- دردسترس بودن مجموعه داده
- 1990-01-01T00:00:00Z–2021-12-31T23:59:59Z
- تولیدکننده مجموعه داده
- Biopama Programme
- برچسب‌ها
شرح
گستره جهانی نخل روغنی برای سال‌های ۲۰۱۶ تا ۲۰۲۱ با وضوح ۱۰ متر و سال کاشت نخل روغنی از ۱۹۹۰ تا ۲۰۲۱ با وضوح ۳۰ متر. این مجموعه داده شامل ۶۰۹ کاشی شبکه‌ای ۱۰۰×۱۰۰ کیلومتری است که مناطق گرمسیری و نیمه‌گرمسیری کشت نخل روغنی در سراسر جهان را پوشش می‌دهد و ۲۳٫۹۸ میلیون هکتار نخل روغنی با تاج‌پوش بسته (۱۶٫۶۹ میلیون هکتار [۶۹٫۶٪] صنعتی و ۷٫۲۹ میلیون هکتار [۳۰٫۴٪] خرده‌مالک) را نقشه‌برداری می‌کند، با برآورد مساحت مبتنی بر نمونه ۱۶٫۸۲ ± ۰٫۱۹ میلیون هکتار صنعتی و ۷٫۳۷ ± ۰٫۲۵ میلیون هکتار خرده‌مالک. توجه داشته باشید که اگرچه محدوده زمانی کاتالوگ سال‌های ۱۹۹۰ تا ۲۰۲۱ را دربرمی‌گیرد تا محدوده سال کاشت را نشان دهد، این مجموعه یک موزاییک ایستا است نه یک سری زمانی چندزمانی.
روش‌شناسی
- Oil Palm Extent (
classification, 10 m): Annual closed-canopo oil palm maps for 2016-2021 were generated from Sentinel-1 C-band SAR GRD dual-polarization (VV and VH) annual composites using a DeepLabv3+ (MobileNetV2 backbone) convolutional neural network (CNN) trained on 296 10x10 km regions. صحنه‌های روزانه Sentinel-1 برای زاویه برخورد محلی بااستفاده از SRTM v4 DEM اصلاح شدند، به‌صورت جداگانه برای مدارهای صعودی و نزولی در ترکیب‌های میانه سالانه جمع‌آوری شدند، و در هر دو مدار میانگین‌گیری شدند تا از مصنوعات زمینی در زمانی که یک مدار گذر بیشتری داشت جلوگیری شود. برخلاف نسخه ۱ (۲۰۱۹)، بازتاب قرمز Sentinel-2 (باند ۴) مستثنی شد زیرا پوشش سیستماتیک Sentinel-2 Level-2A از مناطق نخل روغنی قبل‌از ۲۰۱۹ دردسترس نبود؛ برای استفاده مجدد از معماری ۳ کاناله DeepLabv3+ از نسخه ۱، ترکیب‌های VV و VH با کانال سوم پرشده با صفر پشته‌بندی شدند. - برای کاهش موارد مثبت کاذب (مانند مزارع نارگیل و شالیزارها)، زمین‌های زراعی هم‌پوشان، مناطق ساخته‌شده، پهنه‌های آبی، تالاب‌های علفی، و کلاس‌های حرا از ESA WorldCover 10 m v200 ماسک‌گذاری شدند و سپس غربالگری دیداری دستی انجام شد. در پس‌پردازش، ۸۲ سلول از شبکه ۱۰۰×۱۰۰ کیلومتری از مجموعه داده نسخه ۱ سال ۲۰۱۹ کنار گذاشته شد (بیشتر مناطق نارگیل مثبت کاذب در مکزیک، هند، فیلیپین، و اندونزی) درحالی‌که سلول‌های شبکه کانون جدید (آندرا پرادش در هند، حوضه کنگو، تایلند، و آمریکای مرکزی/جنوبی) برای رسیدن به ۶۰۹ کاشی اضافه شد.
