- Ketersediaan Set Data
- 1990-01-01T00:00:00Z–2021-12-31T23:59:59Z
- Produsen Set Data
- Biopama Programme
- Tag
Deskripsi
Luas kelapa sawit global untuk tahun 2016-2021 pada resolusi 10 m dan tahun penanaman kelapa sawit dari tahun 1990 hingga 2021 pada resolusi 30 m. Set data ini terdiri dari 609 ubin petak berukuran 100x100 km yang mencakup wilayah penanaman kelapa sawit tropis dan subtropis di seluruh dunia, yang memetakan 23,98 Mha kelapa sawit kanopi tertutup (16,69 Mha [69,6%] industri dan 7,29 Mha [30,4%] petani kecil), dengan perkiraan area berbasis sampel sebesar 16,82 ± 0,19 Mha industri dan 7,37 ± 0,25 Mha petani kecil. Perhatikan bahwa meskipun rentang waktu katalog mencakup tahun 1990-2021 untuk mencerminkan rentang tahun penanaman, koleksi ini adalah mosaik statis tunggal, bukan deret waktu multi-temporal.
Metodologi
- Oil Palm Extent (
classification, 10 m): Peta kelapa sawit tahunan dengan kanopi tertutup untuk tahun 2016-2021 dibuat dari komposit tahunan polarisasi ganda (VV dan VH) GRD SAR C-band Sentinel-1 menggunakan jaringan neural konvolusional (CNN) DeepLabv3+ (backbone MobileNetV2) yang dilatih di 296 wilayah berukuran 10x10 km. Scene Sentinel-1 harian dikoreksi untuk sudut insiden lokal menggunakan SRTM v4 DEM, digabungkan menjadi komposit median tahunan secara terpisah untuk orbit naik dan turun, dan dirata-rata di kedua orbit untuk menghindari artefak medan saat satu orbit memiliki lebih banyak lintasan. Tidak seperti v1 (2019), reflektansi merah Sentinel-2 (Band 4) dikecualikan karena cakupan Level-2A Sentinel-2 yang sistematis untuk wilayah kelapa sawit tidak tersedia sebelum tahun 2019; untuk menggunakan kembali arsitektur DeepLabv3+ 3 saluran dari v1, komposit VV dan VH ditumpuk dengan saluran ketiga yang diisi nol. - Untuk mengurangi positif palsu (seperti perkebunan kelapa dan sawah), kelas lahan pertanian, bangunan, badan air, lahan basah herba, dan mangrove yang tumpang tindih dari ESA WorldCover 10 m v200 disembunyikan, diikuti dengan penyaringan visual manual. Dalam pascapemrosesan, 82 dari 100x100 km sel petak dari set data v1 2019 dibuang (sebagian besar wilayah kelapa positif palsu di Meksiko, India, Filipina, dan Indonesia) sementara sel petak hotspot baru (Andhra Pradesh di India, Congo Basin, Thailand, dan Amerika Tengah/Selatan) ditambahkan untuk mencapai 609 petak.
