Published February 10, 2024
| Version v1
Publication
Open
A 10-m annual grazing intensity dataset in 2015–2021 for the largest temperate meadow steppe in China
Creators
- 1. China Agricultural University
- 2. University of Illinois Urbana-Champaign
- 3. Mongolian Academy of Sciences
- 4. University of Oklahoma
- 5. Institute of Agricultural Resources and Regional Planning
- 6. Chinese Academy of Agricultural Sciences
Description
Mapping grazing intensity (GI) using satellites is crucial for developing adaptive utilization strategies according to grassland conditions. Here we developed a monitoring framework based on a paired sampling strategy and the classification probability of random forest algorithm to produce annual grazing probability (GP) and GI maps at 10-m spatial resolution from 2015 to 2021 for the largest temperate meadow in China (Hulun Buir grasslands), by harmonized Landsat 7/8 and Sentinel-2 images. The GP maps used values of 0-1 to present detailed grazing gradient information. To match widely used grazing gradients, annual GI maps with ungrazed, moderately grazed, and heavily grazed levels were generated from the GP dataset with a decision tree. The GI maps for 2015-2021 had an overall accuracy of more than 0.97 having significant correlations with the statistical data at city (r = 0.51) and county (r = 0.75) scales. They also effectively captured the GI gradients at site scale (r = 0.94). Our study proposed a monitoring approach and presented annual 10-m grazing information maps for sustainable grassland management.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يعد رسم خرائط كثافة الرعي باستخدام الأقمار الصناعية أمرًا بالغ الأهمية لتطوير استراتيجيات الاستخدام التكيفي وفقًا لظروف الأراضي العشبية. هنا قمنا بتطوير إطار مراقبة يعتمد على استراتيجية أخذ العينات المزدوجة واحتمال تصنيف خوارزمية الغابات العشوائية لإنتاج احتمالية الرعي السنوية (GP) وخرائط المؤشر الجغرافي بدقة مكانية 10 أمتار من 2015 إلى 2021 لأكبر مرج معتدل في الصين (مراعي هولون بوير)، من خلال صور لاندسات 7/8 و سنتينل-2 المنسقة. استخدمت خرائط الطبيب العام قيم 0-1 لتقديم معلومات مفصلة عن تدرج الرعي. لمطابقة تدرجات الرعي المستخدمة على نطاق واسع، تم إنشاء خرائط المؤشر الجغرافي السنوية مع مستويات الرعي غير المرعى والرعي المعتدل والرعي الكثيف من مجموعة بيانات الممارس العام مع شجرة القرار. كانت خرائط المؤشر الجغرافي للفترة 2015-2021 دقيقة بشكل عام لأكثر من 0.97 لها ارتباطات كبيرة مع البيانات الإحصائية على مقاييس المدينة (r = 0.51) والمقاطعة (r = 0.75). كما أنها التقطت بشكل فعال تدرجات المؤشر الجلايسيمي على نطاق الموقع (ص = 0.94). اقترحت دراستنا نهجًا للرصد وقدمت خرائط سنوية لمعلومات الرعي لمسافة 10 أمتار للإدارة المستدامة للأراضي العشبية.Translated Description (French)
La cartographie de l'intensité du pâturage (IG) à l'aide de satellites est cruciale pour développer des stratégies d'utilisation adaptative en fonction des conditions des prairies. Nous avons développé ici un cadre de suivi basé sur une stratégie d'échantillonnage apparié et la probabilité de classification de l'algorithme de forêt aléatoire pour produire des cartes annuelles de probabilité de pâturage (GP) et de GI à une résolution spatiale de 10 m de 2015 à 2021 pour la plus grande prairie tempérée de Chine (prairies de Hulun Buir), par des images Landsat 7/8 et Sentinel-2 harmonisées. Les cartes GP ont utilisé des valeurs de 0-1 pour présenter des informations détaillées sur le gradient de pâturage. Pour faire correspondre les gradients de pâturage largement utilisés, des cartes GI annuelles avec des niveaux non pâturés, modérément pâturés et fortement pâturés ont été générées à partir de l'ensemble de données GP avec un arbre de décision. Les cartes GI pour 2015-2021 avaient une précision globale de plus de 0,97 ayant des corrélations significatives avec les données statistiques aux échelles de la ville (r = 0,51) et du comté (r = 0,75). Ils ont également capturé efficacement les gradients GI à l'échelle du site (r = 0,94). Notre étude a proposé une approche de suivi et présenté des cartes annuelles d'information sur le pâturage de 10 mètres pour la gestion durable des prairies.Translated Description (Spanish)