- شش نقشه سالانه (۲۰۱۶-۲۰۲۱) در یک لایه ثابت واحد ادغام شدند که اولویت را به حضور نخل روغنی می‌دهد: اگر پیکسلی در هر سالی بین ۲۰۱۶ تا ۲۰۲۱ به‌عنوان صنعتی طبقه‌بندی شده باشد، برچسب صنعتی (
1) می‌گیرد؛ درغیراین‌صورت، اگر در هر سالی بین ۲۰۱۶ تا ۲۰۲۱ به‌عنوان خرده‌مالک طبقه‌بندی شده باشد، برچسب خرده‌مالک (2) می‌گیرد؛ و درغیراین‌صورت، برچسب پوشش زمین دیگر (0) می‌گیرد. - سال کاشت (
planting_year، ۳۰ متر): برای همه پیکسل‌های نگاشت‌شده به‌عنوان نخل روغنی (1یا2) بااستفاده از سری زمانی بازتاب سطحی سطح ۲ ردیف ۱ مجموعه ۲ Landsat-5، Landsat-7، و Landsat-8 با وضوح ۳۰ متر از سال ۱۹۹۰ تا ۲۰۲۱ مشتق شده است. یک طبقه‌بندی‌کننده «جنگل تصادفی» هر مشاهده واضح Landsat را به‌عنوان پوشش گیاهی، زمین بایر، یا ابر برچسب‌گذاری کرد تا «آخرین تاریخ آماده‌سازی زمین» (LDLP) را شناسایی کند—آخرین مشاهده زمین بایر مربوط به پاک‌سازی زمین قبل‌از بسته شدن تاج‌پوشه—که با فیلتر حالت فضایی هموار شده است. سال کاشت به‌عنوان سال تقویمی با حداقل(NIR - SWIR2) / (NIR + SWIR2)در پنجره ۵ ساله قبل‌از LDLP تعریف می‌شود (در مقاله به‌عنوان «شاخص آب تفاوت نرمال‌شده»،NDWI (Gao, 1996)، نامیده می‌شود، اگرچه باSWIR2مانند Landsat-8 Bands 5 و 7 محاسبه می‌شود که فرمول استاندارد «نسبت سوختگی نرمال‌شده» [NBR] است و در شرح باند GeoTIFF منبعminNBRنامیده می‌شود). در باندplanting_year، مقادیر از1989تا2022(به‌جای1990تا2021) را دربرمی‌گیرد: چون الگوریتم تا ۵ سال قبل‌از LDLP را بررسی می‌کند، مزارع ایجادشده قبل‌از ۱۹۹۰ (به یادداشت زیر در محدودیت‌های مربوط به سانسور چپ مراجعه کنید) به‌عنوان1989ثبت می‌شوند (~۷٫۵٪ از پیکسل‌های نخل روغنی در سطح جهان، تنها مقدار پرتکرار در مجموعه داده)، و کسر کوچکی از پیکسل‌ها (~۰٫۰۴٪) مقدار2022دارند.
محدودیت‌ها
- تأخیر در تشخیص سایبان بسته و حذف ۲۰۲۱-۲۰۱۹: Sentinel-1 SAR
نخل روغنی را تنها پس‌از اینکه درختان به پوشش کامل سایبان می‌رسند (معمولاً حدود ۳ سال پس‌از کاشت) به‌طور قابل‌اعتماد تشخیص می‌دهد. درنتیجه، مزارع جوان تازه تأسیس‌شده که درطول سال‌های ۲۰۱۹ تا ۲۰۲۱ کاشته شده‌اند تا حد زیادی از لایه گستره حذف شده‌اند. پیکسل‌های دارای
planting_yearدر سال‌های ۲۰۲۱-۲۰۱۹ عمدتاً نشان‌دهنده کاشت مجدد (تناوب) مزارع قدیمی‌تر هستند که قبلاً در سال‌های ۲۰۱۸-۲۰۱۶ پیش‌از قطع کامل درختان، سایبان بسته داشتند و نباید برای اندازه‌گیری گسترش جدید نخل روغنی یا جنگل‌زدایی بین سال‌های ۲۰۱۹ و ۲۰۲۱ استفاده شوند. - آخرین چرخه درمقابل استقرار اولیه و سانسور چپ ۱۹۸۹:
