- Disponibilità set di dati
- 2019-01-01T00:00:00Z–2019-12-31T00:00:00Z
- Produttore di dati del set di dati
- Biopama programme
- Tag
Descrizione
Il set di dati è una mappa globale di piantagioni di palma da olio industriali e di piccoli proprietari con risoluzione di 10 m per il 2019. Copre le aree in cui sono state rilevate piantagioni di palma da olio. Le immagini classificate sono l'output di una rete neurale convoluzionale basata su compositi semestrali di Sentinel-1 e Sentinel-2.
Per ulteriori informazioni, consulta l'articolo.
Bande
Bande
Dimensioni pixel: 10 metri (tutte le bande)
| Nome | Dimensioni dei pixel | Descrizione |
|---|---|---|
classification |
10 metri | Descrizione della classe di palma da olio |
Tabella delle classi di classificazione
| Valore | Colore | Descrizione |
|---|---|---|
| 1 | #ff0000 | Piantagioni di palma da olio industriali con chioma chiusa |
| 2 | #ef00ff | Piantagioni di palma da olio di piccoli proprietari con chioma chiusa |
| 3 | #696969 | Altre coperture e/o usi del suolo che non sono palme da olio con chioma chiusa. |
Termini e condizioni d'uso
Termini e condizioni d'uso
Citazioni
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
DOI
Esplora con Earth Engine
Editor di codice (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