Brazil Forest Imagery Dataset 2008: Analytic Basemap

گوگل/برزیل_جنگل_۲۰۰۸/نسخه ۱/تحلیلی
در دسترس بودن مجموعه داده‌ها
2007-01-01T00:00:00Z–2009-11-26T23:59:59Z
تولیدکننده مجموعه داده
قطعه کد موتور زمین
ee.Image("GOOGLE/BRAZIL_FOREST_2008/V1/ANALYTIC")
برچسب‌ها
کد جنگل برزیل ، تصاویر گوگل، تصاویر ماهواره‌ای چندطیفی نقطه‌ای

توضیحات

این مجموعه داده، نقشه پایه چندطیفی (سبز، قرمز و فروسرخ نزدیک) با وضوح تا 10 متر از برزیل را ارائه می‌دهد که عمدتاً در سال 2008 گرفته شده است تا از اجرای قانون جنگل برزیل پشتیبانی کند. این موزاییک از داده‌های ماهواره‌ای SPOT 2، 4 و 5 سنتز شده است. این نقشه به عنوان جایگزینی با وضوح بالاتر برای لندست برای شناسایی مناطق تثبیت‌شده، مناطق حفاظت‌شده دائمی (APP) و ذخایر قانونی، همانطور که در مهلت قانونی 22 ژوئیه 2008 وجود داشتند، عمل می‌کند. شکاف‌های موجود در پوشش SPOT توسط یک ماسک شفاف برای حفظ یکپارچگی داده‌ها نشان داده شده است. این محصول چندطیفی برای خودکارسازی تجزیه و تحلیل‌های مرتبط با قانون جنگل برزیل مانند شناسایی جنگل از طریق شاخص‌های پوشش گیاهی مانند NDVI طراحی شده است.

چرا گوگل این نقشه پایه را ایجاد کرد؟

اگرچه مجموعه تصاویر خام نیز موجود است (به MS ، MS_NC ، PMS_NC ، PAN مراجعه کنید)، این موزاییک چندطیفی مربوط به سال ۲۰۰۸ برای ارائه محصولی یکپارچه و آماده برای تجزیه و تحلیل، ترکیب شد. با انجام تصحیحات رادیومتری و هندسی در مقیاس، صحنه‌های ماهواره‌ای خام و متفاوت به یک مجموعه داده یکپارچه تبدیل شدند که از تجزیه و تحلیل علمی در سراسر برزیل در چارچوب قانون جنگل برزیل، مانند طبقه‌بندی پوشش زمین تاریخی مربوط به ثبت محیط زیست روستایی برزیل، پشتیبانی می‌کند.

اولویت‌بندی و پوشش جغرافیایی

برای به حداکثر رساندن تأثیر فوری بر محیط زیست، اولویت انتخاب تصویر، دستیابی به پوشش تقریباً کامل و با وضوح بالا برای زمین‌های خصوصی ثبت شده در ثبت محیط زیست روستایی (CAR) بود. تمرکز ویژه بر زیست‌بوم آمازون و پنج ایالت در "قوس جنگل‌زدایی" - مارانهائو، ماتو گروسو، پارا، روندونیا و توکانتینس - بود که در آنها به طور متوسط ​​۹۳٪ پوشش در سطح ایالت وجود دارد. میانگین پوشش در سراسر برزیل در نسخه ۱، ۶۸٪ است. شکاف‌های پوشش با یک ماسک شفاف نشان داده شده‌اند تا یکپارچگی داده‌ها در جایی که تصاویر با کیفیت بالای مربوط به دوره ۲۰۰۸ در دسترس نبود، حفظ شود.

روش پردازش

لطفاً برای شرح مفصلی از پردازش، از جمله موارد زیر، به راهنمای روش‌شناسی مراجعه کنید:

  • کالیبراسیون رادیومتری: اعداد دیجیتال خام با استفاده از فراداده‌های بهره و بایاس فیزیکی مختص باند، که بر اساس تابش خورشیدی و فاصله زمین تا خورشید نرمال‌سازی شده‌اند، به بازتاب TOA تبدیل شدند.
  • نرمال‌سازی رادیومتری: برای به حداقل رساندن ناپیوستگی‌های رادیومتری بین تصاویر، مقادیر پیکسل‌ها از طریق تطبیق هیستوگرام با یک هدف موزاییکی ثابت لندست ۲۰۰۸ تنظیم شدند.
  • اصلاح لبه‌ها: گوگل حداقل فرسایش کانونی ۲.۵ پیکسلی را برای ماسک‌های تصویر اعمال کرد تا مصنوعات فشرده‌سازی پراتلاف موجود در داده‌های منبع را حذف کند.
  • پوشش ابر: نقشه برداران آموزش دیده به صورت دستی چندضلعی‌های اطراف ابرها و سایه‌ها را ترسیم کردند که به یک ماسک تبدیل شدند تا اطمینان حاصل شود که فقط مفیدترین پیکسل‌ها در ترکیب گنجانده شده‌اند.
  • اصلاح خودکار ثبت نادرست: صحنه‌های منتخب با استفاده از الگوریتم ee.Image.register در برابر یک ترکیب مرجع لندست مربوط به سال ۲۰۰۸، ثبت مشترک شدند.
  • ترکیب: موزاییک نهایی، پیکسل‌های با بالاترین وضوح موجود را در اولویت قرار می‌دهد و تصاویر SPOT 5 (10 متر) را روی SPOT 4 و 2 لایه‌بندی می‌کند.

