Brazil Forest Imagery Dataset 2008: Analytic Basemap

GOOGLE/BRAZIL_FOREST_2008/V1/ANALYTIC
دردسترس بودن مجموعه داده
2007-01-01T00:00:00Z–2009-11-26T23:59:59Z
تولیدکننده مجموعه داده
تکه‌کد Earth Engine
ee.Image("GOOGLE/BRAZIL_FOREST_2008/V1/ANALYTIC")
برچسب‌ها
brazil forest-code google imagery multispectral satellite-imagery spot

شرح

این مجموعه داده یک نقشه پایه چندطیفی (سبز، قرمز، و نزدیک به فروسرخ) با وضوح حداکثر ۱۰ متر از برزیل ارائه می‌دهد که عمدتاً در سال ۲۰۰۸ گرفته شده است تا از اجرای قانون جنگل برزیل پشتیبانی کند. این موزاییک از داده‌های ماهواره‌ای SPOT 2،‏ SPOT 4، و SPOT 5 ترکیب شده است. این داده‌ها به‌عنوان جایگزینی با وضوح بالاتر برای Landsat جهت شناسایی مناطق یکپارچه، «مناطق حفاظت دائمی» (APPs)، و ذخایر قانونی که در مهلت نظارتی ۲۲ ژوئیه ۲۰۰۸ وجود داشتند، عمل می‌کنند. شکاف‌های موجود در پوشش SPOT با ماسک شفاف نشان داده می‌شود تا تمامیت داده‌ها حفظ شود. این محصول چندطیفی برای خودکارسازی تجزیه‌وتحلیل‌های مربوط به «قانون جنگل برزیل» طراحی شده است، مانند شناسایی جنگل ازطریق شاخص‌های پوشش گیاهی مانند NDVI.

چرا Google این نقشه مبنا را ایجاد کرد

While raw image collections are also available (see MS, MS_NC, PMS_NC, PAN), this 2008-era multispectral mosaic was synthesized to provide a seamless, ready-to-use product for analysis. با انجام تصحیحات رادیومتری و هندسی در مقیاس بزرگ، صحنه‌های ماهواره‌ای خام و پراکنده به یک مجموعه داده یکپارچه تبدیل شدند که از تجزیه‌وتحلیل علمی در سراسر برزیل در چارچوب «قانون جنگل برزیل»، مانند طبقه‌بندی تاریخی پوشش زمین مرتبط با «ثبت محیط زیست روستایی برزیل»، پشتیبانی می‌کند.

اولویت‌بندی و پوشش جغرافیایی

برای به‌حداکثر رساندن تأثیر فوری بر محیط‌زیست، انتخاب تصویر اولویت را به دستیابی به پوشش تقریباً کامل و با وضوح بالا برای زمین‌های خصوصی ثبت‌شده در دفتر ثبت محیط‌زیست روستایی (CAR) داد. تمرکز ویژه‌ای بر زیست‌بوم آمازون و پنج ایالت در «قوس جنگل‌زدایی» (مارانیائو، ماتو گروسو، پارا، روندونیا، و توکانتینس) وجود داشت که به‌طور میانگین ۹۳٪ پوشش در سطح ایالت دارند. میانگین پوشش در سراسر برزیل در نسخه ۱ برابر با ۶۸٪ است. شکاف‌های موجود در پوشش با ماسک شفاف نشان داده می‌شوند تا تمامیت داده‌ها در جاهایی که تصاویر باکیفیت مربوط به سال ۲۰۰۸ دردسترس نبوده است حفظ شود.

روش‌شناسی پردازش

برای شرح عمیق پردازش، لطفاً راهنمای روش‌شناسی را ببینید، ازجمله:

  • واسنجی رادیومتری: اعداد دیجیتال خام بااستفاده از فراداده‌های بهره فیزیکی و سوگیری مختص باند به بازتاب TOA تبدیل شدند و با تابش خورشیدی و فاصله زمین تا خورشید نرمال‌سازی شدند.
  • نرمال‌سازی رادیومتری: برای به‌حداقل رساندن ناپیوستگی‌های رادیومتری بین تصاویر، مقادیر پیکسل ازطریق تطبیق هیستوگرام با هدف موزاییک Landsat 2008 سازگار تنظیم شد.
  • بهبود لبه: Google یک فرسایش کانونی حداقل ۲٫۵ پیکسلی را روی ماسک‌های تصویر اعمال کرد تا آثار فشرده‌سازی پراتلاف موجود در داده‌های منبع را حذف کند.
  • پوشاندن ابر: نقشه‌برداران آموزش‌دیده به‌صورت دستی چندضلعی‌هایی را در اطراف ابرها و سایه‌ها ترسیم کردند که به ماسک تبدیل شدند تا اطمینان حاصل شود که فقط مفیدترین پیکسل‌ها در ترکیب گنجانده شده‌اند.
  • تصحیح خودکار عدم‌انطباق: صحنه‌های انتخاب‌شده بااستفاده از الگوریتم ee.Image.register درمقابل ترکیب مرجع Landsat مربوط به سال ۲۰۰۸ هم‌ثبت شدند.
  • ترکیب‌بندی: موزاییک نهایی پیکسل‌های با بالاترین وضوح دردسترس را در اولویت قرار می‌دهد و تصاویر SPOT 5‏ (۱۰ متر) را روی SPOT 4 و SPOT 2 لایه‌بندی می‌کند.

محدودیت‌ها و مشکلات شناخته‌شده

  • کامل بودن فضایی: شکاف‌هایی وجود دارد که در آن‌ها هیچ تصویری با پنجره زمانی سخت‌گیرانه پروژه در دوره ۲۰۰۸ (۲۰۰۷ تا ۲۰۰۹)، آستانه‌های پوشش ابری، یا استانداردهای کیفیت مطابقت ندارد.
  • وضوح اصلی متغیر:مرزهای بین وضوح‌های اسمی مختلف تصاویر منبع ممکن است قابل‌مشاهده باشد زیرا درطول پردازش از نمونه‌گیری مجدد نزدیک‌ترین همسایه استفاده شده است.
  • عدم تطابق باقی‌مانده: ممکن است جابه‌جایی‌های فضایی در برخی مناطق، به‌ویژه در مناطقی با پستی و بلندی‌های شدید یا مناطق جنگلی متراکم و همگن، باقی بماند.
  • آرتیفکت‌های جوی و ابری: ماسک‌گذاری دستی ابر جامع نیست؛ کاربران ممکن است گاهی با آرتیفکت‌های باقی‌مانده مانند غبار نازک ابر پرسا یا سایه‌های کوچک ابر مواجه شوند.
  • ناسازگاری رادیومتری: تغییرات طیفی باقی‌مانده بین تصاویر مجاور باقی می‌ماند که ممکن است واریانس طیفی را افزایش دهد و دقت جداسازی کلاس را درطول استنتاج یادگیری ماشین کاهش دهد.
  • اشباع طیفی: در نواحی با روشنایی شدید، پیکسل‌ها ممکن است به حداکثر حد قابل‌تشخیص حسگر برسند که منجر به ازدست رفتن بافت و جزئیات می‌شود.

دسترسی به داده

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

باند

باند

اندازه پیکسل: ۱۰ متر (همه باندها)

نام واحدها دقیقه Max مقیاس اندازه پیکسل شرح
G ۰* ‫۱۰٬۰۰۰* ۰٫۰۰۰۱ ‫۱۰ متر

بازتابش سبز (بالای جو)

R ۰* ‫۱۰٬۰۰۰* ۰٫۰۰۰۱ ‫۱۰ متر

بازتابش قرمز (بالای جو)

N ۰* ‫۱۰٬۰۰۰* ۰٫۰۰۰۱ ‫۱۰ متر

بازتابش نزدیک به فروسرخ (بالای جو)

date ثانیه ‫۱۰ متر

تاریخ مشاهده به‌صورت مبدأ (ثانیه)

scale ‫۱۰ متر

اندازه پیکسل تصویر منبع (روش‌شناسی را ببینید)

satellite 2 5 ‫۱۰ متر

ماهواره منبع (SPOT 2،‏ 4، یا 5)

coregistered 0 1 ‫۱۰ متر

بولی: ۱ اگر اصلاح خودکار عدم‌تطابق اعمال شده باشد (به روش‌شناسی مراجعه کنید)

* حداقل یا حداکثر مقدار تخمینی

شرایط استفاده

شرایط استفاده

استفاده از این مجموعه‌داده تابع قرارداد صدور پروانه Brazil Forest Imagery Dataset 2008 است و ارجاع زیر را لازم دارد:

«Google LLC, Brazil Forest Imagery Dataset 2008 created from circa 2008 SPOT images acquired by CNES's Spot World Heritage Programme.»

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

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

// To access this dataset, fill out the form: https://forms.gle/jQmCbWgarjENQBYz6

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»