此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 Land & Carbon Lab Catalog 中的更多数据集，请与 Land & Carbon Lab 联系。 详细了解发布商数据集。
- 目录所有者
- 土地与碳实验室
- 数据集可用时间
- 2001-01-01T00:00:00Z–2023-01-01T00:00:00Z
- 数据集生产者
- 世界资源研究所 Google DeepMind
- 联系人
- 土地与碳实验室
- 标签
说明
此数据集以 1 公里的分辨率绘制了 2001 年至 2022 年全球树木覆盖率损失的主要驱动因素。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 共同制作，是使用全球神经网络模型 (ResNet) 开发的，该模型基于一组通过对超高分辨率卫星图像进行视觉解读而收集的样本进行训练。该模型使用卫星图像（Landsat 7 和 8、Sentinel-2）和辅助数据对七个驱动因素类别进行分类：永久性农业、硬商品、轮耕、伐木、野火、定居点和基础设施，以及其他自然扰动。通过解读极高分辨率卫星图像收集的独立分层随机样本用于估计地图的准确性。
驱动因素是指导致树木覆盖率减少的直接原因，可能包括临时性干扰（自然或人为）或因改变为非森林土地用途（例如森林砍伐）而导致的树木覆盖率永久性减少。主要驱动因素是指在相应时间段内，导致每个 1 公里网格单元内大部分树木覆盖率损失的直接驱动因素。类的定义如下：
- 永久性农业：因小规模到大规模农业而造成的长期永久性树木覆盖率损失。这包括多年生树木作物，以及牧草、季节性作物和种植系统（可能包括休耕期）。如果存在明显证据表明，在树木覆盖率减少事件发生后，农业活动仍在持续进行，且不属于临时耕作周期的一部分，则这些农业活动会被视为“永久性”活动。
- 硬商品：因建立或扩建采矿或能源基础设施而造成的损失。
- 轮耕：因小规模到中等规模的临时耕作而造成的树木覆盖率损失，耕作结束后，土地被废弃，随后次生林或植被重新生长。
- 伐木：在人工管理的天然林或半天然林以及人工林中进行的森林管理和伐木活动，通常有证据表明后续几年森林会重新生长或种植。包括皆伐和择伐、伐木道路的建设、森林疏伐以及抢救性或卫生性伐木。
- 野火：因火灾造成的树木覆盖率损失，之后没有明显的人为改造或农业活动。火灾可能由自然原因（例如闪电）引起，也可能与人为活动（意外或故意）有关。
- 定居点和基础设施：因道路、定居点、城市区域或建筑基础设施（与其他类别无关）的扩张和密集化而造成的树木覆盖率损失。
- 其他自然扰动：因其他非火灾自然扰动（例如滑坡、虫害爆发、河流蜿蜒）导致的树木覆盖率损失。如果因自然原因造成的损失之后有打捞或清理记录，则归类为记录。
局限性：此产品无法区分天然森林的损失和人工林（例如种植园、树木作物或农林复合系统）的损失。与永久性农业、硬商品以及定居点和基础设施类别相关的树木覆盖率损失可大致代表森林砍伐（将森林永久性地转为其他土地用途），但这些类别有时可能包括砍伐人工林。例如，清理果园并重新种植果树属于永久性农业类别，但不是天然森林的毁林。同样，用木纤维人工林取代天然林与 2000 年之前建立的现有人工林中的常规采伐之间没有区别，因为这两者都包含在采伐类别中。
此产品会显示整个时间段内每个 1 公里网格中的主要驱动因素。如果多个驱动因素在较小规模的同一单元格中出现，该图表不会显示这些驱动因素；如果多个驱动因素在同一时间段内不同时间出现，该图表也不会详细说明驱动因素的序列。此外，这些数据的范围仅限于将驱动因素归因于全球森林变化 v1.10 树木覆盖率损失产品所映射的树木覆盖率损失，因此损失检测的准确性取决于该产品的准确性。
如需查看有关方法、技术规范、定义、准确性和限制的完整说明，请参阅以下出版物： https://doi.org/10.1088/1748-9326/add606。您还可以在 Zenodo 和 WRI Data Explorer 上下载该数据。
频段
波段
像素大小：1111.95 米（所有波段）
| 名称 | 最小值 | 最大值 | 缩放系数 | 像素尺寸 | 说明 |
|---|---|---|---|---|---|
classification |
1 | 7 | 1111.95 米 | 基于原始概率的最可能类别。 |
|
probability_1 |
0 | 250 | 0.004 | 1111.95 米 | “永久性农业”类别的概率（已缩放至 [0-250]）。 |
probability_2 |
0 | 250 | 0.004 | 1111.95 米 | “硬商品”类别的概率（已缩放至 [0-250]）。 |
probability_3 |
0 | 250 | 0.004 | 1111.95 米 | “轮耕”类别的概率（已缩放至 [0-250]）。 |
probability_4 |
0 | 250 | 0.004 | 1111.95 米 | “日志记录”类别的概率（已经过调整至 [0-250]）。 |
probability_5 |
0 | 250 | 0.004 | 1111.95 米 | “野火”类别的概率（已缩放至 [0-250]）。 |
probability_6 |
0 | 250 | 0.004 | 1111.95 米 | “定居点和基础设施”类别的概率（已缩放至 [0-250]）。 |
probability_7 |
0 | 250 | 0.004 | 1111.95 米 | “其他自然扰动”类的概率（已缩放至 [0-250]）。 |
分类类别表
| 值 | 颜色 | 说明 |
|---|---|---|
| 1 | #E39D29 | 永久性农业 |
| 2 | #E58074 | 硬商品 |
| 3 | #E9D700 | 轮耕 |
| 4 | #51A44E | 日志记录 |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | 定居点和基础设施 |
| 7 | #3A209A | 其他自然干扰 |
使用条款
使用条款
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 和 N. Harris。2025 年。“Global Drivers of Forest Loss at 1 Km Resolution.” Environmental Research Letters 20 (7): 074027. doi:10.1088/1748-9326/add606
通过 Earth Engine 探索
代码编辑器 (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);