- 資料集開放期間
- 1990-01-01T00:00:00Z–2021-12-31T23:59:59Z
- 資料集產生者
- Biopama 計畫
- 標記
說明
2016 年至 2021 年全球油棕範圍，解析度為 10 公尺；1990 年至 2021 年油棕種植年份，解析度為 30 公尺。資料集包含 609 個 100x100 公里的網格圖塊，涵蓋全球熱帶和亞熱帶油棕櫚種植區，繪製了 2,398 萬公頃的封閉樹冠油棕櫚 (1,669 萬公頃 [69.6%] 工業和 729 萬公頃 [30.4%] 小農)，樣本估計面積為 1,682 ± 19 萬公頃工業和 737 ± 25 萬公頃小農。請注意，雖然目錄日期範圍涵蓋 1990 年至 2021 年，以反映種植年份範圍，但這個集合是單一靜態鑲嵌，而非多時序時間序列。
研究方法
- 油棕範圍 (
classification，10 公尺)：2016 年至 2021 年的年度閉合樹冠油棕地圖，是使用 DeepLabv3+ (MobileNetV2 骨幹) 卷積類神經網路 (CNN)，根據 Sentinel-1 C 頻段 SAR GRD 雙極化 (VV 和 VH) 年度合成影像生成，並在 296 個 10x10 公里區域進行訓練。每日 Sentinel-1 場景會使用 SRTM v4 DEM 修正局部入射角，並分別彙整成升軌和降軌的年度中位數合成影像，然後取兩個軌道的平均值，避免在一個軌道有較多通過次數時出現地形假影。與第 1 版 (2019 年) 不同的是，Sentinel-2 紅色反射率 (波段 4) 已排除，因為 2019 年前無法取得油棕區域的系統性 Sentinel-2 Level-2A 涵蓋範圍。為了重複使用第 1 版的 3 頻道 DeepLabv3+ 架構，VV 和 VH 複合影像與填入零值的第三個頻道堆疊。 - 為減少偽陽性 (例如椰子園和稻田)，我們遮蓋了 ESA WorldCover 10 公尺 v200 中重疊的農地、建築、水體、草本濕地和紅樹林類別，然後手動進行視覺篩選。在後處理階段，2019 年第 1 版資料集中的 100x100 公里網格單元有 82 個遭到捨棄 (大多是墨西哥、印度、菲律賓和印尼的椰子偽陽性區域)，同時新增了熱點網格單元 (印度安德拉邦、剛果盆地、泰國和中南美洲)，最終得到 609 個圖塊。
- 六張年度地圖 (2016 年至 2021 年) 合併為單一靜態圖層，優先顯示油棕櫚樹：如果像素在 2016 年至 2021 年間的任何一年歸類為工業，則標示為工業 (
1)；否則，如果像素在 2016 年至 2021 年間的任何一年歸類為小農，則標示為小農 (2)；否則，標示為其他土地覆蓋 (0)。 - 種植年份 (
planting_year，30 公尺)：使用 1990 年至 2021 年的 30 公尺 Landsat-5、Landsat-7 和 Landsat-8 Collection 2 Tier 1 Level-2 地表反射率時間序列，為所有對應為油棕 (1或2) 的像素推導得出。隨機森林分類器會將每個清晰的 Landsat 觀測結果標示為植被、裸地或雲，以找出整地最後日期 (LDLP)，也就是樹冠閉合前整地對應的最終裸地觀測結果，並使用空間模式濾波器平滑處理。種植年份定義為 LDLP 前 5 年內(NIR - SWIR2) / (NIR + SWIR2)最小的日曆年 (在論文中稱為常態化差異水體指標NDWI (Gao, 1996)，但使用SWIR2計算，例如 Landsat-8 波段 5 和 7，這是標準常態化燃燒比率 [NBR] 公式，在來源 GeoTIFF 波段說明中名為minNBR)。在planting_year頻帶中，值介於1989到2022之間 (而非1990到2021)：由於演算法會回溯至 LDLP 前 5 年，因此 1990 年前建立的種植園 (請參閱下方關於左側截尾限制的附註) 會記錄為1989(全球約 7.5% 的油棕像素，是資料集中最常見的值)，而一小部分像素 (~0.04%) 的值為2022。
限制
- 樹冠閉合偵測延遲和 2019 年至 2021 年遺漏：Sentinel-1 SAR 只有在樹冠完全閉合後 (通常在種植後約 3 年)，才能可靠地偵測油棕。因此，2019 年至 2021 年期間新建立的年輕林地，大多未納入範圍圖層。2019 年至 2021 年間，
planting_year的像素主要代表重新種植 (輪作) 的舊種植園，這些種植園在 2016 年至 2018 年間已有封閉的樹冠，之後才被砍伐，因此不得用於衡量 2019 年至 2021 年間的新油棕擴張或森林砍伐。 - 上次輪替與初始建立和 1989 年左側截尾：
