
- صاحب کاتالوگ
- دیده بان مراتع جهانی
- در دسترس بودن مجموعه داده
- 2000-01-01T00:00:00Z–2023-01-01T00:00:00Z
- ارائه دهنده مجموعه داده
- دیده بان مرتع جهانی آزمایشگاه زمین و کربن
- تماس بگیرید
- آزمایشگاه زمین و کربن
- آهنگ
- 1 سال
- برچسب ها
توضیحات
این مجموعه داده، نقشههای طبقهای غالب سالانه از مراتع (کشت شده و طبیعی/نیمه طبیعی) را از سال 2000 تا 2022 با وضوح فضایی 30 متر ارائه میکند. گستره علفزار نقشه برداری شده توسط ابتکار عمل دیده بان مراتع جهانی Land & Carbon Lab، شامل هر نوع پوشش زمینی می شود که حداقل 30 درصد از پوشش گیاهی کم خشک یا مرطوب را شامل می شود که تحت سلطه علف ها و چمنزارها (کمتر از 3 متر) و موارد زیر است:
- حداکثر 50% پوشش تاج درخت (بیشتر از 5 متر)
- حداکثر 70 درصد سایر پوشش های چوبی (بوته ها و بوته های باز) و
- حداکثر 50 درصد پوشش فعال زمین زراعی در مناظر موزاییک زمین زراعی و سایر پوشش های گیاهی.
وسعت مرتع به دو دسته طبقه بندی می شود: - علفزار کشت شده : مناطقی که علف ها و سایر گیاهان علوفه ای به طور عمدی کاشته و مدیریت شده اند، و همچنین مناطقی با پوشش گیاهی از نوع علفزار بومی که در آنها به وضوح مدیریت فعال و سنگین برای استفاده های خاص تحت هدایت انسان، مانند چرای مستقیم دام را نشان می دهند. - علفزار طبیعی/نیمه طبیعی : علفزارهای بومی نسبتا دست نخورده/ پوشش گیاهی با ارتفاع کوتاه، مانند استپ ها و تندرا، و همچنین مناطقی که درجات مختلفی از فعالیت های انسانی را در گذشته تجربه کرده اند، که ممکن است به دلیل استفاده از زمین های تاریخی و فرآیندهای طبیعی حاوی ترکیبی از گونه های بومی و معرفی شده باشد. به طور کلی، آنها الگوهای طبیعی از پوشش گیاهی متنوع و روابط هیدرولوژیکی منظم در سراسر چشم انداز را نشان می دهند.
روش پیادهسازی شده تصاویر GLAD Landsat ARD-2 را در نظر میگیرد (پردازش شده به مجموعههای دوماهانه بدون ابر، نگاه کنید به Consoli و همکاران، 2024 )، همراه با متغیرهای کمکی اقلیمی، شکل زمین و مجاورت، یادگیری ماشین مکانی-زمانی (در هر کلاس تصادفی جنگل) و بیش از 2.3 میلیون نمونه تفسیر شده با کیفیت مرجع. آستانه احتمال سفارشی (بر اساس اعتبار متقاطع فضایی پنج برابری و مقادیر دقت و یادآوری متعادل) برای استخراج نقشههای کلاس غالب، به ترتیب 0.32 و 0.42 برای آستانههای احتمالی مرتع کشتشده و طبیعی/نیمه طبیعی استفاده شد.
محدودیت ها: وسعت علفزار تا حدی در جنوب شرقی آفریقا (زیمبابوه و موزامبیک) و در شرق استرالیا (بوته زارها و جنگل های منطقه بوم گردی مولگا) کمتر پیش بینی شده است. زمینهای زراعی در بخشهایی از شمال آفریقا، شبه جزیره عربستان، استرالیای غربی، نیوزیلند، مرکز بولیوی و ایالت ماتو گروسو (برزیل) به اشتباه به عنوان علفزار طبقهبندی میشوند. به دلیل خرابی Landsat 7 SLC، نوارهای منظم احتمالات علفزار در سطح قطعه قابل مشاهده است، به ویژه در سال 2012. استفاده از لایههای تفکیک درشتتر (نقشههای دسترسی و محصولات MODIS) خطاهای ماکروسکوپی منحنی را معرفی کرد (به دلیل استراتژی پایینمقیاسسازی جنوب غربی، در جنوب غربی، در جنوب غربی). آنگولا و در منطقه ساحل در آفریقا. کاربران باید از محدودیت ها و مسائل شناخته شده آگاه باشند. در حالی که آنها را به دقت در نظر می گیریم تا از استفاده مناسب از نقشه ها در این مرحله پیش بینی اولیه اطمینان حاصل کنیم. GPW فعالانه برای جمعآوری بازخورد سیستماتیک از طریق پلتفرم Geo-Wiki ، اعتبارسنجی نسخه فعلی و بهبود نسخههای آینده مجموعه داده کار میکند.
برای اطلاعات بیشتر به Parente et. al، 2024 ، سایت Zenodo و Global Pasture Watch GitHub
باندها
باندها
نام | حداقل | حداکثر | اندازه پیکسل | توضیحات |
---|---|---|---|---|
dominant_class | 0 | 2 | 30 متر | کلاس غالب که از طریق جنگل تصادفی و نقشه های احتمال به دست می آید. |
جدول کلاس dominant_class
ارزش | رنگ | توضیحات |
---|---|---|
0 | #ففففف | دیگر |
1 | #ffcd73 | علفزار کشت شده |
2 | #ff9916 | علفزار طبیعی/نیمه طبیعی |
ویژگی های تصویر
ویژگی های تصویر
نام | تایپ کنید | توضیحات |
---|---|---|
نسخه | INT | نسخه محصول |
شرایط استفاده
شرایط استفاده
نقل قول ها
Parente، L.، Sloat، L.، Mesquita، V.، و همکاران. (2024) دیده بان مراتع جهانی - نقشه های سالانه طبقه مرتع و وسعت با وضوح فضایی 30 متر (2000-2022) (نسخه v1) [مجموعه داده ها]. Zenodo doi:https://doi.org/10.5281/zenodo.13890401
Parente، L.، Sloat، L.، Mesquita، V.، و همکاران. (2024). نقشههای سالانه 30 متری طبقه و وسعت مرتع جهانی (2000-2022) بر اساس یادگیری ماشین مکانی-زمانی، دادههای علمی. doi: http://doi.org/10.1038/s41597-024-04139-6
DOI
با Earth Engine کاوش کنید
ویرایشگر کد (جاوا اسکریپت)
Map.setCenter(-49.265188, -16.602052, 4); var domi_grassland = ee.ImageCollection( "projects/global-pasture-watch/assets/ggc-30m/v1/grassland_c" ) var visParams = {"opacity":1, "min":1,"max":2,"palette":["ffcd73","ff9916"]}; var domi_grassland_2022 = domi_grassland.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer( domi_grassland_2022.selfMask(), visParams, 'Dominant grassland class (2022)' ); var domi_grassland_2000 = domi_grassland.filterDate('2000-01-01', '2001-01-01').first(); Map.addLayer( domi_grassland_2000.selfMask(), visParams, 'Dominant grassland class (2000)' );