此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 Global Pasture Watch Catalog 中的更多数据集，请与 Land & Carbon Lab 联系。详细了解发布商数据集。
- 目录所有者
- 全球牧场监测
- 数据集可用时间
- 2000-01-01T00:00:00Z–2022-12-31T00:00:00Z
- 数据集生产者
- Land and Carbon Lab Global Pasture Watch
- 联系人
- 土地与碳实验室
- 频率
- 1 年
- 标签
说明
此数据集提供 2000 年至 2022 年全球牲畜数量，空间分辨率为 1 公里。 当前数据集由 Land & Carbon Lab 的 Global Pasture Watch 计划生成，提供根据 FAOSTAT 国家统计数据调整的全球人头数预测。该数据集基于已知最大的次国家级牲畜普查数据汇编（来自 147 个国家/地区的 55,336 个行政单位，经过了统一处理），并通过机器学习（随机森林）进行建模，使用了 128 个环境、社会经济和人为空间层（包括地形海拔、MODIS 数据、干旱指数、可达性指标、宗教人口分布等）。模型分析区域仅限于 2000 年至 2022 年间基于 Landsat 数据的耕地和草地范围得出的潜在畜牧生产用地年度层。
该数据集旨在支持环境和农业应用（改进温室气体排放估算、模拟养分循环、估算土壤碳封存率、为国家牲畜政策提供信息等）。使用线性国家/地区缩放方法调整最终预测结果，使汇总的国家/地区总数与 FAOSTAT 提供的统计数据相符。此调整将国家总数限制为 FAOSTAT，但不验证牲畜在国家/地区内的位置；次国家/地区分配是根据模型计算的，应按此方式处理。对于需要高精度的次国家级应用，建议用户应用国家级机构提供的本地校正系数，而不是完全依赖 FAOSTAT 调整后的估计值。
您可以在 Zenodo 中找到 95% 概率预测区间值（平均预测值周围的下限和上限；第 2.5 和第 97.5 百分位数）以及原始密度和人口预测的估计值：
该数据集也可在 OpenLandMap STAC 中使用。
限制：
1 公里模型分配，而非观测到的牲畜位置：像素表示粗略的次国家级普查统计数据在潜在的牲畜生产用地年度层中的统计重新分配；它们不标记观测到的畜群或农场。使用多边形平均协变量，在留出的普查多边形上评估模型准确率。由于平均人口普查单位面积约为 2,900 平方公里（标准差约为 21,500），因此这些指标描述的是行政单位级别的匹配度，而不能表征 1 公里细节的准确性。将精细模式视为一种合理的细分，而不是经过独立验证的 1 公里估计值。
FAOSTAT 一致性并不等同于局部准确性：逐个国家/地区重新调整比例可确保国家/地区总数与 FAOSTAT 保持一致；但不会限制或验证动物在国家/地区内的位置。因此，国家总数可能正确，但次国家级分配仍不确定。
国界处的不连续性：由于各国的人头数会分别重新缩放到 FAOSTAT 国家总数，因此国际边界处可能会出现突变，例如蒙古及其邻国之间，报告的国家总数差异很大。这些是调整后的伪影，而不是真正的密度梯度。
不规则且不完整的人口普查数据：畜牧业人口普查数据通常不规则且不完整，并且由于动物在普查边界之间的流动或农场所有权的变化而导致重复统计，因此可能会被高估。此外，空间可用性差异很大；许多发展中国家只提供粗略的行政规模（州/县级）的数据，这可能会导致对未登记的牲畜数量出现系统性低估。
输入比例不匹配和密度不切实际：牲畜密度是通过将行政人口估计值与用于牲畜生产的潜在土地的年度层相结合得出的。在以无地畜牧系统或饲养场为主的地区，牲畜数量较多，可能与地图上显示的潜在土地面积不符，从而导致密度值过高（局部超过 2,500 头牛/平方公里）。
畜牧物种之间的统一分配：代表潜在畜牧生产用地的中间层被统一应用为所有建模的畜牧物种的输入。当前模型并未考虑不同牲畜管理系统（奶牛、母牛-犊牛、育肥系统）的复杂性或独特的物种特定行为，例如山羊主要作为浏览者。
高密度区域的低估和不可靠的预测区间：所选的机器学习模型难以预测牲畜密度非常高的区域，可能会低估牲畜密集热点。预测区间比其名义上的 95% 水平窄得多，低估了真实的不确定性。尽管标记为 95% 区间，但预测区间覆盖概率 (PICP) 却只有 30-45%，这意味着留出的普查多边形观测结果只有大约 30-45% 的时间落在预测区间内。在未进行独立重新校准的情况下，不应将这些区间用作风险阈值、超出概率或下游误差传播的概率界限。
时间覆盖范围与经过验证的动态：各层的时间范围为 2000 年至 2022 年（每年），但没有时间留出验证。大部分年际信号来自 FAOSTAT 国家总数和每年变化的地表覆盖输入，而每像素密度模型则主要依赖于静态和长期协变量；一些社会经济输入保持不变并向前推进（例如，人类发展指数到 2015 年，夜间灯光到约 2020 年）。谨慎解读短期（年度）变化。
