RESOLVE Ecoregions 2017

RESOLVE/ECOREGIONS/2017
זמינות קבוצת הנתונים
2017-04-05T00:00:00Z–2017-04-05T00:00:00Z
מפיק מערך הנתונים
קטע קוד ל-Earth Engine
FeatureCollection
ee.FeatureCollection("RESOLVE/ECOREGIONS/2017")
FeatureView
ui.Map.FeatureViewLayer("RESOLVE/ECOREGIONS/2017_FeatureView")
תגים
biodiversity conservation ecoregions ecosystems global table
בתי גידול
Protection
התאמת נתונים (resolve)

תיאור

מערך הנתונים של RESOLVE Ecoregions, שעודכן בשנת 2017, מציג תיאור של 846 אזורים אקולוגיים יבשתיים שמייצגים את כדור הארץ שלנו. אפשר לראות את המפה המעוצבת בכתובת https://ecoregions2017.appspot.com/ או ב-Earth Engine.

אזור אקולוגי, בהגדרה הפשוטה ביותר, הוא מערכת אקולוגית בהיקף אזורי. באופן ספציפי, אזורים אקולוגיים מייצגים קבוצות מובחנות של מגוון ביולוגי – כל הטקסונים, לא רק הצמחייה – שהגבולות שלהם כוללים את המרחב הנדרש לקיום תהליכים אקולוגיים. אזורים אקולוגיים מספקים מפת בסיס שימושית לתכנון שימור, במיוחד כי הם מתבססים על גבולות טבעיים ולא על גבולות פוליטיים, מגדירים קבוצות ביוגיאוגרפיות שונות וסביבות מחיה אקולוגיות בתוך ביומים, ועוזרים לייצג את המגוון הביולוגי של כדור הארץ.

קבוצת הנתונים הזו מבוססת על התפתחויות עדכניות בביוגאוגרפיה – המדע שעוסק בפיזור של צמחים ובעלי חיים. מערך הנתונים המקורי של האזורים האקולוגיים נמצא בשימוש נרחב מאז ההשקה שלו בשנת 2001. הוא משמש בבסיס הניתוחים העדכניים ביותר של השפעות שינויי האקלים העולמיים על הטבע, החל מחלוקת החיפושיות בעולם ועד לתכנון שימור מודרני.

‫846 האזורים האקולוגיים היבשתיים מחולקים ל-14 ביומות ול-8 ממלכות. שישה מהביומים האלה הם ביומים של יערות, ושמונת הביומים הנותרים הם ביומים שאינם של יערות. בביומות של היערות, הגבולות הגיאוגרפיים של האזורים האקולוגיים (Dinerstein et al., ‫2017) ואזורים מוגנים (UNEP-WCMC 2016) נחתכו עם נתוני השינוי ביערות בעולם (Hansen et al. 2013) לשנים 2000 עד 2015, כדי לחשב את אחוז בתי הגידול באזורים מוגנים ואת אחוז בתי הגידול שנותרו מחוץ לאזורים מוגנים. באופן דומה, הגבולות של האזורים האקולוגיים שאינם יערות והאזורים המוגנים (UNEP-WCMC 2016) נחתכו עם נתונים של ביומים אנתרופוגניים (Anthromes v2) לשנת 2000 (Ellis et al., ‫2010) כדי לזהות בתי גידול שנותרו בתוך האזורים המוגנים ומחוצה להם. לכל אזור אקולוגי יש מזהה ייחודי, שטח (מעלות רבועות) וקטגוריות של NNH (Nature Needs Half)‎‏ 1-4. הקטגוריות של NNH מבוססות על אחוז בית הגידול באזורים מוגנים ועל אחוז בית הגידול שנותר מחוץ לאזורים מוגנים.

  1. מוגן למחצה: יותר מ-50% מהשטח הכולל של האזור האקולוגי כבר מוגן.
  2. הטבע יכול להגיע למחצית: פחות מ-50% משטח האזור האקולוגי הכולל מוגנים, אבל כמות בתי הגידול הטבעיים הלא מוגנים שנותרו יכולה להביא להגנה על יותר מ-50% אם יתווספו למערכת אזורי שימור חדשים.
  3. הטבע יכול להתאושש: כמות בתי הגידול הטבעיים שנותרו, מוגנים ולא מוגנים, היא פחות מ-50% אבל יותר מ-20%. כדי להגיע לרמת 'מוגן למחצה', צריך לשקם את האזורים האקולוגיים בקטגוריה הזו.
  4. הטבע בסכנה: כמות בתי הגידול הטבעיים המוגנים והלא מוגנים שנותרו היא 20% או פחות. אי אפשר להגיע למצב של חצי מוגן בטווח הקצר, ולכן צריך להתמקד בשימור של שרידי בתי הגידול המקומיים שנותרו.

