Dieses Dataset enthält globale jährliche Wahrscheinlichkeitskarten von natürlichem/naturnahem Grünland für den Zeitraum 2000 bis 2022 mit einer räumlichen Auflösung von 30 m.
Die von der Initiative „Land & Carbon Lab Global Pasture Watch“ erstellte Karte der Graslandfläche umfasst alle Arten der Bodenbedeckung, die mindestens 30% trockene oder feuchte niedrige Vegetation enthalten, die von Gräsern und Kräutern (weniger als 3 Meter) dominiert wird, und:
maximal 50% Überschirmung durch Baumbestand (über 5 Meter),
maximal 70% anderer Gehölze (Gebüsche und offenes Buschland) und
maximal 50% aktive Ackerlandbedeckung in Mosaiklandschaften aus Ackerland und anderer Vegetation.
Die Ausdehnung von Grasland wird in zwei Klassen eingeteilt:
- Kultiviertes Grasland: Gebiete, in denen Gräser und andere Futterpflanzen absichtlich angepflanzt und bewirtschaftet wurden, sowie Gebiete mit natürlicher Graslandvegetation, in denen eine aktive und intensive Bewirtschaftung für bestimmte menschliche Zwecke, z. B. die Beweidung von Vieh, stattfindet.
– Natürliches/naturnahes Grünland: Relativ unberührte natürliche Graslandschaften/niedrige Vegetation wie Steppen und Tundra sowie Gebiete, die in der Vergangenheit unterschiedliche Grade menschlicher Aktivität erfahren haben und aufgrund historischer Landnutzung und natürlicher Prozesse eine Mischung aus einheimischen und eingeführten Arten enthalten können.
Im Allgemeinen weisen sie natürlich aussehende Muster mit unterschiedlicher Vegetation und klar geordneten hydrologischen Beziehungen in der gesamten Landschaft auf.
Bei der angewandten Methodik wurden GLAD Landsat ARD-2-Bilder
berücksichtigt, die in wolkenfreie zweimonatliche Aggregate umgewandelt wurden (siehe Consoli et al., 2024), sowie klimatische, geomorphologische und räumliche Kovariaten, spatiotemporales maschinelles Lernen (Random Forest pro Klasse) und über 2,3 Millionen Referenzproben (visuell interpretiert in Bildern mit sehr hoher Auflösung). Benutzerdefinierte Wahrscheinlichkeitsschwellenwerte (basierend auf fünfmaliger räumlicher Kreuzvalidierung und ausgewogenen Werten für Präzision und Erinnerung) wurden verwendet, um Karten der dominanten Klasse abzuleiten, 0,32 und 0,42 für Wahrscheinlichkeitsschwellenwerte für kultiviertes und natürliches/naturnahes Grünland.
Einschränkungen:Die Ausdehnung von Grasland wird im Südosten Afrikas (Simbabwe und Mosambik) und im Osten Australiens (Strauch- und Waldgebiete der Mulga-Ökoregion) teilweise unterbewertet. Ackerland wird in Teilen Nordafrikas, der Arabischen Halbinsel, Westaustraliens, Neuseelands, im Zentrum Boliviens und im Bundesstaat Mato Grosso (Brasilien) fälschlicherweise als Grünland klassifiziert. Aufgrund des SLC-Fehlers von Landsat 7 sind auf Parzellenebene, insbesondere im Jahr 2012, regelmäßige Streifen mit Wahrscheinlichkeiten für Grünland zu sehen. Die Verwendung von Layern mit gröberer Auflösung (Karten zur Barrierefreiheit und MODIS-Produkte) führte in Uruguay, im Südwesten Argentiniens, südlich von Angola und in der Sahelzone in Afrika zu krummlinigen makroskopischen Fehlern (aufgrund der Downscaling-Strategie auf Basis von kubischen Splines). Nutzer müssen sich der Einschränkungen und bekannten Probleme bewusst sein und diese sorgfältig berücksichtigen, um eine angemessene Verwendung von Karten in dieser ersten Vorhersagephase zu gewährleisten. GPW sammelt aktiv systematisches Feedback über die Geo-Wiki-Plattform, um die aktuelle Version zu validieren und zukünftige Versionen des Datasets zu verbessern.
Parente, L., Sloat, L., Mesquita, V., et al. (2024) Global Pasture Watch – Jährliche Karten der Graslandklasse und -ausdehnung mit einer räumlichen Auflösung von 30 m (2000–2022) (Version v1) [Datensatz]. Zenodo
doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024).
Jährliche 30‑m-Karten der globalen Graslandklasse und ‑ausdehnung (2000–2022) basierend auf räumlich-zeitlichem maschinellem Lernen, Scientific Data.
doi: http://doi.org/10.1038/s41597-024-04139-6
Dieses Dataset enthält globale jährliche Wahrscheinlichkeitskarten von natürlichen/naturnahen Grasflächen für den Zeitraum 2000 bis 2022 mit einer räumlichen Auflösung von 30 m. Die von der Initiative „Land & Carbon Lab Global Pasture Watch“ erstellte Karte der Graslandfläche umfasst alle Arten der Landbedeckung, die mindestens 30% trockene oder feuchte niedrige Vegetation enthalten, die von … dominiert wird.
