- 数据集可用时间
- 1990-01-01T00:00:00Z–2021-12-31T23:59:59Z
- 数据集提供方
- Biopama Programme
- 标记
说明
2016-2021 年全球油棕种植范围（分辨率为 10 米）和 1990-2021 年油棕种植年份（分辨率为 30 米）。该数据集由 609 个 100x100 公里的网格图块组成，覆盖全球热带和亚热带油棕种植区，绘制了 23.98 Mha 的闭冠油棕（16.69 Mha [69.6%] 为工业种植，7.29 Mha [30.4%] 为小农种植），基于样本的面积估计为 16.82 ± 0.19 Mha 工业种植和 7.37 ± 0.25 Mha 小农种植。请注意，虽然目录时间范围涵盖 1990-2021 年以反映种植年份范围，但此集合是单个静态拼接，而不是多时相时间序列。
调研方法
- 油棕范围（
classification，10 米）：2016-2021 年的年度闭冠油棕地图是使用 DeepLabv3+（MobileNetV2 主干）卷积神经网络 (CNN) 从 Sentinel-1 C 波段 SAR GRD 双极化（VV 和 VH）年度合成图像生成的，该网络在 296 个 10x10 公里的区域进行了训练。使用 SRTM v4 DEM 对每日 Sentinel-1 场景进行了局部入射角校正，并分别针对升轨和降轨聚合为年度中位数合成图像，然后对两个轨道的图像进行平均，以避免在某个轨道有更多通过次数时出现地形伪影。与 v1 (2019) 不同，Sentinel-2 红色反射率（波段 4）被排除在外，因为在 2019 年之前，油棕榈区域没有系统的 Sentinel-2 Level-2A 覆盖；为了重用 v1 的 3 通道 DeepLabv3+ 架构，VV 和 VH 合成图像与一个零填充的第三通道堆叠在一起。 - 为减少假正例（例如椰子种植园和稻田），我们遮盖了 ESA WorldCover 10 米 v200 中重叠的农田、建成区、水体、草本湿地和红树林类别，然后进行了人工目视筛查。在后处理过程中，2019 年 v1 数据集中的 100x100 公里网格单元中有 82 个被舍弃（主要是墨西哥、印度、菲律宾和印度尼西亚的假正例椰子区域），同时添加了新的热点网格单元（印度安得拉邦、刚果盆地、泰国和中美洲/南美洲），最终得到了 609 个图块。
- 六张年度地图（2016-2021 年）合并为一个静态图层，优先考虑油棕的存在：如果某个像素在 2016-2021 年期间的任何一年被归类为工业，则标记为工业 (
1)；否则，如果该像素在 2016-2021 年期间的任何一年被归类为小农户，则标记为小农户 (2)；否则标记为其他土地覆盖 (0)。 - 种植年份（
planting_year，30 米）：使用 1990 年至 2021 年的 30 米 Landsat-5、Landsat-7 和 Landsat-8 Collection 2 Tier 1 Level-2 地表反射率时间序列，针对所有映射为油棕（1或2）的像素推导得出。随机森林分类器将每个清晰的 Landsat 观测值标记为植被、裸地或云，以识别最后一次土地准备日期 (LDLP)（即冠层闭合前土地清理对应的最终裸地观测值），并使用空间模式滤波器进行平滑处理。种植年份定义为 LDLP 之前 5 年时间窗口内(NIR - SWIR2) / (NIR + SWIR2)最小的日历年（在论文中称为归一化差值水体指数NDWI (Gao, 1996)，但使用SWIR2计算，例如 Landsat-8 波段 5 和 7，这是标准归一化燃烧率 [NBR] 公式，在源 GeoTIFF 波段说明中命名为minNBR）。在planting_year波段中，值范围为1989到2022（而不是1990到2021）：因为算法会回溯到 LDLP 之前最多 5 年，所以 1990 年之前建立的种植园（请参阅下面关于左删失的限制说明）被记录为1989（约占全球油棕像素的 7.5%，是数据集中最常见的值），一小部分像素（约 0.04%）的值为2022。
限制
- 闭合冠层检测滞后和 2019-2021 年遗漏：Sentinel-1 SAR 只有在林分达到完全冠层闭合（通常在种植后约 3 年）后才能可靠地检测到油棕。因此，2019 年至 2021 年期间新建立的年轻种植园在很大程度上被排除在范围图层之外。2019 年至 2021 年期间，
planting_year像素主要代表旧种植园的重新种植（轮作），这些种植园在 2016 年至 2018 年期间已经形成了封闭的树冠，然后被皆伐，不得用于衡量 2019 年至 2021 年期间的新油棕扩张或森林砍伐。 - 上次轮伐与初始建立和 1989 年左删失：由于算法检测的是 2021 年之前最后一次裸地清理事件，因此
planting_year记录的是截至 2021 年当前林分的建立年份。在经历过轮作（通常每 25 年左右一次）的种植园中，这反映的是最近一次重新种植的年份，而不是最初转为油棕种植的年份。此外，planting_year在1989处左删失；这意味着planting_year == 1989的像素（约占全球油棕像素的 7.5%）表示在 1989 年或之前建立的种植园，在计算种植园年龄时不应将其视为在 1989 年种植。 - 清理后的土地用途转换：由于 2016-2021 年合并规则会保留至少一年内检测为油棕的任何像素，因此在 2016 年至 2021 年期间被皆伐并随后转换为其他土地用途的种植园仍被归类为油棕。
- 忽略开阔冠层和半野生油棕：CNN 仅绘制闭合冠层林分的地图，在很大程度上忽略了传统、分散或自给自足的半野生油棕林（特别是在西非，如尼日利亚），以及因火灾、洪水、疾病或农林业间作而导致冠层开阔的林分。
