מערך הנתונים הזה מספק מפות גלובליות של הסתברות שטח עשבוני טבעי או חצי-טבעי מדי שנה, משנת 2000 עד 2022, ברזולוציה מרחבית של 30 מ'.
הנתונים האלה נוצרו על ידי יוזמת Land & Carbon Lab Global Pasture Watch. שטח העשב שממופה כולל כל סוג של כיסוי קרקע שמכיל לפחות 30% צמחייה נמוכה יבשה או רטובה, שבה הדשא והעשבים הם הרוב (פחות מ-3 מטרים), וגם:
מקסימום 50% כיסוי צל עצים (מעל 5 מטרים),
עד 70% של צמחייה מעוצה אחרת (שיחים ושטחי שיחים פתוחים), ו
מקסימום 50% כיסוי של שטחי גידול פעילים בנופי פסיפס של שטחי גידול וצמחייה אחרת.
שטחי העשב מחולקים לשתי קטגוריות:
- שטחי עשב מעובדים: אזורים שבהם נשתלו וטופלו באופן מכוון עשבים וצמחי מספוא אחרים, וגם אזורים של צמחייה מקומית מסוג עשב שבהם ניכר בבירור ניהול פעיל ואינטנסיבי לשימושים ספציפיים שמיועדים לאדם, כמו רעייה מבוקרת של בעלי חיים.
– Natural/Semi-natural grassland (שטחי עשב טבעיים או חצי טבעיים): שטחי עשב מקומיים או צמחייה נמוכה יחסית שלא הופרעו, כמו ערבות וטונדרה, וגם אזורים שהייתה בהם בעבר פעילות אנושית בדרגות שונות, שעשויים להכיל תערובת של מינים מקומיים ומינים שהובאו לאזור בגלל שימוש היסטורי בקרקע ותהליכים טבעיים.
באופן כללי, הם מציגים דפוסים טבעיים של צמחייה מגוונת
וקשרים הידרולוגיים מסודרים בבירור לאורך הנוף.
המתודולוגיה שהוטמעה התבססה על תמונות GLAD Landsat ARD-2
(שעברו עיבוד לצבירה דו-חודשית ללא עננים, ראו Consoli et al, 2024
), בתוספת משתנים משותפים של אקלים, צורת פני השטח וקרבה, למידת מכונה מרחבית-זמנית (Random Forest לכל סיווג) ויותר מ-2.3 מיליון דגימות ייחוס (שעברו פרשנות ויזואלית בתמונות ברזולוציה גבוהה מאוד). השתמשנו בספי הסתברות מותאמים אישית (על סמך אימות צולב מרחבי של חמישה חלקים וערכי דיוק וזיכרון מאוזנים) כדי ליצור מפות של סיווגים דומיננטיים. הספים היו 0.32 ו-0.42 לסיווגים של שטחים מעובדים ושל שטחי עשב טבעיים או חצי-טבעיים, בהתאמה.
מגבלות: יש הערכת חסר של שטחי העשב בדרום-מזרח אפריקה (זימבבואה ומוזמביק) ובמזרח אוסטרליה (שטחי שיחים ויערות באזור האקולוגי של מולגה). שטחי גידול מסווגים באופן שגוי כשטחי עשב בחלקים של צפון אפריקה, חצי האי ערב, מערב אוסטרליה, ניו זילנד, מרכז בוליביה ומדינת מאטו גרוסו (ברזיל). בגלל הכשל ב-SLC של Landsat 7, אפשר לראות פסים רגילים של הסתברויות שטחי עשב ברמת החלקה, במיוחד בשנת 2012. השימוש בשכבות ברזולוציה גסה יותר (מפות נגישות ומוצרי MODIS) הוביל לשגיאות מקרוסקופיות מעוקלות (בגלל אסטרטגיית ההקטנה שמבוססת על cubicspline) באורוגוואי, בדרום-מערב ארגנטינה, בדרום אנגולה ובאזור סאהל באפריקה. המשתמשים צריכים להיות מודעים למגבלות ולבעיות הידועות, ולשקול אותן בקפידה כדי להבטיח שימוש הולם במפות בשלב הראשוני הזה של החיזוי. צוות GPW פועל באופן פעיל לאיסוף משוב שיטתי באמצעות פלטפורמת Geo-Wiki, כדי לאמת את הגרסה הנוכחית ולשפר את הגרסאות העתידיות של מערך הנתונים.
Parente, L., Sloat, L., Mesquita, V., et al. (2024)
Global Pasture Watch - Annual grassland class and extent
maps at 30-m spatial resolution (2000—2022) (Version v1)
[Data set]. Zenodo
doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024).
מפות שנתיות של שטחי עשב בעולם ברזולוציה של 30 מ' (2000–2022)
על סמך למידת מכונה מרחבית-זמנית, Scientific Data.
doi: http://doi.org/10.1038/s41597-024-04139-6
מערך הנתונים הזה מספק מפות גלובליות של הסתברות שטח עשבוני טבעי או חצי-טבעי שנתי, משנת 2000 עד 2022, ברזולוציה מרחבית של 30 מ'. הנתונים האלה נוצרו על ידי Land & Carbon Lab Global Pasture Watch initiative. מידת השטח של האדמות העשבוניות שמופיעה במפה כוללת כל סוג של כיסוי קרקע שמכיל לפחות 30% צמחייה נמוכה יבשה או רטובה, שבה …
[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)"]]
