2000 年至 2022 年全球草地（栽培草地和天然/半天然草地）的年度优势等级图，30 米的空间分辨率-CSDN博客

本文链接：https://blog.csdn.net/qq_31988139/article/details/145392848

简介

该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球草地（栽培草地和天然/半天然草地）的年度优势等级图。

由土地与碳实验室全球牧场观察计划制作，绘制的草地范围包括任何土地覆被类型，其中包含至少 30% 的干性或湿性低植被，以禾本科和草本植物为主（小于 3 米），以及：最多 50% 的树冠覆盖（大于 5 米）、最多 70% 的其他木本植被（灌丛和开阔灌木地），以及在耕地和其他植被的镶嵌景观中最多 50% 的有效耕地覆盖。草地范围分为两个等级：人工草地：有意种植和管理草类和其他饲料植物的区域，以及明显表现出为人类特定用途（如放牧）而进行积极和繁重管理的原生草地植被区域。天然/半天然草地：相对未受干扰的原生草地/矮高植被，如草原和苔原，以及过去经历过不同程度人类活动的区域，由于历史上的土地使用和自然过程，这些区域可能混合了原生和外来物种。总体而言，这些地区呈现出自然的植被变化模式，整个地貌中的水文关系清晰有序。实施的方法考虑到了 GLAD Landsat ARD-2 图像），以及气候、地貌和邻近协变量、时空机器学习（每类随机森林）和超过 230 万个参考样本（在甚高分辨率图像中可视化解读）。使用自定义概率阈值（基于五倍空间交叉验证以及平衡的精度和召回值）得出优势类图，耕地和天然/半天然草地概率阈值分别为 0.32 和 0.42。局限性：非洲东南部（津巴布韦和莫桑比克）和澳大利亚东部（穆尔加生态区的灌木林地和林地）的草地范围部分预测不足。在非洲北部、阿拉伯半岛、澳大利亚西部、新西兰、玻利维亚中部和马托格罗索州（巴西）的部分地区，耕地被误划为草原。由于大地遥感卫星 7 SLC 的故障，在地块层面可以看到草地概率的规则条纹，尤其是在 2012 年。在乌拉圭、阿根廷西南部、安哥拉南部和非洲萨赫勒地区，较粗分辨率图层（可达性地图和 MODIS 产品）的使用引入了曲线宏观误差（由于基于立方平分的降尺度策略）。用户需要了解这些局限性和已知问题；同时仔细考虑这些问题，以确保在初始预测阶段适当使用地图。 GPW 正在积极通过 Geo-Wiki 平台收集系统反馈，验证当前版本并改进数据集的未来版本。

数据集说明

空间信息

Dataset Availability

2000-01-01T00:00:00 - 2023-01-01T00:00:00

Dataset Provider

Land and Carbon Lab Global Pasture Watch

Contact

Contact information not available.

Collection Snippet

ee.ImageCollection("projects/global-pasture-watch/assets/ggc-30m/v1/grassland_c")

变量

Bands Table

Name	Description	Min	Max	Resolution
dominant_class	Dominant class derived through Random Forest and probability maps.	0	2	30 meters

Class Table: dominant_class

Value	Color Value	Description
0	#ffffff	Other
1	#ff9916	Cultivated grassland
2	#ffcd73	Natural/Semi-natural grassland

Name	Type	Description
version	Int	Product version

代码

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":["ff9916","ffcd73"]};

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)'
);

var domi_grassland = ee.ImageCollection(
  "projects/global-pasture-watch/assets/ggc-30m/v1/grassland_c"
);

var lon = -71.15659688;
var lat = 5.93254056;

var domi_grassland_2020 = domi_grassland.filterDate('2020-01-01', '2021-01-01').first();
domi_grassland_2020 = domi_grassland_2020.selfMask()

var palette = [ 'ff9916', 'ffcd73'];
var vis = {min: 1, max: 2, palette: palette};

// Add a white background image to the map.
var background = ee.Image.rgb(255, 255, 255).visualize({min: 0, max: 255});
Map.addLayer(background, {min: 0, max: 1});

Map.setCenter(lon, lat, 4);
Map.addLayer(domi_grassland_2020, vis);

// Degrees in EPSG:3857
var delta = 0.043 * 30;
var pixels = 256;

var areaOfInterest = ee.Geometry.Rectangle(
  [lon - delta, lat - delta, lon + delta, lat + delta], null, false);

var parameters = {
  dimensions: [pixels, pixels],
  region: areaOfInterest,
  crs: 'EPSG:3857',
  format: 'png'
};

var image = domi_grassland_2020.visualize(vis);
var imageWithBackground = ee.ImageCollection([background, image]).mosaic();
print(ui.Thumbnail({image: imageWithBackground, params: parameters}));

引用

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). Annual 30-m maps of global grassland class and extent (2000–2022) based on spatiotemporal Machine Learning, Scientific Data. doi: http://doi.org/10.1038/s41597-024-04139-6