由於演算法會偵測 2021 年之前的「上次」裸地整地事件，因此
planting_year會記錄截至 2021 年為止，目前林分的建立年份。在經過輪作的種植園 (通常每 25 年左右一次)，這反映的是最近一次重新種植的年份，而非最初改種油棕的年份。此外，planting_year在1989處左側刪失；這表示planting_year == 1989的像素 (全球約 7.5% 的油棕像素) 代表在 1989 年或之前建立的種植園，在計算種植園年齡時，不應視為在 1989 年種植。 - 整地後的土地用途轉換：由於 2016 年至 2021 年的合併規則會保留至少一年內偵測為油棕的任何像素，因此在 2016 年至 2021 年期間整地，隨後轉換為其他土地用途的墾地仍會歸類為油棕。
- 遺漏開放式樹冠和半野生油棕：CNN 只會對封閉式樹冠林地進行製圖，並大幅遺漏傳統、分散或自給自足的半野生油棕林 (特別是在西非，例如奈及利亞)，以及因火災、洪水、疾病或農林混作而形成的開放式樹冠林地。
- 小農種植園的準確度較低：在所有 6,843 個基準真相種植年份觀測值中，整體種植年份 RMSE 為 2.65 年 (平均誤差 = -0.24 年，R^2 = 0.86)。與 Landsat 時間序列的視覺解譯相比 (n = 841 點)，隨機森林 LDLP 的確切年份一致性整體僅為 59.6% (工業 64.8%，小農 44.0%；±3 年內為 76.3%)。與工業種植園相比 (生產者準確率 91.0%，使用者準確率 91.8%，種植年份 RMSE = 2.02 年)，小農種植園的分類準確率較低 (生產者準確率 71.7%，使用者準確率 72.4%)，種植年份誤差較高 (RMSE = 4.89 年，喀麥隆達 7.01 年)。小農種植年份的準確度會因不規則地塊邊界、多年連續種植和「底層種植」(在砍伐前在老棕櫚樹下種植幼苗，避免裸土階段) 混合 30 公尺像素而降低。
- 實地驗證的地理涵蓋範圍狹窄：
planting_year的實地驗證地理涵蓋範圍狹窄：工業種植園僅涵蓋 3 個國家/地區 (巴西、加彭、印尼)，小農僅涵蓋 2 個國家/地區 (喀麥隆和印尼，其中 93.5% 的資料由單一公司透過業主訪談收集，而業主訪談也容易因業主對較舊林分的記憶錯誤而產生誤差)，在馬來西亞、泰國、印度或其他產區則未進行實地驗證。 - 波段之間的解析度不相符和網格偏移：由於
classification為 10 公尺，planting_year為 30 公尺 (來源 GeoTIFF 網格之間有 20 公尺的西邊原點偏移)，因此沿著種植園邊緣的 10 公尺油棕像素中，約有 5% 缺少planting_year值，而沿著邊界的 30 公尺planting_year像素可能會溢出到相鄰的 10 公尺非油棕 (0) 像素。 - 雲層和季節性造成的區域假影：赤道和西非地區 (例如喀麥隆、加彭、剛果盆地) 的雲層持續覆蓋，且 2013 年前的 Landsat 封存資料覆蓋率稀疏，導致種植年份的不確定性增加。在乾季明顯的地區 (尤其是印度安德拉邦、泰國和印尼蘇拉威西島)，NDWI 的季節性下降可能會觸發錯誤的裸地偵測，導致
planting_year偏向過於近期的年份。
頻帶
波段
像素大小：不一
| 名稱 | 最小值 | 最大值 | 像素大小 | 說明 |
|---|---|---|---|---|
classification |
10 公尺 | 油棕園類型分類 |
||
planting_year |
1989 | 2022 | 30 公尺 | 預估林地建立年份 |
分類類別表
| 值 | 顏色 | 說明 |
|---|---|---|
| 0 | #18181b | 非油棕的其他土地覆蓋 |
| 1 | #d97706 | 工業用封閉樹冠油棕園 |
| 2 | #06b6d4 | 小農經營的封閉樹冠油棕園 |
使用條款
使用條款
參考資料
參考資料：
Descals, A.、Gaveau, D. L. Wich, S.、Szantoi, Z. 和 Meijaard, E. (2024)。 1990 年至 2021 年全球油棕種植年份地圖。Earth System Science Data, 16(11), 5111-5129. doi:10.5194/essd-16-5111-2024
DOI
使用 Earth Engine 探索
程式碼編輯器 (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);