이 데이터 세트는 게시자 카탈로그에 포함되어 있으며 Google Earth Engine에서 관리하지 않습니다. 버그가 있는 경우 Land & Carbon Lab에 문의하거나 Land & Carbon Lab 카탈로그에서 더 많은 데이터 세트를 확인하세요. 게시자 데이터 세트 자세히 알아보기
- 카탈로그 소유자
- Land & Carbon Lab
- 데이터 세트 제공
- 2001-01-01T00:00:00Z–2023-01-01T00:00:00Z
- 데이터 세트 출처
- World Resources Institute Google DeepMind
- 문의
- 토지 및 탄소 연구소
- 태그
설명
이 데이터 세트는 2001~2022년의 전 세계 나무 덮개 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind에서 제작한 이 데이터는 매우 높은 해상도의 위성 이미지를 시각적으로 해석하여 수집한 샘플 세트를 기반으로 학습된 전역 신경망 모델 (ResNet)을 사용하여 개발되었습니다. 이 모델은 위성 이미지(Landsat 7 및 8, Sentinel-2)와 보조 데이터를 사용하여 영구 농업, 경성 상품, 이동식 경작, 벌목, 산불, 정착지 및 인프라, 기타 자연적 교란 등 7가지 동인 카테고리를 분류했습니다. 고해상도 위성 이미지의 해석을 통해 수집된 독립적인 층화 무작위 샘플을 사용하여 지도의 정확도를 추정했습니다.
원인은 나무 덮개 손실의 직접적인 원인으로 정의되며, 일시적인 교란 (자연적 또는 인위적) 또는 비산림 토지 이용 (예: 삼림 벌채)으로의 변경으로 인한 나무 덮개의 영구적인 손실을 모두 포함할 수 있습니다. 지배적인 요인은 기간 동안 각 1km 셀 내에서 대부분의 수목 피복 손실을 야기한 직접적인 요인으로 정의됩니다. 클래스는 다음과 같이 정의됩니다.
- 영구 농업: 소규모에서 대규모 농업을 위한 장기적이고 영구적인 나무 덮개 손실입니다. 여기에는 다년생 수목 작물과 목초지, 휴경 기간이 포함될 수 있는 계절성 작물 및 작물 시스템이 포함됩니다. 농업 활동은 나무 덮개 손실 이벤트 후에도 지속되고 일시적인 경작 주기의 일부가 아님을 보여주는 증거가 있는 경우 '영구적'으로 간주됩니다.
- 하드 상품: 채굴 또는 에너지 인프라의 구축 또는 확장으로 인한 손실
- 이동식 경작: 나중에 버려지고 2차 숲이나 식물의 후속 재성장이 이어지는 임시 경작을 위해 소규모에서 중규모로 벌채하여 발생하는 나무 덮개 손실입니다.
- 벌목: 관리되는 천연림 또는 반자연림과 조림지에서 발생하는 산림 관리 및 벌목 활동으로, 이후 몇 년 동안 산림 재성장 또는 식재의 증거가 있는 경우가 많습니다. 개벌 및 선택적 벌목, 벌목 도로 건설, 숲 간벌, 회수 또는 위생 벌목이 포함됩니다.
- 산불: 이후에 눈에 띄는 인간의 전환이나 농업 활동 없이 화재로 인한 나무 덮개 손실 화재는 자연적인 원인 (예: 번개)으로 시작될 수도 있고 인간 활동 (우발적 또는 의도적)과 관련이 있을 수도 있습니다.
- 정착지 및 인프라: 도로, 정착지, 도시 지역 또는 건설된 인프라 (다른 클래스와 연결되지 않음)의 확장 및 강화로 인한 수목 피복 손실
- 기타 자연적 교란: 화재 이외의 기타 자연적 교란(예: 산사태, 곤충 발생, 하천 곡류)으로 인한 수목 피복 손실 자연적인 원인으로 인한 손실 후 인양 또는 위생 로깅이 이어지면 로깅으로 분류됩니다.
제한사항: 이 제품은 자연림과 식재된 나무 (예: 조림지, 수목 작물, 농림업 시스템)의 손실을 구분하지 않습니다. 영구 농업, 경성 상품, 정착지 및 인프라 클래스와 관련된 수목 피복 손실은 삼림 벌채 (산림을 다른 토지 용도로 영구적으로 전환)에 근접한 근사치를 나타내지만, 이러한 클래스에는 때때로 식재된 나무의 벌채가 포함될 수 있습니다. 예를 들어 과수원을 정리하고 다시 심는 것은 영구 농업 클래스에 포함되지만 천연림의 벌채는 아닙니다. 마찬가지로, 천연림을 목재 섬유 농장으로 대체하는 것은 2000년 이전에 조성된 기존 농장 내의 일상적인 벌목과 구별되지 않습니다. 둘 다 벌목 클래스에 포함되기 때문입니다.
이 제품은 전체 기간 동안 각 1km 셀에서 가장 큰 영향을 미치는 요인을 보여줍니다. 더 작은 규모에서 동일한 셀에 여러 요인이 발생한 경우 여러 요인이 표시되지 않으며, 기간 내에 여러 요인이 다른 시간에 발생한 경우 요인의 순서가 자세히 표시되지 않습니다. 또한 이러한 데이터는 Global Forest Change v1.10 산림 분포 손실 제품에 의해 매핑된 산림 분포 손실의 원인을 파악하는 데 범위가 제한되므로 손실 감지는 해당 제품의 정확도에 따라 달라집니다.
방법, 기술 사양, 정의, 정확도, 제한사항에 대한 자세한 설명은 다음 문서를 참고하세요.https://doi.org/10.1088/1748-9326/add606 이 데이터는 Zenodo 및 WRI 데이터 탐색기에서도 다운로드할 수 있습니다.
대역
대역
픽셀 크기: 1111.95미터 (모든 밴드)
| 이름 | 최소 | 최대 | 배율 | 픽셀 크기 | 설명 |
|---|---|---|---|---|---|
classification |
1 | 7 | 1111.95미터 | 원시 확률에 기반한 가장 가능성이 높은 클래스입니다. |
|
probability_1 |
0 | 250 | 0.004 | 1111.95미터 | '영구 농업' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_2 |
0 | 250 | 0.004 | 1111.95미터 | 'Hard commodities' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_3 |
0 | 250 | 0.004 | 1111.95미터 | '이동 경작' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_4 |
0 | 250 | 0.004 | 1111.95미터 | 'Logging' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_5 |
0 | 250 | 0.004 | 1111.95미터 | '산불' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_6 |
0 | 250 | 0.004 | 1111.95미터 | 'Settlements and infrastructure' 클래스의 확률입니다 (0~250으로 조정됨). |
probability_7 |
0 | 250 | 0.004 | 1111.95미터 | '기타 자연적 교란' 클래스의 확률입니다 (0~250으로 조정됨). |
분류 클래스 표
| 값 | 색상 | 설명 |
|---|---|---|
| 1 | #E39D29 | 영구 농업 |
| 2 | #E58074 | 하드 상품 |
| 3 | #E9D700 | 이동식 경작 |
| 4 | #51A44E | 로깅 |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | 정산 및 인프라 |
| 7 | #3A209A | 기타 자연적 교란 |
이용약관
이용약관
인용
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. 4월 “Global Drivers of Forest Loss at 1 Km Resolution.” Environmental Research Letters 20 (7): 074027. doi:10.1088/1748-9326/add606
Earth Engine으로 탐색
코드 편집기(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);