[null,null,[],[[["\u003cp\u003eThis dataset provides annual probability maps of natural/semi-natural grasslands globally from 2000 to 2022 at a 30-meter resolution.\u003c/p\u003e\n"],["\u003cp\u003eThe grassland extent is classified into two categories: cultivated and natural/semi-natural, based on vegetation characteristics and human management.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset was created using Landsat imagery, environmental covariates, and machine learning, incorporating over 2.3 million reference samples.\u003c/p\u003e\n"],["\u003cp\u003eWhile generally accurate, the dataset has limitations, including potential under-prediction in certain regions and misclassification of cropland as grassland in others.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset is available under a CC-BY-4.0 license and is part of the Land & Carbon Lab Global Pasture Watch initiative.\u003c/p\u003e\n"]]],["The dataset offers annual global probability maps of natural/semi-natural grasslands from 2000 to 2022, at a 30-meter resolution. It's provided by the Land & Carbon Lab Global Pasture Watch and classifies land with at least 30% low vegetation, grasses, and forbs, considering tree canopy, woody vegetation, and cropland presence. Data, based on Landsat ARD-2 images, is generated with spatiotemporal machine learning and visual reference samples. Users can access and explore the dataset through Google Earth Engine and download it from zenodo.\n"],null,["# GPW Annual Probabilities of Natural/Semi-natural Grasslands v1\n\ninfo\n\n\nThis dataset is part of a Publisher Catalog, and not managed by Google Earth Engine.\n\nContact [Land \\& Carbon Lab](https://landcarbonlab.org/subscribe)\n\nfor bugs or [view more datasets](https://developers.google.com/earth-engine/datasets/publisher/global-pasture-watch)\nfrom the Global Pasture Watch Catalog. [Learn more about Publisher datasets](/earth-engine/datasets/publisher). \n[](https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring) \n\nCatalog Owner\n: Global Pasture Watch\n\nDataset Availability\n: 2000-01-01T00:00:00Z--2023-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [Land and Carbon Lab Global Pasture Watch](https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring)\n\nContact\n: [Land \\& Carbon Lab](https://landcarbonlab.org/subscribe)\n\nCadence\n: 1 Year\n\nTags\n:\n[global](/earth-engine/datasets/tags/global) [global-pasture-watch](/earth-engine/datasets/tags/global-pasture-watch) [land](/earth-engine/datasets/tags/land) [landcover](/earth-engine/datasets/tags/landcover) [landuse](/earth-engine/datasets/tags/landuse) [landuse-landcover](/earth-engine/datasets/tags/landuse-landcover) [pasture](/earth-engine/datasets/tags/pasture) [publisher-dataset](/earth-engine/datasets/tags/publisher-dataset) [rangeland](/earth-engine/datasets/tags/rangeland) [vegetation](/earth-engine/datasets/tags/vegetation) \n\n#### Description\n\nThis dataset provides global annual probability maps of natural/semi-natural\ngrassland from 2000 to 2022 at 30-m spatial resolution.\nProduced by Land \\&\nCarbon Lab Global Pasture Watch initiative, the mapped grassland extent\nincludes any land cover type, which contains at least 30% of dry or wet\nlow vegetation, dominated by grasses and forbs (less than 3 meters)\nand a:\n\n- maximum of 50% tree canopy cover (greater than 5 meters),\n- maximum of 70% of other woody vegetation (scrubs and open shrubland), and\n- maximum of 50% active cropland cover in mosaic landscapes of cropland \\& other vegetation.\n\nThe grassland extent is classified into two classes:\n- **Cultivated grassland** : Areas where grasses and other forage plants have\nbeen intentionally planted and managed, as well as areas of native\ngrassland-type vegetation where they clearly exhibit active and\nheavy management for specific human-directed uses, such as directed\ngrazing of livestock.\n- **Natural/Semi-natural grassland**: Relatively undisturbed native\ngrasslands/short-height vegetation, such as steppes and tundra,\nas well as areas that have experienced varying degrees of human\nactivity in the past, which may contain a mix of native and\nintroduced species due to historical land use and natural processes.\nIn general, they exhibit natural-looking patterns of varied vegetation\nand clearly ordered hydrological relationships throughout the landscape.\n\nThe implemented methodology considered [GLAD Landsat ARD-2 images](https://glad.umd.edu/ard) (processed into cloud-free bi-monthly\naggregates, see [Consoli et al, 2024](https://doi.org/10.7717/peerj.18585)\n), accompanied by climatic, landform and proximity covariates,\nspatiotemporal machine learning (per-class Random Forest) and over\n2.3 million reference samples (visually interpreted in Very High\nResolution imagery). Custom probability thresholds (based on five-fold\nspatial cross-validation and balanced precision and recall values)\nwere used to derive dominant class maps, 0.32 and 0.42 for\ncultivated and natural/semi-natural grassland probability thresholds, respectively.