El mapeo de la intensidad del pastoreo (IG) mediante satélites es crucial para desarrollar estrategias de utilización adaptativa de acuerdo con las condiciones de los pastizales. Aquí desarrollamos un marco de monitoreo basado en una estrategia de muestreo emparejada y la probabilidad de clasificación del algoritmo de bosque aleatorio para producir mapas anuales de probabilidad de pastoreo (GP) e IG a una resolución espacial de 10 m de 2015 a 2021 para el prado templado más grande de China (pastizales de Hulun Buir), mediante imágenes armonizadas de Landsat 7/8 y Sentinel-2. Los mapas de GP utilizaron valores de 0-1 para presentar información detallada del gradiente de pastoreo. Para hacer coincidir los gradientes de pastoreo ampliamente utilizados, se generaron mapas anuales de IG con niveles sin pastoreo, moderadamente pastoreados y muy pastoreados a partir del conjunto de datos de GP con un árbol de decisiones. Los mapas de IG para 2015-2021 tuvieron una precisión general de más de 0,97 con correlaciones significativas con los datos estadísticos en las escalas de ciudad (r = 0,51) y condado (r = 0,75). También capturaron de manera efectiva los gradientes GI a escala del sitio (r = 0.94). Nuestro estudio propuso un enfoque de monitoreo y presentó mapas anuales de información de pastoreo de 10 m para el manejo sostenible de los pastizales.Files
s41597-024-03017-5.pdf.pdf
Files
(4.7 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:bed9ab5e4e9ee67b699f8c835f239730
|
4.7 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مجموعة بيانات كثافة الرعي السنوية 10 أمتار في 2015–2021 لأكبر سهوب المروج المعتدلة في الصين
- Translated title (French)
- Un ensemble de données sur l'intensité du pâturage annuel de 10 m en 2015–2021 pour la plus grande steppe de prairie tempérée de Chine
- Translated title (Spanish)
- Un conjunto de datos de intensidad de pastoreo anual de 10 m en 2015–2021 para la estepa de pradera templada más grande de China
Identifiers
- Other
- https://openalex.org/W4391722214
- DOI
- 10.1038/s41597-024-03017-5
References
- https://openalex.org/W1553316618
- https://openalex.org/W1976950254
- https://openalex.org/W2024339093
- https://openalex.org/W2025803711
- https://openalex.org/W2054284355
- https://openalex.org/W2058723831
- https://openalex.org/W2063623478
- https://openalex.org/W2077269948
- https://openalex.org/W2081496931
- https://openalex.org/W2083583610
- https://openalex.org/W2132424470
- https://openalex.org/W2133540825
- https://openalex.org/W2146985523
- https://openalex.org/W2150760123
- https://openalex.org/W2152039022
- https://openalex.org/W2207919003
- https://openalex.org/W2216946510
- https://openalex.org/W2234018419
- https://openalex.org/W2265658348
- https://openalex.org/W2289402370
- https://openalex.org/W2509799521
- https://openalex.org/W2562763039
- https://openalex.org/W2596854488
- https://openalex.org/W2605847660
- https://openalex.org/W2621920382
- https://openalex.org/W2771818646
- https://openalex.org/W2791250743
- https://openalex.org/W2793648792
- https://openalex.org/W2799417842
- https://openalex.org/W2887300625
- https://openalex.org/W2887642813
- https://openalex.org/W2900217217
- https://openalex.org/W2983376237
- https://openalex.org/W2996984840
- https://openalex.org/W3000715334
- https://openalex.org/W3001731780
- https://openalex.org/W3006962608
- https://openalex.org/W3021904507
- https://openalex.org/W3036106951
- https://openalex.org/W3038052368
- https://openalex.org/W3049574338
- https://openalex.org/W3093195510
- https://openalex.org/W3120545008
- https://openalex.org/W3173051634
- https://openalex.org/W3176604382
- https://openalex.org/W3185434679
- https://openalex.org/W3190435769
- https://openalex.org/W3196269641
- https://openalex.org/W3198537305
- https://openalex.org/W3208178606
- https://openalex.org/W4200570562
- https://openalex.org/W4213285232
- https://openalex.org/W4214761692
- https://openalex.org/W4224239136
- https://openalex.org/W4280563765
- https://openalex.org/W4283714967
- https://openalex.org/W4307009158
- https://openalex.org/W4310251770
- https://openalex.org/W4386001583
- https://openalex.org/W4386435186
- https://openalex.org/W4391722214
- https://openalex.org/W600580655