- Keenam peta tahunan (2016-2021) digabungkan menjadi satu lapisan statis
yang memprioritaskan keberadaan kelapa sawit: piksel diberi label industri (
1) jika diklasifikasikan sebagai industri pada tahun mana pun selama 2016-2021; jika tidak, pekebun kecil (2) jika diklasifikasikan sebagai pekebun kecil pada tahun mana pun selama 2016-2021; dan tutupan lahan lainnya (0) jika tidak. - Tahun Penanaman (
planting_year, 30 m): Diperoleh untuk semua piksel yang dipetakan sebagai kelapa sawit (1atau2) menggunakan deret waktu reflektansi permukaan Landsat-5, Landsat-7, dan Landsat-8 Koleksi 2 Tingkat 1 Level-2 30 m dari tahun 1990 hingga 2021. Pengklasifikasi Random Forest melabeli setiap pengamatan Landsat yang jelas sebagai vegetasi, lahan gundul, atau awan untuk mengidentifikasi Tanggal Terakhir Penyiapan Lahan (LDLP)—pengamatan lahan gundul terakhir yang sesuai dengan pembukaan lahan sebelum penutupan kanopi—yang dihaluskan dengan filter mode spasial. Tahun penanaman didefinisikan sebagai tahun kalender dengan(NIR - SWIR2) / (NIR + SWIR2)minimum dalam periode 5 tahun sebelum LDLP (disebut sebagai Normalized Difference Water Index,NDWI (Gao, 1996), dalam makalah, meskipun dihitung denganSWIR2seperti Landsat-8 Band 5 dan 7, yang merupakan formula Normalized Burn Ratio [NBR] standar dan diberi namaminNBRdalam deskripsi band GeoTIFF sumber). Dalam bandplanting_year, nilai berkisar antara1989hingga2022(bukan1990hingga2021): karena algoritma melihat kembali hingga 5 tahun sebelum LDLP, perkebunan yang didirikan sebelum tahun 1990 (lihat catatan di bawah dalam batasan tentang penyensoran kiri) dicatat sebagai1989(~7,5% piksel kelapa sawit secara global, nilai tunggal yang paling sering muncul dalam set data), dan sebagian kecil piksel (~0,04%) memiliki nilai2022.
Batasan
- Keterlambatan deteksi kanopi tertutup dan kelalaian tahun 2019-2021: Sentinel-1 SAR
secara andal mendeteksi kelapa sawit hanya setelah tegakan mencapai penutupan kanopi penuh
(biasanya ~3 tahun setelah penanaman). Akibatnya, perkebunan muda yang baru didirikan dan ditanam selama tahun 2019-2021 sebagian besar dihilangkan dari lapisan luas. Piksel dengan
planting_yearpada tahun 2019-2021 terutama mewakili penanaman kembali (rotasi) perkebunan lama yang sudah memiliki kanopi tertutup selama tahun 2016-2018 sebelum ditebang habis, dan tidak boleh digunakan untuk mengukur perluasan kelapa sawit baru atau deforestasi antara tahun 2019 dan 2021. - Rotasi terakhir vs. pembentukan awal dan penyensoran kiri tahun 1989:
Karena algoritma mendeteksi peristiwa pembukaan lahan kosong terakhir sebelum
tahun 2021,
planting_yearmencatat tahun pembentukan tegakan saat ini per tahun 2021. Di perkebunan yang telah mengalami rotasi (biasanya setiap ~25 tahun), hal ini mencerminkan tahun penanaman kembali terbaru, bukan konversi awal menjadi kelapa sawit. Selain itu,planting_yeardisensor kiri pada1989; ini berarti piksel denganplanting_year == 1989(~7,5% piksel kelapa sawit secara global) mewakili perkebunan yang didirikan pada atau sebelum tahun 1989 dan tidak boleh dianggap benar-benar ditanam pada tahun 1989 saat menghitung usia perkebunan. - Konversi penggunaan lahan pasca-pembukaan: Karena aturan penggabungan 2016-2021 mempertahankan piksel yang terdeteksi sebagai kelapa sawit setidaknya dalam satu tahun, perkebunan yang ditebang habis antara tahun 2016 dan 2021 dan kemudian dikonversi ke penggunaan lahan yang berbeda tetap diklasifikasikan sebagai kelapa sawit.
- Penghilangan kelapa sawit semi-liar dan kanopi terbuka: CNN hanya memetakan tegakan kanopi tertutup dan sebagian besar menghilangkan kebun kelapa sawit semi-liar tradisional, tersebar, atau subsisten (terutama di Afrika Barat, seperti Nigeria) serta tegakan dengan kanopi terbuka yang disebabkan oleh kebakaran, banjir, penyakit, atau tumpang sari agroforestri.
