Tập dữ liệu này thuộc một Danh mục nhà xuất bản và không do Google Earth Engine quản lý. Liên hệ với Land & Carbon Lab để báo cáo lỗi hoặc xem thêm các tập dữ liệu trong Danh mục Global Pasture Watch. Tìm hiểu thêm về Tập dữ liệu của nhà xuất bản.
- Chủ sở hữu danh mục
- Global Pasture Watch
- Phạm vi cung cấp tập dữ liệu
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- Nhà sản xuất tập dữ liệu
- Land and Carbon Lab Global Pasture Watch
- Liên hệ
- Land & Carbon Lab
- Tần suất
- 1 năm
- Thẻ
Mô tả
Tập dữ liệu này cung cấp số lượng gia súc trên toàn cầu từ năm 2000 đến năm 2022 ở độ phân giải không gian 1 km. Được tạo ra trong khuôn khổ sáng kiến Global Pasture Watch của Land & Carbon Lab, tập dữ liệu hiện tại cung cấp thông tin dự đoán về số lượng gia súc trên toàn cầu, được điều chỉnh theo số liệu thống kê quốc gia của FAOSTAT. Tập dữ liệu này dựa trên bản tổng hợp lớn nhất từng được biết đến về dữ liệu điều tra chăn nuôi ở cấp quốc gia (được điều chỉnh từ 55.336 đơn vị hành chính ở 147 quốc gia) và được mô hình hoá thông qua học máy (Rừng ngẫu nhiên), sử dụng 128 lớp không gian về môi trường, kinh tế xã hội và do con người tạo ra (bao gồm cả độ cao địa hình, dữ liệu MODIS, chỉ số khô hạn, chỉ số khả năng tiếp cận, phân bố dân số theo tôn giáo, v.v.). Các khu vực mô hình hoá được giới hạn ở lớp hằng năm về đất có tiềm năng sản xuất chăn nuôi, được lấy từ diện tích đất trồng trọt và đồng cỏ dựa trên Landsat từ năm 2000 đến năm 2022.
Tập dữ liệu này được thiết kế để hỗ trợ các ứng dụng môi trường và nông nghiệp (tinh chỉnh số liệu ước tính về lượng khí thải nhà kính, lập mô hình chu trình dinh dưỡng, ước tính tốc độ cô lập carbon trong đất, cung cấp thông tin cho các chính sách chăn nuôi quốc gia, v.v.). Các dự đoán cuối cùng được điều chỉnh bằng cách sử dụng phương pháp mở rộng tuyến tính theo từng quốc gia để tổng số quốc gia được tổng hợp khớp với số liệu thống kê do FAOSTAT cung cấp. Việc điều chỉnh này giới hạn tổng số lượng vật nuôi trên toàn quốc theo FAOSTAT nhưng không xác thực vị trí của vật nuôi trong một quốc gia; việc phân bổ theo quốc gia được mô hình hoá và cần được coi là như vậy. Đối với các ứng dụng ở cấp quốc gia phụ cần độ chính xác cao, người dùng nên áp dụng các hệ số hiệu chuẩn tại địa phương của các cơ quan quốc gia thay vì hoàn toàn dựa vào các số liệu ước tính đã điều chỉnh theo FAOSTAT.
Thông tin ước tính về các giá trị trong khoảng thời gian dự đoán có xác suất 95% (ranh giới dưới và trên của các dự đoán trung bình; phân vị thứ 2,5 và thứ 97,5) cũng như mật độ thô và dự đoán về số người có trong Zenodo:
- Mật độ gia súc hằng năm
- Mật độ dê hằng năm
- Mật độ cừu hằng năm
- Mật độ ngựa hằng năm
- Mật độ trâu hằng năm
Tập dữ liệu này cũng có trong OpenLandMap STAC.
Các điểm hạn chế:
Phân bổ theo mô hình 1 km, không phải vị trí chăn nuôi được quan sát: Các pixel này thể hiện việc phân phối lại theo thống kê số liệu thống kê sơ bộ ở cấp quốc gia đối với lớp hằng năm về đất có khả năng sản xuất chăn nuôi; các pixel này không đánh dấu đàn gia súc hoặc trang trại được quan sát. Độ chính xác của mô hình được đánh giá trên các đa giác điều tra dân số được giữ lại bằng cách sử dụng các biến đồng phương sai trung bình của đa giác. Vì đơn vị thống kê trung bình là ~2.900 km² (SD ~21.500), nên các chỉ số này mô tả mức độ nhất trí ở cấp đơn vị hành chính và không thể hiện độ chính xác của thông tin chi tiết 1 km. Hãy coi mẫu có độ chi tiết cao là một kết quả phân tích hợp lý, chứ không phải là một kết quả ước tính độc lập được xác thực ở khoảng cách 1 km.