- 小农种植园的准确率较低：在所有 6,843 个种植年份标准答案观测值中，整体种植年份 RMSE 为 2.65 年（平均误差 = -0.24 年，R^2 = 0.86）。与 Landsat 时间序列的视觉解读（n = 841 个点）相比，随机森林 LDLP 的确切年份一致性总体上仅为 59.6%（工业化 64.8%，小农户 44.0%；±3 年内为 76.3%）。与工业种植园（生产者准确率 91.0%，用户准确率 91.8%，种植年份 RMSE = 2.02 年）相比，小农户种植园的分类准确率较低（生产者准确率 71.7%，用户准确率 72.4%），种植年份误差较高（RMSE = 4.89 年，在喀麦隆达到 7.01 年）。 小农户种植年份的准确性会因不规则地块边界上的 30 米混合像素、多年连续种植和“林下种植”（在砍伐前在老棕榈树下种植幼苗，从而避免裸土阶段）而降低。
- 实地验证的地理覆盖范围较窄：
planting_year的实地验证地理覆盖范围较窄：工业种植园仅涵盖 3 个国家（巴西、加蓬、印度尼西亚），小农户仅涵盖 2 个国家（喀麦隆和印度尼西亚，其中 93.5% 的数据由一家公司通过所有者访谈收集，而所有者访谈也存在对较老林分的回忆误差），在马来西亚、泰国、印度或其他产区没有进行实地验证。 - 波段之间的分辨率不匹配和网格偏移：由于
classification的分辨率为 10 米，而planting_year的分辨率为 30 米（源 GeoTIFF 网格之间存在 20 米的西边缘原点偏移），因此种植园边缘约 5% 的 10 米油棕像素缺少planting_year值，而边界沿线的 30 米planting_year像素可能会溢出到相邻的 10 米非油棕 (0) 像素。 - 云层和季节性导致的区域性伪影：赤道和西非地区（例如喀麦隆、加蓬、刚果盆地）持续的云层覆盖以及 2013 年之前稀疏的 Landsat 档案覆盖，增加了种植年份的不确定性。在旱季明显的地区（尤其是印度安得拉邦、泰国和印度尼西亚苏拉威西岛），NDWI 的季节性下降可能会触发错误的裸地检测，从而使
planting_year偏向于过于近期的年份。
频段
波段
像素尺寸：因设备而异
| 名称 | 最小值 | 最大值 | 像素大小 | 说明 |
|---|---|---|---|---|
classification |
10 米 | 油棕种植园类型分类 |
||
planting_year |
1989 | 2022 | 30 米 | 预计种植园建立年份 |
分类类别表
| 值 | 颜色 | 说明 |
|---|---|---|
| 0 | #18181b | 非油棕的其他土地覆盖类型 |
| 1 | #d97706 | 工业化封闭式冠层油棕种植园 |
| 2 | #06b6d4 | 小农户封闭式冠层油棕种植园 |
使用条款
使用条款
引用
引用：
Descals, A.、Gaveau, D. L., Wich, S.、Szantoi, Z. 和 Meijaard, E. (2024). 1990 年至 2021 年全球油棕种植年份地图。 《地球系统科学数据》，16(11)，5111-5129。 doi:10.5194/essd-16-5111-2024
DOI
通过 Earth Engine 探索
代码编辑器 (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: ['18181b', 'd97706', '06b6d4'], }; // 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(); // Visualize planting year separately for industrial (warm amber/gold) and // smallholder (cool navy/cyan) plantations over a dark background. var industrialYearVis = { min: 1989.0, max: 2022.0, palette: ['451a03', '92400e', 'd97706', 'f59e0b', 'fef08a'], }; var smallholderYearVis = { min: 1989.0, max: 2022.0, palette: ['082f49', '0369a1', '06b6d4', '38bdf8', 'cffafe'], }; var background = ee.Image.rgb(24, 24, 27).visualize({min: 0, max: 255}); var industrialYear = plantingYear .updateMask(classification.eq(1)) .visualize(industrialYearVis); var smallholderYear = plantingYear .updateMask(classification.eq(2)) .visualize(smallholderYearVis); var composite = ee.ImageCollection([ background, industrialYear, smallholderYear, ]).mosaic(); Map.setCenter(101.31, 1.1, 11); Map.addLayer(composite, {}, 'Oil Palm Planting Year by Class (1989-2022)'); Map.addLayer( industrialYear, {}, 'Industrial Planting Year (1989-2022)', false); Map.addLayer( smallholderYear, {}, 'Smallholder Planting Year (1989-2022)', false); Map.addLayer( classification.updateMask(mask), classificationVis, 'Oil Palm Classification', false);