Esse conjunto de dados faz parte de um catálogo de editores e não é gerenciado pelo Google Earth Engine. Entre em contato com o Land & Carbon Lab para informar bugs ou conferir mais conjuntos de dados no catálogo do Land & Carbon Lab. Saiba mais sobre os conjuntos de dados do publisher.
- Proprietário do catálogo
- Land & Carbon Lab (link em inglês)
- Disponibilidade do conjunto de dados
- 2001-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Produtor de conjunto de dados
- World Resources Institute Google DeepMind Google Earth Engine
- Contato
- Land & Carbon Lab
- Tags
Descrição
Esse conjunto de dados mapeia o principal fator de perda de cobertura florestal de 2001 a 2023 no mundo todo com resolução de 1 km. Produzidos pelo World Resources Institute (WRI) e pelo Google DeepMind, os dados foram desenvolvidos usando um modelo global de rede neural (ResNet) treinado em um conjunto de amostras coletadas por interpretação visual de imagens de satélite de altíssima resolução. O modelo usou imagens de satélite (Landsat 7 e 8, Sentinel-2) e dados complementares para classificar sete categorias de causas: agricultura permanente, commodities, agricultura itinerante, desmatamento, incêndios florestais, assentamentos e infraestrutura e outros distúrbios naturais. Uma amostra aleatória estratificada independente coletada por interpretação de imagens de satélite de altíssima resolução foi usada para estimar a acurácia do mapa.
Um fator é definido como a causa direta da perda de cobertura florestal e pode incluir distúrbios temporários (naturais ou antropogênicos) ou perda permanente de cobertura florestal devido a uma mudança para um uso da terra não florestal (por exemplo, desmatamento). O fator dominante é definido como o fator direto que causou a maior parte da perda de cobertura florestal em cada célula de 1 km ao longo do período. As classes são definidas da seguinte maneira:
- Agricultura permanente: perda de cobertura arbórea permanente de longo prazo para agricultura de pequena a grande escala. Isso inclui culturas de árvores perenes, pastagens e culturas sazonais e sistemas de cultivo, que podem incluir um período de pousio. As atividades agrícolas são consideradas "permanentes" se houver evidências visíveis de que elas persistem após o evento de perda da cobertura florestal e não fazem parte de um ciclo de cultivo temporário.
- Commodities: perda devido ao estabelecimento ou expansão de infraestrutura de mineração ou energia.
- Agricultura itinerante: perda de cobertura florestal devido ao desmatamento em pequena ou média escala para cultivo temporário, que é abandonado e seguido pelo novo crescimento da floresta secundária ou da vegetação.
- Extração de madeira: atividades de manejo florestal e extração de madeira em florestas e plantações manejadas, naturais ou seminaturais, geralmente com evidências de reflorestamento ou plantio em anos subsequentes. Inclui desmatamento e extração seletiva de madeira, estabelecimento de estradas para extração de madeira, desbaste de florestas e extração de madeira de salvamento ou saneamento.
- Incêndio florestal: perda de cobertura vegetal devido a incêndio sem conversão humana visível ou atividade agrícola posterior. Os incêndios podem ser causados por causas naturais (por exemplo, raios) ou podem estar relacionados a atividades humanas (acidentais ou deliberadas).
- Assentamentos e infraestrutura: perda de cobertura vegetal devido à expansão e intensificação de estradas, assentamentos, áreas urbanas ou infraestrutura construída (não associada a outras classes).
- Outros distúrbios naturais: perda de cobertura florestal devido a outros distúrbios naturais não relacionados a incêndios (por exemplo, deslizamentos de terra, surtos de insetos, sinuosidade de rios). Se a perda por causas naturais for seguida por corte de salvamento ou saneamento, ela será classificada como corte.