Tính nhất quán của FAOSTAT không phải là độ chính xác tại địa phương: Việc điều chỉnh lại theo từng quốc gia đảm bảo rằng tổng số quốc gia khớp với FAOSTAT theo cấu trúc; việc này không hạn chế hoặc xác thực vị trí của động vật trong một quốc gia. Do đó, tổng số liệu trên toàn quốc có thể chính xác, trong khi số liệu phân bổ theo khu vực vẫn chưa chắc chắn.
Sự gián đoạn ở biên giới quốc gia: Vì số lượng gia súc được điều chỉnh theo tổng số quốc gia của FAOSTAT riêng cho từng quốc gia, nên có thể xuất hiện những thay đổi đột ngột ở biên giới quốc tế – ví dụ: giữa Mông Cổ và các nước láng giềng, nơi tổng số quốc gia được báo cáo có sự khác biệt lớn. Đây là các hiện tượng do việc điều chỉnh gây ra, chứ không phải độ dốc mật độ thực.
Dữ liệu điều tra dân số không đầy đủ và không thường xuyên: Dữ liệu điều tra dân số về vật nuôi thường không đầy đủ, không thường xuyên và có thể bị ước tính quá cao do tình trạng đếm trùng vì vật nuôi di chuyển qua ranh giới điều tra dân số hoặc do thay đổi quyền sở hữu trang trại. Hơn nữa, phạm vi cung cấp dữ liệu không gian rất khác nhau; nhiều quốc gia đang phát triển chỉ cung cấp dữ liệu ở quy mô hành chính thô (cấp tiểu bang/quận), điều này có thể dẫn đến việc đánh giá thấp một cách có hệ thống số lượng gia súc không được ghi nhận.
Thang đo đầu vào không khớp và mật độ không thực tế: Mật độ chăn nuôi được xác định bằng cách kết hợp số liệu ước tính về số lượng người quản lý với lớp dữ liệu hằng năm về diện tích đất có thể dùng để chăn nuôi. Ở những khu vực có hệ thống chăn nuôi không có đất hoặc khu vực vỗ béo, số lượng gia súc lớn có thể không phù hợp với diện tích đất tiềm năng được lập bản đồ, dẫn đến các giá trị mật độ cao không thực tế (vượt quá 2.500 đầu gia súc/km² ở một số nơi).
Phân bổ đồng đều cho các loài vật nuôi: Lớp trung gian đại diện cho đất có thể dùng để sản xuất vật nuôi được áp dụng đồng đều làm dữ liệu đầu vào cho tất cả các loài vật nuôi được mô hình hoá. Mô hình hiện tại không tính đến sự phức tạp của các hệ thống quản lý gia súc khác nhau (hệ thống chăn nuôi bò sữa so với hệ thống chăn nuôi bò thịt so với hệ thống vỗ béo) hoặc các hành vi riêng biệt theo loài, chẳng hạn như dê chủ yếu là loài gặm cỏ.
Đánh giá thấp các khu vực có mật độ cao và khoảng dự đoán không đáng tin cậy: Các mô hình học máy được chọn gặp khó khăn trong việc dự đoán các khu vực có mật độ chăn nuôi rất cao, có khả năng đánh giá thấp các điểm nóng chăn nuôi chuyên sâu. Khoảng dự đoán hẹp hơn nhiều so với mức 95% danh nghĩa và đánh giá thấp độ không chắc chắn thực sự. Mặc dù được gắn nhãn là khoảng 95%, nhưng Xác suất bao phủ khoảng dự đoán (PICP) được xác định là 30 – 45%, nghĩa là các quan sát về đa giác trong dữ liệu điều tra dân số được giữ lại chỉ nằm trong khoảng dự đoán khoảng 30 – 45% thời gian. Không được sử dụng các khoảng này làm giới hạn xác suất cho ngưỡng rủi ro, xác suất vượt quá hoặc lan truyền lỗi xuôi dòng mà không cần hiệu chỉnh lại độc lập.