\n\n**Limitations:** Grassland extent is partly under-predicted in southeastern\nAfrica (Zimbabwe and Mozambique) and in eastern Australia (shrublands and\nwoodlands of the Mulga ecoregion). Cropland is misclassified as grassland\nin parts of northern Africa, the Arabian Peninsula, Western Australia,\nNew Zealand, the center of Bolivia, and Mato Grosso state (Brazil). Due\nto the Landsat 7 SLC failure, regular stripes of grassland probabilities\nare visible at parcel-level, particularly in the year 2012. The usage of\ncoarser resolution layers (accessibility maps and MODIS products)\nintroduced curvilinear macroscopic errors (due to the downscaling\nstrategy based on cubicspline) in Uruguay, Southwest Argentina, South\nof Angola and in the Sahel region in Africa. Users need to be aware\nof the limitations and known issues; whilst considering them\ncarefully to ensure appropriate use of maps at this initial prediction\nstage. GPW is working actively to collect systematic feedback via the [Geo-Wiki\nplatform](https://www.geo-wiki.org), validate the current version\nand improve future versions of the dataset.\n\n**For more information see [Parente et. al, 2024](http://doi.org/10.1038/s41597-024-04139-6),\n[Zenodo](https://zenodo.org/records/13890401) and\n\u003chttps://github.com/wri/global-pasture-watch\u003e**\n\n### Bands\n\n**Bands**\n\n| Name | Min | Max | Pixel Size | Description |\n|---------------|-----|-----|------------|---------------------------------------------------------------------------------|\n| `probability` | 0 | 100 | 30 meters | Natural/Semi-natural grassland probability value derived through Random Forest. |\n\n### Image Properties\n\n**Image Properties**\n\n| Name | Type | Description |\n|---------|------|-----------------|\n| version | INT | Product version |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- Parente, L., Sloat, L., Mesquita, V., et al. (2024)\n Global Pasture Watch - Annual grassland class and extent\n maps at 30-m spatial resolution (2000---2022) (Version v1)\n \\[Data set\\]. Zenodo\n [doi:https://doi.org/10.5281/zenodo.13890401](https://doi.org/10.5281/zenodo.13890401)\n- Parente, L., Sloat, L., Mesquita, V., et al. (2024).\n Annual 30-m maps of global grassland class and extent (2000--2022)\n based on spatiotemporal Machine Learning, Scientific Data.\n [doi: http://doi.org/10.1038/s41597-024-04139-6](http://doi.org/10.1038/s41597-024-04139-6)\n\n### DOIs\n\n- \u003chttps://doi.org/10.1038/s41597-024-04139-6\u003e\n- \u003chttps://doi.org/10.5281/zenodo.13890401\u003e\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nMap.setCenter(63.72366666, 38.30182604, 4);\n\nvar nat_semi_grassland = ee.ImageCollection(\n \"projects/global-pasture-watch/assets/ggc-30m/v1/nat-semi-grassland_p\"\n)\nvar min_prob = 42 // Probability threshold\nvar visParams = {min: 15, max: 85, palette: 'f7f1e5,af8260,803d3b,322c2b'}\n\nvar nat_semi_grassland_2022 = nat_semi_grassland.filterDate('2022-01-01', '2023-01-01').first();\nMap.addLayer(\n nat_semi_grassland_2022.mask(nat_semi_grassland_2022.gte(min_prob)), \n visParams, 'Natural/Semi-natural grassland prob. (2022)'\n);\n\nvar nat_semi_grassland_2000 = nat_semi_grassland.filterDate('2000-01-01', '2001-01-01').first();\nMap.addLayer(\n nat_semi_grassland_2000.mask(nat_semi_grassland_2000.gte(min_prob)), \n visParams, 'Natural/Semi-natural grassland prob. (2000)'\n);\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/global-pasture-watch/projects_global-pasture-watch_assets_ggc-30m_v1_nat-semi-grassland_p) \n[GPW Annual Probabilities of Natural/Semi-natural Grasslands v1](/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggc-30m_v1_nat-semi-grassland_p) \nThis dataset provides global annual probability maps of natural/semi-natural grassland from 2000 to 2022 at 30-m spatial resolution. Produced by Land \\& Carbon Lab Global Pasture Watch initiative, the mapped grassland extent includes any land cover type, which contains at least 30% of dry or wet low vegetation, dominated by ... \nprojects/global-pasture-watch/assets/ggc-30m/v1/nat-semi-grassland_p, global,global-pasture-watch,land,landcover,landuse,landuse-landcover,pasture,publisher-dataset,rangeland,vegetation \n2000-01-01T00:00:00Z/2023-01-01T00:00:00Z \n-90 -180 90 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [https://doi.org/10.5281/zenodo.13890401](https://doi.org/https://landcarbonlab.org/data/global-grassland-and-livestock-monitoring)\n- [https://doi.org/10.5281/zenodo.13890401](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggc-30m_v1_nat-semi-grassland_p)"]]
