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

Oxford/MAP/IGBP_Fractional_Landcover_5km_Annual
Dostępność zbioru danych
2001-01-01T00:00:00Z–2013-01-01T00:00:00Z
Dostawca zbioru danych
Fragment kodu Earth Engine
ee.ImageCollection("Oxford/MAP/IGBP_Fractional_Landcover_5km_Annual")
Cykl
1 rok
Tagi
landcover landuse-landcover map oxford
igbp

Opis

Podstawowym zbiorem danych dla tego produktu dotyczącego pokrycia terenu jest warstwa IGBP znajdująca się w rocznym produkcie MODIS dotyczącym pokrycia terenu (MCD12Q1). Te dane zostały przekształcone z formatu kategorialnego o rozdzielczości ok. 500 m na format ułamkowy wskazujący procent całkowity (0–100) piksela wyjściowego pokrytego przez każdą z 17 klas pokrycia terenu (1 na pasmo).

Ten zbiór danych został opracowany przez Harry’ego Gibsona i Daniela Weissa z Malaria Atlas Project (Big Data Institute, University of Oxford, Wielka Brytania, https://malariaatlas.org/).

Pasma

Rozmiar piksela
5000 metrów

Pasma

Nazwa Jednostki Minimum Maks. Rozmiar piksela Opis
Overall_Class 0 17 metry

Dominująca klasa każdego piksela wynikowego

Water % 0 100 metry

Procent wody

Evergreen_Needleleaf_Forest % 0 100 metry

Odsetek wiecznie zielonych lasów iglastych

Evergreen_Broadleaf_Forest % 0 100 metry

Procent wiecznie zielonych lasów liściastych

Deciduous_Needleleaf_Forest % 0 100 metry

Odsetek lasów iglastych zrzucających liście na zimę

Deciduous_Broadleaf_Forest % 0 100 metry

Procent lasów liściastych

Mixed_Forest % 0 100 metry

Procent lasów mieszanych

Closed_Shrublands % 0 100 metry

Odsetek zamkniętych zarośli

Open_Shrublands % 0 100 metry

Procent otwartych zarośli

Woody_Savannas % 0 100 metry

Odsetek sawann z drzewami

Savannas % 0 100 metry

Odsetek sawann

Grasslands % 0 100 metry

Odsetek użytków zielonych

Permanent_Wetlands % 0 100 metry

Odsetek stałych mokradeł

Croplands % 0 100 metry

Odsetek gruntów ornych

Urban_And_Built_Up % 0 100 metry

Procent obszarów miejskich i zabudowanych

Cropland_Natural_Vegetation_Mosaic % 0 100 metry

Procent mozaiki naturalnej roślinności na gruntach ornych

Snow_And_Ice % 0 100 metry

Odsetek śniegu i lodu

Barren_Or_Sparsely_Populated % 0 100 metry

Procent obszarów nieużytków lub słabo zaludnionych

Unclassified % 0 100 metry

Odsetek niezaklasyfikowanych

No_Data % 0 100 metry

Odsetek braku danych

Overall_Class Class Table

Wartość Kolor Opis
0 #032f7e

Woda

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

Sawanny

11 #6091b4

Permanent_Wetlands

12 #ff4e4e

Grunty orne

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

Niesklasyfikowany

Warunki korzystania z usługi

Warunki korzystania z usługi

CC-BY-NC-SA-4.0

Cytaty

Cytowania:
  • 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.

Odkrywanie za pomocą Earth Engine

Edytor kodu (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');
Otwórz w edytorze kodu