چون الگوریتم آخرین رویداد پاک‌سازی زمین بایر را قبل‌از
۲۰۲۱ شناسایی می‌کند،
planting_yearسال استقرار جایگاه فعلی را از ۲۰۲۱ ثبت می‌کند. در مزارعی که تحت تناوب کشت قرار گرفته‌اند (معمولاً هر ۲۵ سال)، این تاریخ نشان‌دهنده جدیدترین سال کاشت مجدد است، نه تبدیل اولیه به نخل روغنی. علاوه‌براین،planting_yearدر1989سانسور چپ شده است؛ یعنی پیکسل‌های دارایplanting_year == 1989(حدود ۷٫۵٪ از پیکسل‌های نخل روغنی در سطح جهان) نشان‌دهنده مزارعی هستند که در سال ۱۹۸۹ یا قبل‌از آن ایجاد شده‌اند و نباید هنگام محاسبه سن مزرعه، به‌معنای واقعی کلمه به‌عنوان کاشته‌شده در سال ۱۹۸۹ درنظر گرفته شوند. - تبدیل کاربری زمین پس‌از پاک‌سازی: چون قانون ادغام ۲۰۱۶-۲۰۲۱ هر پیکسل شناسایی‌شده به‌عنوان نخل روغنی را حداقل در یک سال حفظ می‌کند، مزارعی که بین ۲۰۱۶ و ۲۰۲۱ پاک‌تراشی شده‌اند و متعاقباً به کاربری زمین دیگری تبدیل شده‌اند همچنان به‌عنوان نخل روغنی طبقه‌بندی می‌شوند.
- حذف نخل روغنی با تاج‌پوش باز و نیمه‌وحشی: CNN فقط انبوهه‌های با تاج‌پوش بسته را نقشه‌برداری می‌کند و تا حد زیادی نخلستان‌های روغنی نیمه‌وحشی سنتی، پراکنده، یا معیشتی (به‌ویژه در غرب آفریقا، مانند نیجریه) و همچنین انبوهه‌های با تاج‌پوش باز ناشی از آتش‌سوزی، سیل، بیماری، یا کشت مخلوط دارکشت‌ورزی را حذف می‌کند.
- دقت پایین‌تر در مزارع خرده‌مالکان: در تمام ۶٬۸۴۳ مشاهده سال کاشت واقعیت عینی، RMSE کلی سال کاشت ۲٫۶۵ سال است (میانگین خطا = -۰٫۲۴ سال، R^2 = ۰٫۸۶). درمقابل تفسیر بصری سری زمانی Landsat (n = ۸۴۱ نقطه)، توافق سال دقیق Random Forest LDLP درمجموع فقط ۵۹٫۶٪ بود (۶۴٫۸٪ صنعتی، ۴۴٫۰٪ خرده‌مالک؛ ۷۶٫۳٪ در ±۳ سال). کشتزارهای خرده‌مالکان دقت طبقه‌بندی پایین‌تر (دقت تولیدکننده ۷۱٫۷٪، دقت کاربر ۷۲٫۴٪) و خطای سال کاشت بالاتری (RMSE = ۴٫۸۹ سال، که در کامرون به ۷٫۰۱ سال می‌رسد) نسبت‌به کشتزارهای صنعتی (دقت تولیدکننده ۹۱٫۰٪، دقت کاربر ۹۱٫۸٪، RMSE سال کاشت = ۲٫۰۲ سال) دارند. دقت سال کاشت خرده‌مالکان به‌دلیل پیکسل‌های مختلط ۳۰ متری در امتداد مرزهای نامنظم قطعه زمین، کاشت متوالی چندساله، و «کاشت زیرین» (کاشت نهال زیر نخل‌های قدیمی قبل‌از قطع کردن آن‌ها، که از مرحله خاک برهنه جلوگیری می‌کند) کاهش می‌یابد.
