RESOLVE Ecoregions 2017

Disponibilité de l'ensemble de données

2017-04-05T00:00:00Z–2017-04-05T00:00:00Z

Producteur de l'ensemble de données

RESOLVE Biodiversity and Wildlife Solutions

Aperçu de Google Earth Engine

FeatureCollection
ee.FeatureCollection("RESOLVE/ECOREGIONS/2017")

FeatureView
ui.Map.FeatureViewLayer("RESOLVE/ECOREGIONS/2017_FeatureView")

Tags

biodiversity conservation ecoregions ecosystems global table

habitats

le spam et l'hameçonnage

resolve

Description

L'ensemble de données RESOLVE Ecoregions, mis à jour en 2017, représente les 846 écorégions terrestres de notre planète. Consultez la carte stylisée sur https://ecoregions2017.appspot.com/ ou dans Earth Engine.

Les écorégions sont, dans leur définition la plus simple, des écosystèmes d'étendue régionale. Plus précisément, elles représentent des assemblages distincts de biodiversité (tous les taxons, et pas seulement la végétation) dont les limites incluent l'espace nécessaire au maintien des processus écologiques. Les écorégions constituent une carte de base utile pour la planification de la conservation, en particulier parce qu'elles s'appuient sur des limites naturelles plutôt que politiques, définissent des assemblages biogéographiques et des habitats écologiques distincts au sein des biomes, et contribuent à la représentation de la biodiversité de la Terre.

Cet ensemble de données est basé sur les avancées récentes de la biogéographie, la science qui étudie la distribution des plantes et des animaux. L'ensemble de données d'origine sur les écorégions est largement utilisé depuis son introduction en 2001. Il sous-tend les analyses les plus récentes des effets du changement climatique mondial sur la nature, par les écologistes, de la distribution des coléoptères dans le monde à la planification moderne de la conservation.

Les 846 écorégions terrestres sont regroupées en 14 biomes et 8 domaines. Six de ces biomes sont des biomes forestiers et les huit autres sont des biomes non forestiers. Pour les biomes forestiers, les limites géographiques des écorégions (Dinerstein et al., 2017) et des zones protégées (PNUE-WCMC 2016) ont été croisées avec les données Global Forest Change (Hansen et al. 2013) pour les années 2000 à 2015, afin de calculer le pourcentage d'habitat dans les zones protégées et le pourcentage d'habitat restant en dehors des zones protégées. De même, les limites des écorégions non forestières et des zones protégées (PNUE-WCMC 2016) ont été croisées avec les données Anthropogenic Biomes (Anthromes v2) pour l'année 2000 (Ellis et al., 2010) afin d'identifier les habitats restants à l'intérieur et à l'extérieur des zones protégées. Chaque écorégion possède un ID unique, une superficie (en degrés carrés) et des catégories NNH (Nature Needs Half) de 1 à 4. Les catégories NNH sont basées sur le pourcentage d'habitat dans les zones protégées et le pourcentage d'habitat restant en dehors des zones protégées.

1. Moitié protégée : plus de 50 % de la superficie totale de l'écorégion sont déjà protégés.
2. La nature pourrait atteindre la moitié : moins de 50 % de la superficie totale de l'écorégion sont protégés, mais la quantité d'habitat naturel non protégé restant pourrait porter la protection à plus de 50 % si de nouvelles zones de conservation étaient ajoutées au système.
3. La nature pourrait se rétablir : la quantité d'habitat naturel protégé et non protégé restant est inférieure à 50 %, mais supérieure à 20 %. Les écorégions de cette catégorie nécessiteraient une restauration pour atteindre la moitié protégée.
4. Nature en péril : la quantité d'habitat naturel protégé et non protégé restant est inférieure ou égale à 20 %. Il n'est pas possible d'atteindre la moitié protégée à court terme, et les efforts devraient se concentrer sur la conservation des fragments d'habitat indigène restants.

