Cet ensemble de données fournit des cartes mondiales annuelles des classes dominantes de prairies (cultivées et naturelles/semi-naturelles) de 2000 à 2022, avec une résolution spatiale de 30 m.
Produite par l'initiative Land & Carbon Lab Global Pasture Watch, l'étendue des prairies cartographiée inclut tout type de couverture terrestre contenant au moins 30 % de végétation basse sèche ou humide, dominée par des graminées et des herbacées (moins de 3 mètres) et :
un couvert forestier maximal de 50 % (supérieur à 5 mètres) ;
70 % maximum d'autres végétaux ligneux (arbustes et arbustaies ouvertes) ;
une couverture maximale de 50 % de terres arables actives dans les paysages en mosaïque de terres arables et d'autres types de végétation.
L'étendue des prairies est classée en deux catégories :
- Prairies cultivées : zones où des graminées et d'autres plantes fourragères ont été intentionnellement plantées et gérées, ainsi que les zones de végétation indigène de type prairie où une gestion active et intensive est clairement visible pour des usages spécifiques destinés à l'homme, comme le pâturage dirigé du bétail.
- Prairies naturelles/semi-naturelles : prairies indigènes/végétation basse relativement peu perturbées, telles que les steppes et la toundra, ainsi que les zones ayant connu différents degrés d'activité humaine dans le passé, qui peuvent contenir un mélange d'espèces indigènes et introduites en raison de l'utilisation historique des terres et des processus naturels.
En général, ils présentent des motifs d'aspect naturel avec une végétation variée et des relations hydrologiques clairement ordonnées dans le paysage.
La méthodologie mise en œuvre a pris en compte les images GLAD Landsat ARD-2
(traitées en agrégats bimensuels sans nuages, voir Consoli et al, 2024), accompagnées de covariables climatiques, de relief et de proximité, de machine learning spatiotemporel (Random Forest par classe) et de plus de 2,3 millions d'échantillons de référence (interprétés visuellement dans des images à très haute résolution). Des seuils de probabilité personnalisés (basés sur une validation croisée spatiale à cinq reprises et des valeurs de précision et de rappel équilibrées) ont été utilisés pour dériver des cartes de classe dominante, 0,32 et 0,42 pour les seuils de probabilité des prairies cultivées et naturelles/semi-naturelles, respectivement.
Limites : L'étendue des prairies est en partie sous-estimée dans le sud-est de l'Afrique (Zimbabwe et Mozambique) et dans l'est de l'Australie (arbustaies et forêts de l'écorégion de Mulga). Des terres cultivées sont classées à tort comme prairies dans certaines régions d'Afrique du Nord, de la péninsule arabique, d'Australie-Occidentale, de Nouvelle-Zélande, du centre de la Bolivie et de l'État du Mato Grosso (Brésil). En raison de la défaillance du SLC de Landsat 7, des bandes régulières de probabilités de prairies sont visibles au niveau des parcelles, en particulier en 2012. L'utilisation de couches de résolution plus grossière (cartes d'accessibilité et produits MODIS) a introduit des erreurs macroscopiques curvilignes (en raison de la stratégie de réduction d'échelle basée sur la spline cubique) en Uruguay, dans le sud-ouest de l'Argentine, au sud de l'Angola et dans la région du Sahel en Afrique. Les utilisateurs doivent être conscients des limites et des problèmes connus, et les prendre soigneusement en compte pour s'assurer d'une utilisation appropriée des cartes lors de cette première étape de prédiction. GPW s'efforce activement de recueillir des commentaires systématiques via la plate-forme Geo-Wiki, de valider la version actuelle et d'améliorer les futures versions de l'ensemble de données.
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)
[Ensemble de données]. Zenodo
doi:https://doi.org/10.5281/zenodo.13890401
Parente, L., Sloat, L., Mesquita, V., et al. (2024).
Cartes annuelles de 30 mètres de la classe et de l'étendue des prairies mondiales (2000-2022) basées sur le machine learning spatiotemporel, Scientific Data.
doi: http://doi.org/10.1038/s41597-024-04139-6
Cet ensemble de données fournit des cartes mondiales annuelles des classes dominantes de prairies (cultivées et naturelles/semi-naturelles) de 2000 à 2022, avec une résolution spatiale de 30 m. Produite par l'initiative Land & Carbon Lab Global Pasture Watch, l'étendue des prairies cartographiée comprend tout type de couverture terrestre contenant au moins 30 % de végétation basse sèche ou humide…
[null,null,[],[[["\u003cp\u003eThis dataset provides annual maps of global grassland types (cultivated and natural/semi-natural) at 30-meter resolution from 2000 to 2022.\u003c/p\u003e\n"],["\u003cp\u003eDeveloped by the Land & Carbon Lab Global Pasture Watch initiative, it identifies areas with at least 30% low vegetation dominated by grasses and forbs, with specific tree and shrubland cover limitations.\u003c/p\u003e\n"],["\u003cp\u003eThe mapping methodology uses Landsat imagery, environmental covariates, and machine learning, validated with over 2.3 million reference samples.\u003c/p\u003e\n"],["\u003cp\u003eKnown limitations include 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 users are encouraged to consider the limitations for appropriate application.\u003c/p\u003e\n"]]],["The dataset offers annual global grassland maps from 2000-2022, at 30-meter resolution, classifying grasslands into cultivated and natural/semi-natural types. Created by the Land & Carbon Lab Global Pasture Watch, the maps identify areas with at least 30% low vegetation, with limitations on tree cover, woody vegetation, and cropland. The data utilizes GLAD Landsat ARD-2 images, machine learning, and over 2.3 million reference samples. Users can access the data through Google Earth Engine using the provided code and should be aware of the documented limitations.\n"],null,["# GPW Annual Dominant Class of 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 dominant class maps of grasslands\n(cultivated and natural/semi-natural) from 2000 to 2022 at 30-m spatial\nresolution.\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| `dominant_class` | 0 | 2 | 30 meters | Dominant class derived through Random Forest and probability maps. |\n\n**dominant_class Class Table**\n\n| Value | Color | Description |\n|-------|---------|--------------------------------|\n| 0 | #ffffff | Other |\n| 1 | #ffcd73 | Cultivated grassland |\n| 2 | #ff9916 | Natural/Semi-natural grassland |\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(-49.265188, -16.602052, 4);\n\nvar domi_grassland = ee.ImageCollection(\n \"projects/global-pasture-watch/assets/ggc-30m/v1/grassland_c\"\n)\nvar visParams = {\"opacity\":1, \"min\":1,\"max\":2,\"palette\":[\"ffcd73\",\"ff9916\"]};\n\nvar domi_grassland_2022 = domi_grassland.filterDate('2022-01-01', '2023-01-01').first();\nMap.addLayer(\n domi_grassland_2022.selfMask(), \n visParams, 'Dominant grassland class (2022)'\n);\n\nvar domi_grassland_2000 = domi_grassland.filterDate('2000-01-01', '2001-01-01').first();\nMap.addLayer(\n domi_grassland_2000.selfMask(), \n visParams, 'Dominant grassland class (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_grassland_c) \n[GPW Annual Dominant Class of Grasslands v1](/earth-engine/datasets/catalog/projects_global-pasture-watch_assets_ggc-30m_v1_grassland_c) \nThis dataset provides global annual dominant class maps of grasslands (cultivated and natural/semi-natural) 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 ... \nprojects/global-pasture-watch/assets/ggc-30m/v1/grassland_c, 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_grassland_c)"]]