הנתונים המעודכנים של Ecoregions 2017 הם הנתונים העדכניים ביותר (נכון לפברואר 2018) לגבי בתי הגידול שנותרו בכל אזור אקולוגי יבשתי. הדו"ח פורסם כדי לעקוב אחרי ההתקדמות לקראת השגת היעד החזוני Nature Needs Half (הטבע צריך חצי), שמטרתו להגן על מחצית מהשטחים בכדור הארץ כדי לשמור על ביוספרה יבשתית חיה.

הערה – יש מספר אזורים אקולוגיים שהם מצולעים מורכבים מאוד עם יותר ממיליון קודקודים, כמו Rock & Ice. האזורים האקולוגיים האלה פוצלו כשנדרש, והמאפיינים כמו Eco_ID נשמרו. כדי לראות את כל האזורים האקולוגיים שפוצלו, צריך להריץ את הסקריפט הזה.

סכימת טבלה

סכימת טבלה

שם סוג תיאור
BIOME_NAME מחרוזת

שם הביום
BIOME_NUM נקודה צפה בדיוק כפול (Double Precision Floating Point)

מספר הביום
צבע מחרוזת

צבע
COLOR_BIO מחרוזת

צבע הביום
COLOR_NNH מחרוזת

צבע NNH
ECO_ID נקודה צפה בדיוק כפול (Double Precision Floating Point)

מזהה ייחודי של אזור אקולוגי
ECO_NAME מחרוזת

שם האזור האקולוגי
רישיון מחרוזת

CC-BY 4.0
NNH נקודה צפה בדיוק כפול (Double Precision Floating Point)

קטגוריית NNH‏ (1-4) על סמך אחוז שטחי המחיה באזורים מוגנים ואחוז שטחי המחיה שנותרו מחוץ לאזורים מוגנים
NNH_NAME מחרוזת

מוגן חלקית, הטבע יכול להגיע למחצית, הטבע יכול להתאושש או הטבע בסכנה
OBJECTID נקודה צפה בדיוק כפול (Double Precision Floating Point)

מזהה אובייקט
REALM מחרוזת

שם ה-Realm
SHAPE_AREA נקודה צפה בדיוק כפול (Double Precision Floating Point)

השטח של מצולע האזור האקולוגי במעלות רבועות
SHAPE_LENG נקודה צפה בדיוק כפול (Double Precision Floating Point)

אורך פוליגון האזור האקולוגי במעלות

תנאים והגבלות

תנאים והגבלות

CC-BY-4.0

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

סיור עם פלטפורמת Earth Engine

Code Editor (JavaScript)

var ecoRegions = ee.FeatureCollection('RESOLVE/ECOREGIONS/2017');

// patch updated colors
var colorUpdates = [
{ECO_ID: 204, COLOR: '#B3493B'},
{ECO_ID: 245, COLOR: '#267400'},
{ECO_ID: 259, COLOR: '#004600'},
{ECO_ID: 286, COLOR: '#82F178'},
{ECO_ID: 316, COLOR: '#E600AA'},
{ECO_ID: 453, COLOR: '#5AA500'},
{ECO_ID: 317, COLOR: '#FDA87F'},
{ECO_ID: 763, COLOR: '#A93800'},
];

// loop over all other features and create a new style property for styling
// later on
var ecoRegions = ecoRegions.map(function(f) {
  var color = f.get('COLOR');
  return f.set({style: {color: color, width: 0}});
});

// make styled features for the regions we need to update colors for,
// then strip them from the main asset and merge in the new feature
for (var i=0; i < colorUpdates.length; i++) {
  colorUpdates[i].layer = ecoRegions
      .filterMetadata('ECO_ID','equals',colorUpdates[i].ECO_ID)
      .map(function(f) {
        return f.set({style: {color: colorUpdates[i].COLOR, width: 0}});
      });

  ecoRegions = ecoRegions
      .filterMetadata('ECO_ID','not_equals',colorUpdates[i].ECO_ID)
      .merge(colorUpdates[i].layer);
}

// use style property to color shapes
var imageRGB = ecoRegions.style({styleProperty: 'style'});

Map.setCenter(16, 49, 4);
Map.addLayer(imageRGB, {}, 'RESOLVE/ECOREGIONS/2017');

הגדרה של Python

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

import ee
import geemap.core as geemap

Colab (Python)

eco_regions = ee.FeatureCollection('RESOLVE/ECOREGIONS/2017')

# patch updated colors
color_updates = [
    {'ECO_ID': 204, 'COLOR': '#B3493B'},
    {'ECO_ID': 245, 'COLOR': '#267400'},
    {'ECO_ID': 259, 'COLOR': '#004600'},
    {'ECO_ID': 286, 'COLOR': '#82F178'},
    {'ECO_ID': 316, 'COLOR': '#E600AA'},
    {'ECO_ID': 453, 'COLOR': '#5AA500'},
    {'ECO_ID': 317, 'COLOR': '#FDA87F'},
    {'ECO_ID': 763, 'COLOR': '#A93800'},
]