L'ensemble de données Ecoregions 2017 mis à jour est l'ensemble de données le plus récent (février 2018) sur l'habitat restant dans chaque écorégion terrestre. Il a été publié pour suivre les progrès accomplis dans la réalisation de l'objectif visionnaire de Nature Needs Half, qui consiste à protéger la moitié de toutes les terres de la planète afin de préserver une biosphère terrestre vivante.

Remarque : Un certain nombre d'écorégions sont des polygones très complexes comportant plus d'un million de sommets, comme les roches et la glace. Ces écorégions ont été divisées si nécessaire, en conservant des attributs tels que Eco_ID. Si vous souhaitez voir toutes les écorégions qui ont été divisées, veuillez exécuter ce script.

Schéma de la table

Schéma de la table

Nom	Type	Description
BIOME_NAME	STRING	Nom du biome
BIOME_NUM	DOUBLE	Numéro du biome
COLOR	STRING	Couleur
COLOR_BIO	STRING	Couleur du biome
COLOR_NNH	STRING	Couleur NNH
ECO_ID	DOUBLE	ID unique de l'écorégion
ECO_NAME	STRING	Nom de l'écorégion
LICENSE	STRING	CC-BY 4.0
NNH	DOUBLE	Catégorie NNH (1-4) basée sur le pourcentage d'habitat dans les zones protégées et le pourcentage d'habitat restant en dehors des zones protégées
NNH_NAME	STRING	Moitié protégée, La nature pourrait atteindre la moitié, La nature pourrait se rétablir ou Nature en péril
OBJECTID	DOUBLE	ID de l'objet
REALM	STRING	Nom du domaine
SHAPE_AREA	DOUBLE	Superficie du polygone de l'écorégion en degrés carrés
SHAPE_LENG	DOUBLE	Longueur du polygone de l'écorégion en degrés

Conditions d'utilisation

Conditions d'utilisation

CC-BY-4.0

Citations

Citations:

• Bioscience, An Ecoregions-Based Approach to Protecting Half the Terrestrial Realm doi:10.1093/biosci/bix014

Explorer avec Earth Engine

Important : Earth Engine est une plate-forme d'analyse scientifique et de visualisation à l'échelle du pétaoctet d'ensembles de données géospatiales, au service de l'intérêt général ainsi que des acteurs privés et publics. Earth Engine est un outil libre d'utilisation pour la recherche, l'enseignement et les organisations à but non lucratif. Pour commencer, veuillez demander l'accès à Earth Engine.

Éditeur de code (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');

Configuration de Python

Pour en savoir plus sur l'API Python et sur l'utilisation de geemap pour le développement interactif, consultez la page Environnement Python.

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

Ouvrir dans l'éditeur de code

Visualiser en tant que FeatureView

Un FeatureView est une représentation accélérée en lecture seule d'un FeatureCollection. Pour en savoir plus, consultez la FeatureView documentation.

Important : Earth Engine est une plate-forme d'analyse scientifique et de visualisation à l'échelle du pétaoctet d'ensembles de données géospatiales, au service de l'intérêt général ainsi que des acteurs privés et publics. Earth Engine est un outil libre d'utilisation pour la recherche, l'enseignement et les organisations à but non lucratif. Pour commencer, veuillez demander l'accès à Earth Engine.

Éditeur de code (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);

Configuration de Python

Pour en savoir plus sur l'API Python et sur l'utilisation de geemap pour le développement interactif, consultez la page Environnement Python.

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

Ouvrir dans l'éditeur de code

RESOLVE Ecoregions 2017

L'ensemble de données RESOLVE Ecoregions, mis à jour en 2017, représente les 846 écorégions terrestres de notre planète. Consultez la carte stylisée sur https://ecoregions2017.appspot.com/ ou dans Earth Engine. Les écorégions sont, dans leur définition la plus simple, des écosystèmes d'étendue régionale. Plus précisément, elles représentent des assemblages distincts de biodiversité (tous les taxons, et pas seulement …

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

https://developers.google.com/earth-engine/datasets