- Phạm vi cung cấp tập dữ liệu
- 2019-01-01T00:00:00Z–2019-12-31T00:00:00Z
- Nhà sản xuất tập dữ liệu
- Chương trình Biopama
- Thẻ
Mô tả
Tập dữ liệu này là bản đồ dầu cọ quy mô công nghiệp và quy mô nhỏ trên toàn cầu ở độ phân giải 10 mét cho năm 2019. Bản đồ này bao gồm những khu vực phát hiện thấy đồn điền cọ dầu. Hình ảnh được phân loại là kết quả của một mạng nơron tích chập dựa trên các thành phần tổng hợp nửa năm của Sentinel-1 và Sentinel-2.
Hãy xem bài viết để biết thêm thông tin.
Băng tần
Băng tần
Kích thước pixel: 10 mét (tất cả các dải)
| Tên | Kích thước pixel | Mô tả |
|---|---|---|
classification |
10 mét | Nội dung mô tả về lớp Cọ dầu |
Bảng phân loại
| Giá trị | Màu | Mô tả |
|---|---|---|
| 1 | #ff0000 | Đồn điền trồng cọ dầu có tán khép kín trong công nghiệp |
| 2 | #ef00ff | Đồn điền cọ dầu có tán cây khép kín của nông hộ nhỏ |
| 3 | #696969 | Các loại hình sử dụng và/hoặc lớp phủ đất khác không phải là rừng cọ dầu có tán khép kín. |
Điều khoản sử dụng
Điều khoản sử dụng
Trích dẫn
Adrià, D., Serge, W., Erik, M., David, G., Stephen, P., & Zoltan, S. (2021). Bản đồ dầu cọ quy mô nhỏ và công nghiệp toàn cầu có độ phân giải cao cho năm 2019 (Phiên bản v1) [Tập dữ liệu]. Zenodo. doi:10.5281/zenodo.4473715
DOI
Khám phá bằng Earth Engine
Trình soạn thảo mã (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