中断的 Goode Homolosine 投影注意事项：为确保精确的空间对齐并最大限度地减少失真，所有建模均在等面积坐标系中进行，具体而言，即中断的 Goode Homolosine 投影（用于 Zenodo 中的所有图层）。在 GEE 提取之前，该数据集已转换为 EPSG:4326 坐标系。由于原始人口密度数据表示每平方公里的人口绝对值，因此我们采用了一种空间重新分配方法来校正投影引起的失真（请参阅 GitHub）。此调整可保持总国家级值与 FAOSTAT 统计数据的一致性，但可能会略微改变国家/地区边界内的人口本地分配。
如需了解详情，请参阅 Parente 等人，2026 年、Zenodo 和 Global Pasture Watch GitHub 网站
频段
波段
像素大小：1,000 米（所有波段）
| 名称 | 最小值 | 最大值 | 像素大小 | 说明 |
|---|---|---|---|---|
cattle |
0* | 160* | 1000 米 | 每平方公里可用于畜牧生产的土地面积所能容纳的牛头数 |
buffalo |
0* | 160* | 1000 米 | 每平方公里可用于畜牧生产的土地面积对应的水牛数量 |
horse |
0* | 10* | 1000 米 | 每平方公里可用于畜牧生产的土地面积所能容纳的马匹数量 |
goat |
0* | 160* | 1000 米 | 每平方公里可用于畜牧生产的土地面积对应的山羊数量 |
sheep |
0* | 160* | 1000 米 | 每平方公里可用于畜牧生产的土地面积对应的羊数量 |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| 版本 | INT | 产品版本 |
使用条款
使用条款
引用
Parente, L.、Ehrmann, S.、Hengl, T.、Fritz, S.、Bonannella, C. 等人（2026 年）。Global Pasture Watch - Annual livestock headcount layers for livestock, goats, sheep, horses, and buffaloes at 1-km 2000–2022 (FAOSTAT-adjusted) (Version v1) [Data set]. Zenodo. doi:https://doi.org/10.5281/zenodo.20396303
Parente, L.、Ehrmann, S.、Hengl, T.、Fritz, S.、Bonannella, C. 等人（2026 年）。 2000 年至 2022 年期间，牲畜、马、山羊、绵羊和水牛的全球分布情况（分辨率为 1 公里），基于次国家级人口普查数据和时空机器学习。PeerJ. doi: 10.7717/peerj.21494
DOI
通过 Earth Engine 探索
代码编辑器 (JavaScript)
Map.setCenter(0, 0, 3); var sld160 = '<RasterSymbolizer>' + ' <ColorMap type="ramp">' + ' <ColorMapEntry color="#a9a9a9" quantity="0" label="0"/>' + ' <ColorMapEntry color="#ffffd4" quantity="1" label="1"/>' + ' <ColorMapEntry color="#ffe5a3" quantity="12" label="12"/>' + ' <ColorMapEntry color="#fec168" quantity="24" label="24"/>' + ' <ColorMapEntry color="#fe9828" quantity="48" label="48"/>' + ' <ColorMapEntry color="#f1851f" quantity="64" label="64"/>' + ' <ColorMapEntry color="#e57116" quantity="72" label="72"/>' + ' <ColorMapEntry color="#d95f0d" quantity="84" label="84"/>' + ' <ColorMapEntry color="#ce570c" quantity="96" label="96"/>' + ' <ColorMapEntry color="#c4500a" quantity="112" label="112"/>' + ' <ColorMapEntry color="#b94909" quantity="124" label="124"/>' + ' <ColorMapEntry