このデータセットはパブリッシャー カタログの一部であり、Google Earth Engine によって管理されていません。バグについては Land & Carbon Lab にお問い合わせください。Land & Carbon Lab カタログでその他のデータセットを表示することもできます。詳しくは、パブリッシャー データセットについての説明をご覧ください。
- カタログ オーナー
- Land & Carbon Lab
- 利用可能なデータセットの期間
- 2001-01-01T00:00:00Z–2023-01-01T00:00:00Z
- データセット プロデューサー
- 世界資源研究所 Google DeepMind
- 連絡先
- Land & Carbon Lab
- タグ
説明
このデータセットは、2001 年から 2022 年までの全球の樹木被覆の減少の主な要因を 1 km の解像度でマッピングしています。世界資源研究所（WRI）と Google DeepMind が作成したこのデータは、超高解像度の衛星画像を視覚的に解釈して収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル（ResNet）を使用して開発されました。このモデルは、衛星画像（Landsat 7、Landsat 8、Sentinel-2）と補助データを使用して、7 つの要因カテゴリ（永続的な農業、硬質商品、移動耕作、伐採、山火事、集落とインフラストラクチャ、その他の自然災害）を分類しました。地図の精度を推定するために、超高解像度の衛星画像の解釈を通じて収集された独立した層別無作為抽出サンプルが使用されました。
ドライバーは、森林被覆の損失の直接的な原因として定義され、一時的な撹乱（自然または人為的）と、森林以外の土地利用への変更（森林破壊など）による森林被覆の永久的な損失の両方を含むことができます。支配的な要因は、期間中に各 1 km セル内の森林被覆の損失の大部分を引き起こした直接的な要因として定義されます。クラスは次のように定義されます。
- 永続的な農業: 小規模から大規模な農業のための長期的な永続的な樹木被覆の損失。これには、多年生の樹木作物だけでなく、牧草地や季節性の作物、休耕期間を含む作付体系も含まれます。農業活動は、樹木被覆の消失イベントの後も継続しており、一時的な栽培サイクルの一部ではないことを示す証拠が目に見える形で存在する場合に「永続的」と見なされます。
- ハード コモディティ: 鉱業またはエネルギー インフラストラクチャの設立または拡張による損失。
- 移動耕作: 一時的な耕作のために小規模から中規模の開墾が行われ、その後放棄され、二次林または植生の再生が続くことによる樹木被覆の損失。
- 伐採: 管理された天然林または半天然林、人工林内で行われる森林管理および伐採活動。多くの場合、その後の数年で森林の再生または植林の証拠が見られます。皆伐や選択伐採、伐採道路の建設、森林の間伐、伐採木材の回収や衛生伐採などが含まれます。
- 山火事: 火災による樹木被覆の損失で、その後、人間の転換や農業活動が確認されないもの。火災は自然原因（落雷など）で発生することもありますが、人間の活動（偶発的または意図的）に関連することもあります。
- 集落とインフラストラクチャ: 道路、集落、都市部、インフラストラクチャの拡大と強化による樹木被覆の損失（他のクラスに関連付けられていない）。
- その他の自然災害: 火災以外の自然災害（地滑り、昆虫の大量発生、河川の蛇行など）による樹木被覆の損失。自然死による損失の後に回収または衛生処理のロギングが行われた場合は、ロギングとして分類されます。
制限事項: このプロダクトでは、天然林の損失と植林（プランテーション、樹木作物、アグロフォレストリー システムなど）の損失を区別しません。永年性農業、硬質商品、集落とインフラストラクチャの各クラスに関連する樹木被覆の減少は、森林破壊（森林から別の土地利用への永続的な転換）の近似値に近いものですが、これらのクラスには植林された樹木の伐採が含まれる場合もあります。たとえば、果樹園の伐採と植え替えは永続的な農業のクラスに含まれますが、天然林の森林破壊には該当しません。同様に、天然林を木材繊維プランテーションに置き換えることは、2000 年以前に設立された既存のプランテーションでの通常の収穫と区別されません。どちらも伐採クラスに含まれるためです。
このプロダクトは、期間全体にわたって各 1 km セルで最も多いドライバーを示します。同じセルで小規模に複数の要因が発生した場合、それらは表示されません。また、期間内に異なるタイミングで複数の要因が発生した場合、それらの要因の順序は詳細に表示されません。また、これらのデータは、Global Forest Change v1.10 の樹木被覆損失プロダクトでマッピングされた樹木被覆損失の原因を特定する範囲に限定されています。そのため、損失の検出は、そのプロダクトの精度に左右されます。
メソッド、技術仕様、定義、精度、制限事項の詳細については、https://doi.org/10.1088/1748-9326/add606 をご覧ください。このデータは、Zenodo と WRI Data Explorer でダウンロードすることもできます。
バンド
バンド
ピクセルサイズ: 1,111.95 メートル（すべてのバンド）
| 名前 | 最小 | 最大 | スケール | ピクセルサイズ | 説明 |
|---|---|---|---|---|---|
classification |
1 | 7 | 1111.95 メートル | 未加工の確率に基づく最も可能性の高いクラス。 |
|
probability_1 |
0 | 250 | 0.004 | 1111.95 メートル | 「永年農業」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_2 |
0 | 250 | 0.004 | 1111.95 メートル | 「Hard commodities」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_3 |
0 | 250 | 0.004 | 1111.95 メートル | 「Shifting cultivation」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_4 |
0 | 250 | 0.004 | 1111.95 メートル | 「Logging」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_5 |
0 | 250 | 0.004 | 1111.95 メートル | 「Wildfire」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_6 |
0 | 250 | 0.004 | 1111.95 メートル | 「Settlements and infrastructure」クラスの確率（[0 ～ 250] にスケーリング）。 |
probability_7 |
0 | 250 | 0.004 | 1111.95 メートル | 「その他の自然災害」クラスの確率（[0 ～ 250] にスケーリング）。 |
分類クラス テーブル
| 値 | 色 | 説明 |
|---|---|---|
| 1 | #E39D29 | 永続農業 |
| 2 | #E58074 | ハード コモディティ |
| 3 | #E9D700 | 移動耕作 |
| 4 | #51A44E | ロギング |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | 決済とインフラストラクチャ |
| 7 | #3A209A | その他の自然災害 |
利用規約
利用規約
引用
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、N. Harris. 2025 年 4 月。「Global Drivers of Forest Loss at 1 Km Resolution」（1 km 解像度での森林減少のグローバルな要因）。Environmental Research Letters 20（7）: 074027。doi:10.1088/1748-9326/add606
Earth Engine で探索する
コードエディタ（JavaScript）
Map.setCenter(-9.22,20.65,3) var drivers = ee.Image('projects/landandcarbon/assets/wri_gdm_drivers_forest_loss_1km/v1_2001_2022'); 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, 2001-2022'); 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);