจะเป็นสำหรับเกณฑ์ความเสี่ยง ความน่าจะเป็นที่เกิน หรือการแพร่กระจายข้อผิดพลาดในระบบปลายทางโดยไม่มีการปรับเทียบใหม่โดยอิสระ

ความครอบคลุมตามเวลาเทียบกับการเปลี่ยนแปลงที่ผ่านการตรวจสอบ: เลเยอร์ครอบคลุมปี 2000-2022 ทุกปี แต่ไม่มีการตรวจสอบการยกเว้นตามเวลา สัญญาณระหว่างปีส่วนใหญ่มาจากยอดรวมระดับประเทศของ FAOSTAT และข้อมูลอินพุตการปกคลุมดินที่เปลี่ยนแปลงไปในแต่ละปี ขณะที่โมเดลความหนาแน่นต่อพิกเซลนั้นอาศัยตัวแปรร่วมแบบคงที่และระยะยาวเป็นหลัก ส่วนข้อมูลอินพุตทางเศรษฐกิจและสังคมบางอย่างจะคงที่และส่งต่อ (เช่น HDI ถึงปี 2015, แสงไฟในเวลากลางคืนถึงประมาณปี 2020) ตีความการเปลี่ยนแปลงระยะสั้น (ปีต่อปี) อย่างระมัดระวัง

ข้อควรระวังเกี่ยวกับการฉายภาพ Goode Homolosine แบบขัดจังหวะ: เพื่อให้มั่นใจว่าการจัดแนวเชิงพื้นที่แม่นยำและลดการบิดเบือนให้เหลือน้อยที่สุด การสร้างแบบจำลองทั้งหมดจึงดำเนินการในระบบพิกัดพื้นที่เท่ากัน ซึ่งก็คือการฉายภาพ Goode Homolosine แบบขัดจังหวะ (ใช้กับเลเยอร์ทั้งหมดใน Zenodo) ก่อนที่จะส่งผ่านข้อมูล GEE ระบบจะแปลงชุดข้อมูลเป็นระบบพิกัด EPSG:4326 เนื่องจากข้อมูลจำนวนพนักงานเดิมแสดงค่าสัมบูรณ์ต่อ 1 ตร.กม. จึงใช้วิธีการกระจายเชิงพื้นที่เพื่อแก้ไขการบิดเบือนที่เกิดจากการประมาณ (ดู Github) การปรับนี้จะรักษาค่ารวมระดับประเทศเพื่อให้สอดคล้องกับสถิติของ FAOSTAT แม้ว่าอาจจะมีการเปลี่ยนแปลงการจัดสรรจำนวนประชากรในท้องถิ่นเล็กน้อยภายในพรมแดนของประเทศ

ดูข้อมูลเพิ่มเติมได้ที่ Parente et. al, 2026, Zenodo และเว็บไซต์ Global Pasture Watch GitHub

ย่านความถี่

ย่านความถี่

ขนาดพิกเซล: 1,000 เมตร (ทุกแถบ)

ชื่อ ต่ำสุด สูงสุด ขนาดพิกเซล คำอธิบาย
cattle 0* 160* 1,000 เมตร

จำนวนปศุสัตว์เมื่อพิจารณาถึงพื้นที่ที่มีอยู่สำหรับการผลิตปศุสัตว์ต่อตารางกิโลเมตร
buffalo 0* 160* 1,000 เมตร

จำนวนหัวควายโดยพิจารณาจากที่ดินที่มีอยู่สำหรับการผลิตปศุสัตว์ต่อตารางกิโลเมตร
horse 0* 10* 1,000 เมตร

จำนวนม้าโดยพิจารณาจากที่ดินที่มีอยู่สำหรับการผลิตปศุสัตว์ต่อกม.²
goat 0* 160* 1,000 เมตร

จำนวนแพะโดยพิจารณาจากที่ดินที่มีอยู่สำหรับการผลิตปศุสัตว์ต่อตารางกิโลเมตร
sheep 0* 160* 1,000 เมตร

จำนวนแกะโดยพิจารณาจากที่ดินที่มีอยู่สำหรับการผลิตปศุสัตว์ต่อตารางกิโลเมตร
* ค่าต่ำสุดหรือสูงสุดโดยประมาณ

พร็อพเพอร์ตี้รูปภาพ

พร็อพเพอร์ตี้รูปภาพ

ชื่อ ประเภท คำอธิบาย
เวอร์ชัน INT

เวอร์ชันผลิตภัณฑ์

ข้อกำหนดในการใช้งาน

ข้อกำหนดในการใช้งาน

CC-BY-4.0

การอ้างอิง

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) [ชุดข้อมูล] Zenodo. doi:https://doi.org/10.5281/zenodo.20396303

  • Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., et al. (2026). การกระจายตัวของปศุสัตว์ ม้า แพะ แกะ และควายทั่วโลกที่ความละเอียด 1 กม. สำหรับปี 2000–2022 โดยอิงตามข้อมูลสำมะโนประชากรระดับย่อยและแมชชีนเลิร์นนิงเชิงพื้นที่และเวลา 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)');
เปิดในตัวแก้ไขโค้ด
ชุดข้อมูลนี้แสดงจำนวนปศุสัตว์ทั่วโลกตั้งแต่ปี 2000 ถึง 2022 ที่ความละเอียดเชิงพื้นที่ 1 กม. ชุดข้อมูลปัจจุบันซึ่งผลิตโดยโครงการ Global Pasture Watch ของ Land & Carbon Lab ให้การคาดการณ์จำนวนปศุสัตว์ทั่วโลกที่ปรับตามสถิติระดับประเทศของ FAOSTAT ชุดข้อมูลนี้อิงตามการรวบรวมข้อมูลสำมะโนปศุสัตว์ระดับย่อยของประเทศที่ใหญ่ที่สุดเท่าที่ทราบ …
projects/global-pasture-watch/assets/gld-1km/v1/livestock-headcount-faostat_m, การเกษตร,ทั่วโลก,global-pasture-watch,gpw,ที่ดิน,การใช้ประโยชน์ที่ดิน,ทุ่งหญ้า,ชุดข้อมูลของผู้เผยแพร่,ทุ่งหญ้า
2000-01-01T00:00:00Z/2022-12-31T00:00:00Z
-90 -180 90 180
Google Earth Engine