# loop over all other features and create a new style property for styling
# later on
eco_regions = eco_regions.map(
    lambda f: f.set({'style': {'color': f.get('COLOR'), 'width': 0}})
)

# make styled features for the regions we need to update colors for,
# then strip them from the main asset and merge in the new feature
for i in range(len(color_updates)):
  color_updates[i]['layer'] = eco_regions.filterMetadata(
      'ECO_ID', 'equals', color_updates[i]['ECO_ID']
  ).map(
      lambda f: f.set(
          {'style': {'color': color_updates[i]['COLOR'], 'width': 0}}
      )
  )

  eco_regions = eco_regions.filterMetadata(
      'ECO_ID', 'not_equals', color_updates[i]['ECO_ID']
  ).merge(color_updates[i]['layer'])

# use style property to color shapes
image_rgb = eco_regions.style(styleProperty='style')

m = geemap.Map()
m.set_center(16, 49, 4)
m.add_layer(image_rgb, {}, 'RESOLVE/ECOREGIONS/2017')
m
פתיחה ב-Code Editor

ויזואליזציה כ-FeatureView

‫FeatureView הוא ייצוג מואץ של FeatureCollection לצפייה בלבד. פרטים נוספים ניתן לקרוא ב מסמכי התיעוד של FeatureView.

Code Editor (JavaScript)

var fvLayer = ui.Map.FeatureViewLayer('RESOLVE/ECOREGIONS/2017_FeatureView');

var visParams = {
  opacity: 1,
  polygonFillColor: {
    property: 'NNH_NAME',
    categories: [
      ['Half Protected', 'blue'],
      ['Nature Could Reach Half Protected', 'green'],
      ['Nature Could Recover', 'yellow'],
      ['Nature Imperiled', 'orange']
    ],
    defaultValue: 'lightgrey'
  }
};

fvLayer.setVisParams(visParams);
fvLayer.setName('Ecoregions (Nature Needs Half category)');

Map.setCenter(16, 49, 4);
Map.add(fvLayer);

הגדרה של Python

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

import ee
import geemap.core as geemap

Colab (Python)

eco_regions = ee.FeatureCollection('RESOLVE/ECOREGIONS/2017')

# patch updated colors
color_updates = [
    {'ECO_ID': 204, 'COLOR': '#B3493B'},
    {'ECO_ID': 245, 'COLOR': '#267400'},
    {'ECO_ID': 259, 'COLOR': '#004600'},
    {'ECO_ID': 286, 'COLOR': '#82F178'},
    {'ECO_ID': 316, 'COLOR': '#E600AA'},
    {'ECO_ID': 453, 'COLOR': '#5AA500'},
    {'ECO_ID': 317, 'COLOR': '#FDA87F'},
    {'ECO_ID': 763, 'COLOR': '#A93800'},
]

# loop over all other features and create a new style property for styling
# later on
eco_regions = eco_regions.map(
    lambda f: f.set({'style': {'color': f.get('COLOR'), 'width': 0}})
)

# make styled features for the regions we need to update colors for,
# then strip them from the main asset and merge in the new feature
for i in range(len(color_updates)):
  color_updates[i]['layer'] = eco_regions.filterMetadata(
      'ECO_ID', 'equals', color_updates[i]['ECO_ID']
  ).map(
      lambda f: f.set(
          {'style': {'color': color_updates[i]['COLOR'], 'width': 0}}
      )
  )

  eco_regions = eco_regions.filterMetadata(
      'ECO_ID', 'not_equals', color_updates[i]['ECO_ID']
  ).merge(color_updates[i]['layer'])

# use style property to color shapes
image_rgb = eco_regions.style(styleProperty='style')

m = geemap.Map()
m.set_center(16, 49, 4)
m.add_layer(image_rgb, {}, 'RESOLVE/ECOREGIONS/2017')
m
פתיחה ב-Code Editor
מערך הנתונים של אזורים אקולוגיים של RESOLVE, שעודכן בשנת 2017, מציג את 846 האזורים האקולוגיים היבשתיים שמייצגים את כדור הארץ שלנו. אפשר לראות את המפה המעוצבת בכתובת https://ecoregions2017.appspot.com/ או ב-Earth Engine. אזור אקולוגי, בהגדרה הפשוטה ביותר, הוא מערכת אקולוגית בהיקף אזורי. באופן ספציפי, אזורים אקולוגיים מייצגים קבוצות מובחנות של מגוון ביולוגי – כל הטקסונים, לא רק …
RESOLVE/ECOREGIONS/2017, biodiversity,conservation,ecoregions,ecosystems,global,table
2017-04-05T00:00:00Z/2017-04-05T00:00:00Z
-90 -180 90 180
Google Earth Engine