color="#ae4207" quantity="136" label="136"/>' + ' <ColorMapEntry color="#a43b05" quantity="148" label="148"/>' + ' <ColorMapEntry color="#993404" quantity="160" label="160"/>' + ' </ColorMap>' + '</RasterSymbolizer>' var sld10 = '<RasterSymbolizer>' + ' <ColorMap type="ramp">' + ' <ColorMapEntry color="#a9a9a9" quantity="0" label="0"/>' + ' <ColorMapEntry color="#ffffd4" quantity="1" label="1"/>' + ' <ColorMapEntry color="#ffefb5" quantity="2" label="2"/>' + ' <ColorMapEntry color="#ffde96" quantity="3" label="2"/>' + ' <ColorMapEntry color="#fec46c" quantity="4" label="4"/>' + ' <ColorMapEntry color="#fea73f" quantity="5" label="5"/>' + ' <ColorMapEntry color="#f68c23" quantity="6" label="6"/>' + ' <ColorMapEntry color="#e67217" quantity="7" label="7"/>' + ' <ColorMapEntry color="#d25a0c" quantity="8" label="8"/>' + ' <ColorMapEntry color="#b64708" quantity="9" label="9"/>' + ' <ColorMapEntry color="#993404" quantity="10" label="10"/>' + ' </ColorMap>' + '</RasterSymbolizer>' var gld = ee.ImageCollection( "projects/global-pasture-watch/assets/gld-1km/v1/livestock-headcount-faostat_m" ) var gld_2000 = gld.filterDate('2000-01-01', '2001-01-01').first(); var gld_2022 = gld.filterDate('2022-01-01', '2023-01-01').first(); Map.addLayer(gld_2000.select('buffalo').sldStyle(sld160), {}, 'Buffalo headcount (2000)', false); Map.addLayer(gld_2022.select('buffalo').sldStyle(sld160), {}, 'Buffalo headcount (2022)'); Map.addLayer(gld_2000.select('horse').sldStyle(sld10), {}, 'Horse headcount (2000)', false); Map.addLayer(gld_2022.select('horse').sldStyle(sld10), {}, 'Horse headcount (2022)'); Map.addLayer(gld_2000.select('goat').sldStyle(sld160), {}, 'Goat headcount (2000)', false); Map.addLayer(gld_2022.select('goat').sldStyle(sld160), {}, 'Goat headcount (2022)'); Map.addLayer(gld_2000.select('sheep').sldStyle(sld160), {}, 'Sheep headcount (2000)', false); Map.addLayer(gld_2022.select('sheep').sldStyle(sld160), {}, 'Sheep headcount (2022)'); Map.addLayer(gld_2000.select('cattle').sldStyle(sld160), {}, 'Cattle headcount (2000)', false); Map.addLayer(gld_2022.select('cattle').sldStyle(sld160), {}, 'Cattle headcount (2022)');