Limitações: este produto não distingue entre a perda de floresta natural e árvores plantadas (por exemplo, plantações, culturas arbóreas ou sistemas agroflorestais). Embora a perda de cobertura florestal associada às classes de agricultura permanente, commodities e assentamentos e infraestrutura represente uma aproximação do desmatamento (conversão permanente de floresta para outro uso da terra), essas classes podem incluir o desmatamento de árvores plantadas. Por exemplo, limpar e replantar um pomar seria incluído na classe agricultura permanente, mas não é desmatamento de uma floresta natural. Da mesma forma, a substituição de florestas naturais por plantações de fibra de madeira não é diferenciada da colheita rotineira em plantações estabelecidas antes de 2000, já que ambas estão incluídas na classe de extração de madeira.
Esse produto mostra o principal condutor em cada célula de 1 km durante todo o período. Ela não mostra vários fatores se eles ocorrerem na mesma célula em escalas menores, nem detalha a sequência de fatores se vários ocorrerem em momentos diferentes dentro do período. Além disso, esses dados são limitados em escopo à atribuição de fatores à perda de cobertura florestal mapeada pelo produto de perda de cobertura florestal Global Forest Change v1.11. Portanto, a detecção de perda está sujeita à acurácia desse produto.
Para uma descrição completa dos métodos, especificações técnicas, definições, precisão e limitações, consulte a publicação: https://doi.org/10.1088/1748-9326/add606. Os dados também estão disponíveis para download no Zenodo e no WRI Data Explorer (links em inglês).
Bandas
Tamanho do pixel
1111,95 metros
Bandas
| Nome | Mín. | Máx. | Escala | Tamanho do pixel | Descrição |
|---|---|---|---|---|---|
classification |
1 | 7 | metros | Classe mais provável com base em probabilidades brutas. |
|
probability_1 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Agricultura permanente" (dimensionada para [0-250]). |
probability_2 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Hard commodities" (dimensionada para [0-250]). |
probability_3 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Agricultura itinerante" (dimensionada para [0-250]). |
probability_4 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Logging" (escalonada para [0-250]). |
probability_5 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Incêndio florestal" (dimensionada para [0-250]). |
probability_6 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Assentamentos e infraestrutura" (escalonada para [0-250]). |
probability_7 |
0 | 250 | 0,004 | metros | Probabilidade da classe "Outros distúrbios naturais" (dimensionada para [0-250]). |
Tabela de classes de classificação
| Valor | Cor | Descrição |
|---|---|---|
| 1 | #E39D29 | Agricultura permanente |
| 2 | #E58074 | Commodities físicas |
| 3 | #E9D700 | Agricultura itinerante |
| 4 | #51A44E | Logging |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | Assentamentos e infraestrutura |
| 7 | #3A209A | Outros distúrbios naturais |
Termos de Uso
Termos de Uso
Citações
Sims, M.J., R. Stanimirova, A. Raichuk, M. Neumann, J. Richter, F. Follett, J. MacCarthy, K. Lister, C. Randle, L. Sloat, E. Esipova, J. Jupiter, C. Stanton, D. Morris, C.M. Slay, D. Purves, and N. Harris. 2025. "Global Drivers of Forest Loss at 1 Km Resolution". Environmental Research Letters 20 (7): 074027. doi:10.1088/1748-9326/add606
Explore com o Earth Engine
Editor de código (JavaScript)
Map.setCenter(-9.22,20.65,3) var drivers = ee.Image('projects/landandcarbon/assets/wri_gdm_drivers_forest_loss_1km/v1_1_2001_2023'); var drivers_class = drivers.select(['classification']); var vis = { "min":1, "max": 7, "palette": ['E39D29','E58074','e9d700','51a44e','895128','a354a0','3a209a'] }; Map.addLayer(drivers_class, vis, 'Drivers of Forest Loss, 2001-2023'); var permAg_prob = drivers.select(['probability_1']); //Select a probability band var probVis = { min: 0, max: 250, palette: ['#440154','#481567','#482677','#453781','#3b528b','#2c728e','#21908d','#27ad81','#5ec962','#aadc32','#fde725'] }; Map.addLayer(permAg_prob, probVis, 'Probability band for permanent agriculture', false);