Oxford MAP: Malaria Atlas Project Fractional International Geosphere-Biosphere Programme Landcover

Oxford/MAP/IGBP_Fractional_Landcover_5km_Annual
Dataset-Verfügbarkeit
2001-01-01T00:00:00Z–2013-01-01T00:00:00Z
Dataset-Anbieter
Earth Engine-Snippet
ee.ImageCollection("Oxford/MAP/IGBP_Fractional_Landcover_5km_Annual")
Intervall
1 Jahr
Tags
landcover landuse-landcover map oxford
igbp

Beschreibung

Das zugrunde liegende Dataset für dieses Produkt zur Landbedeckung ist die IGBP-Schicht des jährlichen MODIS-Produkts zur Landbedeckung (MCD12Q1). Diese Daten wurden aus dem kategorischen Format mit einer Auflösung von etwa 500 Metern in ein Bruchprodukt umgewandelt, das den ganzzahligen Prozentsatz (0–100) des Ausgabepixels angibt, der von jeder der 17 Landbedeckungsklassen (1 pro Band) abgedeckt wird.

Dieses Dataset wurde von Harry Gibson und Daniel Weiss vom Malaria Atlas Project (Big Data Institute, University of Oxford, Vereinigtes Königreich, https://malariaatlas.org/) erstellt.

Bänder

Pixelgröße
5.000 Meter

Bänder

Name Einheiten Min. Max. Pixelgröße Beschreibung
Overall_Class 0 17 Meter

Dominante Klasse jedes resultierenden Pixels

Water % 0 100 Meter

Prozentsatz des Wassers

Evergreen_Needleleaf_Forest % 0 100 Meter

Prozentsatz des immergrünen Nadelwaldes

Evergreen_Broadleaf_Forest % 0 100 Meter

Anteil des immergrünen Laubwaldes

Deciduous_Needleleaf_Forest % 0 100 Meter

Prozentsatz der laubabwerfenden Nadelwälder

Deciduous_Broadleaf_Forest % 0 100 Meter

Anteil des Laubwaldes

Mixed_Forest % 0 100 Meter

Anteil des Mischwaldes

Closed_Shrublands % 0 100 Meter

Prozentsatz der geschlossenen Strauchflächen

Open_Shrublands % 0 100 Meter

Prozentsatz der offenen Strauchflächen

Woody_Savannas % 0 100 Meter

Anteil der Savannen mit Bäumen

Savannas % 0 100 Meter

Prozentsatz der Savannen

Grasslands % 0 100 Meter

Prozentsatz der Grasflächen

Permanent_Wetlands % 0 100 Meter

Prozentsatz der permanenten Feuchtgebiete

Croplands % 0 100 Meter

Prozentsatz der Anbauflächen

Urban_And_Built_Up % 0 100 Meter

Anteil städtischer und bebauter Flächen

Cropland_Natural_Vegetation_Mosaic % 0 100 Meter

Prozentsatz des Mosaiks aus Ackerland und natürlicher Vegetation

Snow_And_Ice % 0 100 Meter

Prozentsatz von Schnee und Eis

Barren_Or_Sparsely_Populated % 0 100 Meter

Anteil der unfruchtbaren oder dünn besiedelten Gebiete

Unclassified % 0 100 Meter

Prozentsatz der nicht klassifizierten Anfragen

No_Data % 0 100 Meter

Prozentsatz ohne Daten

Klassentabelle „Overall_Class“

Wert Farbe Beschreibung
0 #032f7e

Wasser

1 #02740b

Evergreen_Needleleaf_Fores

2 #02740b

Evergreen_Broadleaf_Forest

3 #8cf502

Deciduous_Needleleaf_Forest

4 #8cf502

Deciduous_Broadleaf_Forest

5 #a4da01

Mixed_Forest

6 #ffbd05

Closed_Shrublands

7 #ffbd05

Open_Shrublands

8 #7a5a02

Woody_Savannas

9 #f0ff0f

Savannas

10 #869b36

Grasland

11 #6091b4

Permanent_Wetlands

12 #ff4e4e

Ackerland

13 #999999

Urban_and_Built-up

14 #ff4e4e

Cropland_Natural_Vegetation_Mosaic

15 #ffffff

Snow_and_Ice

16 #feffc0

Barren_Or_Sparsely_Vegetated

17 #020202

Nicht klassifiziert

Nutzungsbedingungen

Nutzungsbedingungen

CC-BY-NC-SA-4.0

Zitate

Quellenangaben:
  • Weiss, D.J., P.M. Atkinson, S. Bhatt, B. Mappin, S.I. Hay & P.W. Gething (2014) An effective approach for gap-filling continental scale remotely sensed time-series. ISPRS Journal of Photogrammetry and Remote Sensing, 98, 106–118.

Earth Engine nutzen

Code-Editor (JavaScript)

var dataset =
    ee.ImageCollection('Oxford/MAP/IGBP_Fractional_Landcover_5km_Annual')
        .filter(ee.Filter.date('2012-01-01', '2012-12-31'));
var landcover = dataset.select('Overall_Class');
var landcoverVis = {
  min: 1.0,
  max: 19.0,
  palette: [
    '032f7e', '02740b', '02740b', '8cf502', '8cf502', 'a4da01', 'ffbd05',
    'ffbd05', '7a5a02', 'f0ff0f', '869b36', '6091b4', '999999', 'ff4e4e',
    'ff4e4e', 'ffffff', 'feffc0', '020202', '020202'
  ],
};
Map.setCenter(-88.6, 26.4, 1);
Map.addLayer(landcover, landcoverVis, 'Landcover');
Im Code-Editor öffnen