Phạm vi theo thời gian so với động lực được xác thực: Các lớp trải dài từ năm 2000 đến năm 2022 hằng năm, nhưng không có quy trình xác thực giữ lại theo thời gian. Phần lớn tín hiệu giữa các năm bắt nguồn từ tổng số liệu quốc gia của FAOSTAT và các dữ liệu đầu vào về độ che phủ đất thay đổi hằng năm, trong khi mô hình mật độ trên mỗi điểm ảnh chủ yếu dựa vào các biến đồng biến tĩnh và dài hạn; một số dữ liệu đầu vào về kinh tế xã hội được giữ nguyên và chuyển tiếp (ví dụ: chỉ số HDI đến năm 2015, ánh sáng ban đêm đến khoảng năm 2020). Thận trọng khi diễn giải sự thay đổi ngắn hạn (hàng năm).
Lưu ý về phép chiếu Goode Homolosine bị gián đoạn: Để đảm bảo sự căn chỉnh không gian chính xác và giảm thiểu biến dạng, tất cả hoạt động mô hình hoá đều được thực hiện trong hệ toạ độ có diện tích bằng nhau, cụ thể là phép chiếu Goode Homolosine bị gián đoạn (được dùng cho tất cả các lớp trong Zenodo). Trước khi được nhập vào GEE, tập dữ liệu đã được chuyển đổi sang hệ toạ độ EPSG:4326. Vì dữ liệu ban đầu về số lượng người đại diện cho các giá trị tuyệt đối trên mỗi 1 km², nên chúng tôi đã sử dụng phương pháp phân phối lại không gian để điều chỉnh các biến dạng do phép chiếu gây ra (xem Github). Việc điều chỉnh này giúp duy trì tổng giá trị quốc gia để nhất quán với số liệu thống kê của FAOSTAT, mặc dù có thể làm thay đổi nhẹ việc phân bổ số lượng gia súc ở địa phương trong phạm vi biên giới quốc gia.
Để biết thêm thông tin, hãy xem Parente và cộng sự, 2026, Zenodo và trang web Global Pasture Watch trên GitHub
Băng tần
Băng tần
Kích thước pixel: 1.000 mét (tất cả các dải tần)
| Tên | Tối thiểu | Tối đa | Kích thước pixel | Mô tả |
|---|---|---|---|---|
cattle |
0* | 160* | 1.000 mét | Số lượng gia súc dựa trên diện tích đất có sẵn để chăn nuôi gia súc trên mỗi km² |
buffalo |
0* | 160* | 1.000 mét | Số lượng trâu bò dựa trên diện tích đất có sẵn để sản xuất chăn nuôi trên mỗi km² |
horse |
0* | 10* | 1.000 mét | Số lượng ngựa tính theo diện tích đất có sẵn để chăn nuôi gia súc trên mỗi km² |
goat |
0* | 160* | 1.000 mét | Số lượng dê tính theo diện tích đất có thể sử dụng để chăn nuôi trên mỗi km² |
sheep |
0* | 160* | 1.000 mét | Số lượng đầu cừu dựa trên diện tích đất có sẵn để chăn nuôi trên mỗi km² |
Thuộc tính hình ảnh
Thuộc tính hình ảnh
| Tên | Loại | Mô tả |
|---|---|---|
| version | SLC | Phiên bản sản phẩm |
Điều khoản sử dụng
Điều khoản sử dụng
Trích dẫn
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., và cộng sự (2026). Global Pasture Watch – Lớp số lượng gia súc hằng năm cho gia súc, dê, cừu, ngựa và trâu ở mức 1 km từ năm 2000 đến năm 2022 (đã điều chỉnh theo FAOSTAT) (Phiên bản v1) [Tập dữ liệu]. Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L., Ehrmann, S., Hengl, T., Fritz, S., Bonannella, C., và cộng sự (2026). Phân bố toàn cầu của gia súc, ngựa, dê, cừu và trâu ở độ phân giải 1 km trong giai đoạn 2000 – 2022 dựa trên dữ liệu điều tra dân số cấp quốc gia và công nghệ học máy không gian thời gian. PeerJ. doi: 10.7717/peerj.21494
DOI
Khám phá bằng Earth Engine
Trình chỉnh sửa mã (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)');