- Disponibilidad del conjunto de datos
- 2019-01-01T00:00:00Z–2019-12-31T00:00:00Z
- Proveedor del conjunto de datos
- Programa Biopama
- Etiquetas
Descripción
El conjunto de datos es un mapa global de aceite de palma industrial y de pequeños productores de 10 m para 2019. Abarca áreas en las que se detectaron plantaciones de aceite de palma. Las imágenes clasificadas son el resultado de una red neuronal convolucional basada en composiciones semestrales de Sentinel-1 y Sentinel-2.
Consulta el artículo para obtener información adicional.
Bandas
Bandas
Tamaño de los píxeles: 10 metros (todas las bandas)
| Nombre | Tamaño de los píxeles | Descripción |
|---|---|---|
classification |
10 metros | Descripción de la clase de aceite de palma |
Tabla de clases de clasificación
| Valor | Color | Descripción |
|---|---|---|
| 1 | #ff0000 | Plantaciones industriales de aceite de palma con dosel cerrado |
| 2 | #ef00ff | Plantaciones de aceite de palma de pequeños productores con dosel cerrado |
| 3 | #696969 | Otras coberturas o usos de la tierra que no son aceite de palma con dosel cerrado |
Condiciones de Uso
Condiciones de Uso
Citas
Adrià, D., Serge, W., Erik, M., David, G., Stephen, P., &Zoltan, S. (2021). High resolution global industrial and smallholder oil palm map for 2019 (Version v1) [Data set]. Zenodo. doi:10.5281/zenodo.4473715
DOIs
Explora con Earth Engine
Editor de código (JavaScript)
// Import the dataset; a collection of composite granules from 2019. var dataset = ee.ImageCollection('BIOPAMA/GlobalOilPalm/v1'); // Select the classification band. var opClass = dataset.select('classification'); // Mosaic all of the granules into a single image. var mosaic = opClass.mosaic(); // Define visualization parameters. var classificationVis = { min: 1, max: 3, palette: ['ff0000','ef00ff', '696969'] }; // Create a mask to add transparency to non-oil palm plantation class pixels. var mask = mosaic.neq(3); mask = mask.where(mask.eq(0), 0.6); // Display the data on the map. Map.addLayer(mosaic.updateMask(mask), classificationVis, 'Oil palm plantation type', true); Map.setCenter(-3.0175, 5.2745,12);
import ee import geemap.core as geemap
Colab (Python)
# Import the dataset a collection of composite granules from 2019. dataset = ee.ImageCollection('BIOPAMA/GlobalOilPalm/v1') # Select the classification band. op_class = dataset.select('classification') # Mosaic all of the granules into a single image. mosaic = op_class.mosaic() # Define visualization parameters. classification_vis = { 'min': 1, 'max': 3, 'palette': ['ff0000', 'ef00ff', '696969'], } # Create a mask to add transparency to non-oil palm plantation class pixels. mask = mosaic.neq(3) mask = mask.where(mask.eq(0), 0.6) # Display the data on the map. m = geemap.Map() m.add_layer( mosaic.updateMask(mask), classification_vis, 'Oil palm plantation type', True, ) m.set_center(-3.0175, 5.2745, 12) m