- 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 palma aceitera industrial y de pequeños agricultores de 10 m para 2019. Abarca áreas en las que se detectaron plantaciones de palma aceitera. Las imágenes clasificadas son el resultado de una red neuronal convolucional basada en compuestos semestrales de Sentinel-1 y Sentinel-2.
Consulta el artículo para obtener más información.
Bandas
Bandas
Tamaño de píxel: 10 metros (todas las bandas)
| Nombre | Tamaño de los píxeles | Descripción |
|---|---|---|
classification |
10 metros | Descripción de la clase de palma aceitera |
Tabla de clases de clasificación
| Valor | Color | Descripción |
|---|---|---|
| 1 | #ff0000 | Plantaciones industriales de palma aceitera de dosel cerrado |
| 2 | #ef00ff | Plantaciones de palma aceitera de dosel cerrado de pequeños agricultores |
| 3 | #696969 | Otras coberturas o usos del suelo que no son de palma aceitera de dosel cerrado. |
Condiciones de Uso
Condiciones de Uso
Citas
Adrià, D., Serge, W., Erik, M., David, G., Stephen, P., y 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
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