- Akurasi yang lebih rendah di perkebunan rakyat: Di seluruh 6.843 pengamatan tahun tanam kebenaran nyata, RMSE tahun tanam secara keseluruhan adalah 2,65 tahun (Error Rata-Rata = -0,24 tahun, R^2 = 0,86). Dibandingkan dengan interpretasi visual deret waktu Landsat (n = 841 titik), kesesuaian tahun yang tepat dari LDLP hutan acak hanya 59,6% secara keseluruhan (64,8% industri, 44,0% petani kecil; 76,3% dalam ±3 tahun). Perkebunan petani kecil memiliki akurasi klasifikasi yang lebih rendah (akurasi produsen 71,7%, akurasi pengguna 72,4%) dan error tahun tanam yang lebih tinggi (RMSE = 4,89 tahun, mencapai 7,01 tahun di Kamerun) dibandingkan perkebunan industri (akurasi produsen 91,0%, akurasi pengguna 91,8%, RMSE tahun tanam = 2,02 tahun). Akurasi tahun penanaman pekebun kecil menurun karena piksel 30 m campuran di sepanjang batas petak yang tidak beraturan, penanaman berurutan multitahun, dan "penanaman di bawah" (menanam bibit di bawah pohon kelapa sawit tua sebelum ditebang, yang menghindari tahap tanah gundul).
- Cakupan geografis validasi lapangan yang sempit: Validasi lapangan
planting_yearmemiliki cakupan geografis yang sempit: hanya 3 negara untuk perkebunan industri (Brasil, Gabon, Indonesia) dan 2 negara untuk pekebun kecil (Kamerun dan Indonesia, 93,5% dikumpulkan oleh satu perusahaan melalui wawancara pemilik, yang juga rentan terhadap kesalahan ingatan pemilik pada tegakan yang lebih tua), tanpa validasi lapangan di Malaysia, Thailand, India, atau wilayah penghasil lainnya. - Ketidakcocokan resolusi dan offset petak antar-band: Karena
classificationberada pada 10 m danplanting_yearberada pada 30 m (dengan offset asal tepi Barat 20 m di antara petak GeoTIFF sumber), ~5% piksel kelapa sawit 10 m di sepanjang tepi perkebunan tidak memiliki nilaiplanting_year, dan pikselplanting_year30 m di sepanjang batas dapat meluas ke piksel non-kelapa sawit (0) 10 m yang berdekatan. - Artefak regional dari awan dan musiman: Tutupan awan yang persisten
dan cakupan arsip Landsat pra-2013 yang jarang di Afrika Barat dan Khatulistiwa
(misalnya, Kamerun, Gabon, Cekungan Kongo) meningkatkan ketidakpastian tahun penanaman.
Di wilayah dengan musim kemarau yang kuat (terutama Andhra Pradesh di India,
Thailand, dan Sulawesi di Indonesia), penurunan musiman pada NDWI dapat memicu
deteksi lahan gundul yang salah, sehingga membiaskan
planting_yearke tahun-tahun yang terlalu baru.
Band
Band
Ukuran piksel: bervariasi
| Nama | Min | Maks | Ukuran Piksel | Deskripsi |
|---|---|---|---|---|
classification |
10 meter | Klasifikasi jenis perkebunan kelapa sawit |
||
planting_year |
1989 | 2022 | 30 meter | Perkiraan tahun pendirian perkebunan |
Tabel Class Klasifikasi
| Nilai | Warna | Deskripsi |
|---|---|---|
| 0 | #696969 | Tutupan lahan lain yang bukan kelapa sawit |
| 1 | #ff0000 | Perkebunan kelapa sawit industri dengan kanopi tertutup |
| 2 | #ef00ff | Perkebunan kelapa sawit rakyat dengan kanopi tertutup |
Persyaratan Penggunaan
Persyaratan Penggunaan
Kutipan
Kutipan:
Descals, A., Gaveau, D. L., Wich, S., Szantoi, Z., dan Meijaard, E. (2024). Pemetaan global tahun penanaman kelapa sawit dari tahun 1990 hingga 2021. Earth System Science Data, 16(11), 5111-5129. doi:10.5194/essd-16-5111-2024
DOI
Mengeksplorasi dengan Earth Engine
Editor Kode (JavaScript)
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);