محدودیت‌ها و مسائل شناخته‌شده

  • کامل بودن مکانی: در مواردی که هیچ تصویری با بازه زمانی دقیق پروژه مربوط به سال ۲۰۰۸ (۲۰۰۷-۲۰۰۹)، آستانه‌های پوشش ابر یا استانداردهای کیفی مطابقت نداشته باشد، شکاف‌هایی وجود دارد.
  • وضوح تصویر متغیر: مرزهای بین وضوح‌های اسمی مختلف تصویر منبع ممکن است قابل مشاهده باشند زیرا در طول پردازش از نمونه‌برداری مجدد نزدیکترین همسایه استفاده شده است.
  • ثبت نادرست باقیمانده: تغییرات مکانی ممکن است در برخی مناطق، به ویژه در مناطقی با ناهمواری‌های شدید یا مناطق جنگلی متراکم و همگن، ادامه یابد.
  • مصنوعات جوی و ابری: پوشش دستی ابرها کامل نیست؛ کاربران ممکن است گهگاه با مصنوعات باقیمانده مانند مه رقیق سیروس یا سایه‌های کوچک ابر مواجه شوند.
  • ناسازگاری رادیومتریک: تغییرات طیفی باقیمانده بین تصاویر مجاور باقی می‌ماند، که ممکن است واریانس طیفی را افزایش داده و دقت جداسازی کلاس‌ها را در طول استنتاج یادگیری ماشین کاهش دهد.
  • اشباع طیفی: در مناطقی با روشنایی بسیار زیاد، پیکسل‌ها ممکن است به حداکثر حد قابل تشخیص حسگر برسند و در نتیجه بافت و جزئیات از بین بروند.

دسترسی به داده‌ها

برای دسترسی به این مجموعه داده، لطفاً فرم درخواست را پر کنید.

باندها

باندها

اندازه پیکسل: ۱۰ متر (همه باندها)

نام واحدها حداقل مکس مقیاس اندازه پیکسل توضیحات
G 0* ۱۰۰۰۰* ۰.۰۰۰۱ ۱۰ متر

بازتاب سبز (بالای جو)

R 0* ۱۰۰۰۰* ۰.۰۰۰۱ ۱۰ متر

بازتاب قرمز (بالای جو)

N 0* ۱۰۰۰۰* ۰.۰۰۰۱ ۱۰ متر

بازتاب مادون قرمز نزدیک (بالای جو)

date ثانیه‌ها ۱۰ متر

تاریخ مشاهده به صورت دوره (ثانیه)

scale ۱۰ متر

اندازه پیکسل تصویر منبع (به روش‌شناسی مراجعه کنید)

satellite ۲ ۵ ۱۰ متر

ماهواره منبع (SPOT 2، 4 یا 5)

coregistered 0 ۱ ۱۰ متر

بولی: ۱ اگر تصحیح خودکار ثبت اشتباه اعمال شده باشد ( به روش‌شناسی مراجعه کنید)

* حداقل یا حداکثر مقدار تخمینی

شرایط استفاده

شرایط استفاده

استفاده از این مجموعه داده‌ها تابع توافقنامه مجوز مجموعه داده‌های تصاویر جنگل برزیل ۲۰۰۸ است و مستلزم ذکر منبع زیر است:

«مجموعه داده‌های تصاویر جنگل‌های برزیل، شرکت گوگل، سال ۲۰۰۸، از تصاویر SPOT حدود سال ۲۰۰۸ که توسط برنامه میراث جهانی Spot متعلق به CNES تهیه شده است، ایجاد شده است.»

شامل تصاویر اصلاح‌شده از ماهواره‌های SPOT است که توسط برنامه میراث جهانی CNES SPOT (https://regards.cnes.fr/html/swh/Home-swh3.html) در دسترس قرار گرفته است.

با موتور زمین کاوش کنید

ویرایشگر کد (جاوااسکریپت)

var analytic = ee.Image('GOOGLE/BRAZIL_FOREST_2008/V1/ANALYTIC');

// Calculate NDVI using the Red (R) and Near-Infrared (N) bands.
var ndvi = analytic.normalizedDifference(['N', 'R']).rename('NDVI');

var ndviParams = {
  min: 0,
  max: 0.75,
  palette: ['white', 'green']
};

Map.setCenter(-55.0, -10.0, 6);
Map.addLayer(ndvi, ndviParams, 'NDVI (Forest Status 2008)');

// Display false color representation.
var nrgVis = {
  bands: ['N', 'R', 'G'],
  min: [156, 62, 53],
  max: [6408, 2584, 2211],
  gamma: [0.9, 0.9, 0.9]
};
Map.addLayer(analytic, nrgVis, 'Multispectral (NIR/R/G)');
باز کردن در ویرایشگر کد