Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. W przypadku błędów skontaktuj się z Land & Carbon Lab. Więcej zbiorów danych z katalogu Land & Carbon Lab. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Land & Carbon Lab
- Dostępność zbioru danych
- 2001-01-01T00:00:00Z–2023-01-01T00:00:00Z
- Dostawca zbioru danych
- World Resources Institute Google DeepMind
- Kontakt
- Land & Carbon Lab
- Tagi
Opis
Ten zbiór danych zawiera mapę głównego czynnika utraty zagęszczenia drzew w latach 2001–2022 na całym świecie w rozdzielczości 1 km. Dane zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na podstawie zbioru próbek zebranych w wyniku wizualnej interpretacji zdjęć satelitarnych o bardzo wysokiej rozdzielczości. Model wykorzystywał zdjęcia satelitarne (Landsat 7 i 8, Sentinel-2) oraz dane pomocnicze do klasyfikowania 7 kategorii czynników: stałe rolnictwo, surowce, rolnictwo przenośne, wycinka drzew, pożary, osady i infrastruktura oraz inne naturalne zakłócenia. Do oszacowania dokładności mapy wykorzystano niezależną, warstwową próbę losową pobraną na podstawie interpretacji zdjęć satelitarnych o bardzo wysokiej rozdzielczości.
Przyczyna jest definiowana jako bezpośrednia przyczyna utraty zagęszczenia drzew i może obejmować zarówno tymczasowe zakłócenia (naturalne lub spowodowane przez człowieka), jak i trwałą utratę zagęszczenia drzew w wyniku zmiany sposobu użytkowania gruntu na inny niż leśny (np. wylesianie). Dominujący czynnik to bezpośredni czynnik, który w każdej komórce o wielkości 1 km spowodował największe straty zagęszczenia drzew w danym okresie. Klasy są zdefiniowane w ten sposób:
- Rolnictwo trwałe: długotrwała, trwała utrata zagęszczenia drzew na potrzeby rolnictwa na małą i dużą skalę. Obejmuje to uprawy drzew wieloletnich, a także pastwiska, uprawy sezonowe i systemy upraw, które mogą obejmować okres ugorowania. Działalność rolnicza jest uznawana za „stałą”, jeśli istnieją widoczne dowody na to, że trwa ona po utracie zagęszczenia drzew i nie jest częścią tymczasowego cyklu upraw.
- Surowce: utrata spowodowana utworzeniem lub rozbudową infrastruktury górniczej lub energetycznej.
- Rolnictwo przenośne: utrata zagęszczenia drzew z powodu wycinki na małą i średnią skalę pod uprawy tymczasowe, które są później porzucane, a następnie odrastają w postaci lasu wtórnego lub roślinności.
- Wycinka drzew: zarządzanie lasami i wycinka drzew w zarządzanych, naturalnych lub półnaturalnych lasach i plantacjach, często z dowodami na odrastanie lasu lub sadzenie drzew w kolejnych latach. Obejmuje wycinkę całkowitą i selektywną, budowę dróg leśnych, przerzedzanie lasów oraz wycinkę ratunkową lub sanitarną.
- Pożar: utrata zagęszczenia drzew z powodu pożaru, po którym nie widać przekształceń dokonanych przez człowieka ani działalności rolniczej. Pożary mogą być wywoływane przez przyczyny naturalne (np. uderzenie pioruna) lub być związane z działalnością człowieka (przypadkową lub celową).
- Osady i infrastruktura: utrata zagęszczenia drzew ze względu na rozbudowę i intensyfikację dróg, osad, obszarów miejskich lub infrastruktury (niepowiązane z innymi klasami).
- Inne zaburzenia naturalne: utrata zagęszczenia drzew z powodu innych zaburzeń naturalnych niezwiązanych z pożarami (np. osuwisk, epidemii owadów, meandrowania rzek). Jeśli po stratach spowodowanych przyczynami naturalnymi następuje pozyskiwanie drewna z odzysku lub pozyskiwanie drewna w celu sanitarnym, jest ono klasyfikowane jako pozyskiwanie drewna.
Ograniczenia: ta usługa nie rozróżnia utraty lasów naturalnych i nasadzeń drzew (np. plantacji, upraw drzew lub systemów agroleśnych). Utrata zagęszczenia drzew związana z rolnictwem trwałym, surowcami oraz osadami i infrastrukturą stanowi przybliżone oszacowanie wylesiania (trwałego przekształcenia lasu w inny sposób wykorzystania gruntów), ale te kategorie mogą czasami obejmować wycinkę zasadzonych drzew. Na przykład wycinka i ponowne nasadzenie sadu kwalifikują się do kategorii trwałe użytki rolne, ale nie są wylesianiem lasu naturalnego. Podobnie zastąpienie lasu naturalnego plantacjami włókien drzewnych nie jest odróżniane od rutynowej wycinki na istniejących plantacjach założonych przed 2000 rokiem, ponieważ oba te przypadki są uwzględniane w klasie wycinki.
Ten produkt pokazuje dominujący czynnik w każdej komórce o wielkości 1 km w całym okresie. Nie pokazuje wielu kierowców, jeśli występują w tej samej komórce w mniejszej skali, ani nie podaje szczegółów sekwencji kierowców, jeśli wystąpili w różnych momentach w danym okresie. Dodatkowo te dane są ograniczone do przypisywania czynników do utraty zagęszczenia drzew, zgodnie z mapowaniem w ramach produktu Global Forest Change w wersji 1.10. Wykrywanie utraty zależy więc od dokładności tego produktu.
Pełny opis metod, specyfikacji technicznych, definicji, dokładności i ograniczeń znajdziesz w publikacji: https://doi.org/10.1088/1748-9326/add606 Dane można też pobrać z Zenodo i WRI Data Explorer.
Pasma
Pasma
Rozmiar piksela: 1111,95 m (wszystkie pasma)
| Nazwa | Minimum | Maks. | Skala | Rozmiar piksela | Opis |
|---|---|---|---|---|---|
classification |
1 | 7 | 1111,95 metra | Najbardziej prawdopodobna klasa na podstawie surowych prawdopodobieństw. |
|
probability_1 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo klasy „Rolnictwo stałe” (skalowane do zakresu [0–250]). |
probability_2 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo klasy „Surowce” (skalowane do zakresu [0–250]). |
probability_3 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo klasy „Rolnictwo przemieszczające się” (skalowane do zakresu [0–250]). |
probability_4 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo klasy „Logging” (skalowane do zakresu [0–250]). |
probability_5 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo wystąpienia klasy „Pożar” (skalowane do zakresu [0–250]). |
probability_6 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo klasy „Osady i infrastruktura” (skalowane do zakresu [0–250]). |
probability_7 |
0 | 250 | 0,004 | 1111,95 metra | Prawdopodobieństwo wystąpienia klasy „Inne zaburzenia naturalne” (skalowane do zakresu [0–250]). |
Tabela klasyfikacji
| Wartość | Kolor | Opis |
|---|---|---|
| 1 | #E39D29 | rolnictwo trwałe, |
| 2 | #E58074 | Surowce twarde |
| 3 | #E9D700 | rolnictwo żarowe, |
| 4 | #51A44E | Logowanie |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | Osady i infrastruktura |
| 7 | #3A209A | Inne zaburzenia naturalne |
Warunki korzystania z usługi
Warunki korzystania z usługi
Cytowanie
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 i N. Harris. 2025 r. „Global Drivers of Forest Loss at 1 Km Resolution”. Environmental Research Letters 20 (7): 074027. doi:10.1088/1748-9326/add606
Odkrywaj za pomocą Earth Engine
Edytor kodu (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);