- پوشش جغرافیایی محدود اعتبارسنجی میدانی: اعتبارسنجی میدانی
planting_yearپوشش جغرافیایی محدودی داشت: فقط ۳ کشور برای کشت صنعتی (اندونزی، برزیل، گابن) و ۲ کشور برای خرده‌مالکان (اندونزی و کامرون، ۹۳٫۵٪ توسط یک شرکت ازطریق مصاحبه با مالکان جمع‌آوری شده است، که این مصاحبه‌ها نیز درمعرض خطای یادآوری مالک درباره مزارع قدیمی‌تر هستند)، بدون اعتبارسنجی میدانی در تایلند، مالزی، هند، یا دیگر مناطق تولیدکننده. - عدم تطابق وضوح و جابه‌جایی شبکه بین باندها: چون
classificationدر ۱۰ متر وplanting_yearدر ۳۰ متر است (با ۲۰ متر جابه‌جایی مبدأ لبه غربی بین شبکه‌های GeoTIFF منبع)، حدود ۵٪ از پیکسل‌های ۱۰ متری نخل روغنی در امتداد لبه‌های مزارع فاقد مقدارplanting_yearهستند، و پیکسل‌های ۳۰ متریplanting_yearدر امتداد مرزها می‌توانند به پیکسل‌های ۱۰ متری مجاور غیرنخل روغنی (0) سرریز کنند. - مصنوعات منطقه‌ای ناشی از ابرها و فصلی بودن: پوشش ابری مداوم
و پوشش پراکنده بایگانی Landsat قبل‌از ۲۰۱۳ در آفریقای استوایی و غربی
(مثلاً کامرون، گابن، حوضه کنگو) عدم قطعیت سال کاشت را افزایش می‌دهد.
در مناطقی که فصل‌های خشک شدیدی دارند (به‌ویژه آندرا پرادش در هند،
تایلند، و سولاوسی در اندونزی)، کاهش فصلی NDWI می‌تواند باعث
تشخیص نادرست زمین‌های بایر شود و
planting_yearرا به‌سمت سال‌های بسیار اخیر متمایل کند.
باند
باند
اندازه پیکسل: متفاوت است
| نام | دقیقه | Max | اندازه پیکسل | شرح |
|---|---|---|---|---|
classification |
۱۰ متر | طبقه‌بندی نوع کشت نخل روغنی |
||
planting_year |
1989 | ۲۰۲۲ | ۳۰ متر | سال تخمینی ایجاد کشتزار |
classification Class Table
| مقدار | رنگ | شرح |
|---|---|---|
| 0 | #696969 | سایر پوشش‌های زمینی که نخل روغنی نیستند |
| 1 | #ff0000 | مزارع صنعتی نخل روغنی با تاج‌پوشه بسته |
| 2 | #ef00ff | مزارع کوچک نخل روغنی با سایبان بسته |
شرایط استفاده
شرایط استفاده
نقل‌قول‌ها
نقل‌قول‌ها:
Descals, A., Gaveau, D. چپ، Wich, S., Szantoi, Z., and Meijaard, E. (2024). نقشه‌برداری جهانی از سال کاشت نخل روغنی از ۱۹۹۰ تا ۲۰۲۱. Earth System Science Data, 16(11), 5111-5129. doi:10.5194/essd-16-5111-2024
شناسه دیجیتال شیء
کاوش با Earth Engine
ویرایشگر کد (جاوا اسکریپت)
var dataset = ee.ImageCollection('BIOPAMA/GlobalOilPalm/v1_2'); // Band 1: Oil palm plantation type classification (10 m resolution) // 0: Other land covers that are not oil palm // 1: Industrial closed-canopy oil palm plantations // 2: Smallholder closed-canopy oil palm plantations var classification = dataset.select('classification').mosaic(); var classificationVis = { min: 0.0, max: 2.0, palette: ['696969', 'ff0000', 'ef00ff'], }; // Create a mask to add transparency to non-oil palm plantation class pixels. var mask = classification.neq(0); mask = mask.where(mask.eq(0), 0.6); // Band 2: Year of plantation establishment (1989-2022, 30 m resolution) var plantingYear = dataset.select('planting_year').mosaic(); var yearVis = { min: 1989.0, max: 2022.0, palette: ['ffffb2', 'fecc5c', 'fd8d3c', 'f03b20', 'bd0026'], }; Map.setCenter(101.7, 3.1, 10); Map.addLayer( classification.updateMask(mask), classificationVis, 'Oil Palm Classification'); Map.addLayer(plantingYear, yearVis, 'Planting Year (1989-2022)', false);