全球牲畜动态的长期、连续、空间化监测是理解粮食安全、公共健康、生态环境变化及可持续发展等问题的重要基础。过去几十年来，联合国粮农组织（Food and Agriculture Organization of the United Nations，简称FAO）等机构积累了丰富的畜牧统计数据，但目前仍缺乏兼具时空连续性的全球牲畜分布产品，限制了农业碳排放、畜牧业发展管理、气候变化响应及人畜共患病防控等研究的深入。

在此背景下，清华大学地球系统科学系俞乐副教授课题组基于FAOSTAT统计数据与机器学习，开发了全球八类主要牲畜（牛、水牛、马、绵羊、山羊、猪、鸡、鸭）的年度空间分布制图产品（Annual Gridded Livestock of the World，简称AGLW），通过集成多源环境、人类活动、气候和地形等要素，并利用FROM-GLC Plus土地覆盖数据作为适宜性掩膜，提升了全球牲畜分布制图的时空连续性和精细程度。

图1 全球年度网格化牲畜分布数据集（AGLW）

（以1961年、1981年、2001年和2021年的牲畜密度分布为例）

研究结果表明，AGLW在模型层面、统计层面与像元层面的相关系数（r）分别达到0.65–0.86、0.78–0.97与0.78–0.88，与现有的FAO GLW系列产品保持高度一致，且在时序完整性与空间细节上实现提升。该成果提供了全球范围内跨越六十年的年度牲畜空间分布连续序列，并附带各年各像元的不确定性图层，可为农业碳排放监测、全球畜牧业可持续发展、气候变化响应、人畜共患病传播研究等提供关键数据支撑。

上述研究成果以“1961–2021年全球年度网格化牲畜分布制图”（Annual global gridded livestock mapping from 1961 to 2021）为题，发表于期刊《地球系统科学数据》（Earth System Science Data）。大连理工大学信息与通信工程学院杜贞容副教授为论文第一作者，清华大学地球系统科学系俞乐副教授为论文通讯作者，合作者包括中国科学院空天信息创新研究院、联合国粮农组织、国际粮食政策研究所等多家国内外科研机构的研究人员。研究得到了国家重点研发计划、国家自然科学基金、辽宁省自然科学基金等项目支持。‬‬

全文链接：https://doi.org/10.5194/essd-17-5543-2025

数据链接：https://doi.org/10.5281/zenodo.17128483

供稿：杜贞容

编辑：王佳音

审核:耿睿