यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, Land & Carbon Lab से संपर्क करें या Land & Carbon Lab कैटलॉग से अन्य डेटासेट देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- Land & Carbon Lab
- डेटासेट की उपलब्धता
- 2001-01-01T00:00:00Z–2025-01-01T00:00:00Z
- डेटासेट प्रोड्यूसर
- World Resources Institute Google DeepMind
- संपर्क
- Land & Carbon Lab
- टैग
ब्यौरा
इस डेटासेट में, साल 2001 से 2024 तक दुनिया भर में पेड़ों की कटाई की मुख्य वजहों को मैप किया गया है. यह डेटा 1 कि॰मी॰ के रिज़ॉल्यूशन पर उपलब्ध है. इस डेटा को World Resources Institute (WRI) और Google DeepMind ने तैयार किया है. इसे तैयार करने के लिए, ग्लोबल न्यूरल नेटवर्क मॉडल (ResNet) का इस्तेमाल किया गया है. इस मॉडल को, बहुत ज़्यादा रिज़ॉल्यूशन वाली सैटलाइट इमेज की विज़ुअल व्याख्या से इकट्ठा किए गए सैंपल के सेट पर ट्रेन किया गया है. इस मॉडल ने सैटलाइट से मिली इमेज (Landsat 7 और 8, Sentinel-2) और सहायक डेटा का इस्तेमाल करके, सात कैटगरी में बदलावों को क्लासिफ़ाई किया: स्थायी कृषि, हार्ड कमोडिटी, झूम खेती, लॉगिंग, जंगल में लगने वाली आग, बस्तियां और बुनियादी ढांचा, और अन्य प्राकृतिक आपदाएं. मैप की सटीकता का अनुमान लगाने के लिए, बहुत ज़्यादा रिज़ॉल्यूशन वाली सैटलाइट इमेज की व्याख्या के ज़रिए इकट्ठा किए गए, स्वतंत्र स्तरित रैंडम सैंपल का इस्तेमाल किया गया था.
ड्राइवर को पेड़ के आवरण के नुकसान की सीधी वजह के तौर पर परिभाषित किया जाता है.इसमें अस्थायी गड़बड़ियां (प्राकृतिक या मानवजनित) या वन भूमि के इस्तेमाल में बदलाव की वजह से पेड़ के आवरण का स्थायी नुकसान शामिल हो सकता है. जैसे, वन कटाई. सबसे ज़्यादा असर डालने वाली वजह को, सीधे तौर पर असर डालने वाली ऐसी वजह के तौर पर तय किया जाता है जिसकी वजह से, तय समय में हर एक किलोमीटर के सेल में सबसे ज़्यादा पेड़ कम हुए. क्लास इस तरह से तय की जाती हैं:
- स्थायी कृषि: छोटे से लेकर बड़े पैमाने पर की जाने वाली खेती के लिए, लंबे समय तक और हमेशा के लिए पेड़ों को काटा जाना. इसमें बारहमासी पेड़ की फ़सलें, चारागाह, और मौसमी फ़सलें शामिल हैं. साथ ही, इसमें फ़सल उगाने के ऐसे सिस्टम भी शामिल हैं जिनमें कुछ समय के लिए खेत को खाली छोड़ दिया जाता है. खेती से जुड़ी गतिविधियों को "स्थायी" तब माना जाता है, जब पेड़ के आवरण के नुकसान के बाद भी उनके जारी रहने का सबूत दिखता हो. साथ ही, वे कुछ समय के लिए की जाने वाली खेती का हिस्सा न हों.
- ठोस वस्तुएं: खनन या ऊर्जा अवसंरचना की स्थापना या विस्तार के कारण होने वाली हानि।
- घुमंतू खेती: छोटे से लेकर मध्यम स्तर तक की खेती के लिए, कुछ समय के लिए जंगल साफ़ करने की वजह से पेड़ों का नुकसान होता है. बाद में, इस जगह पर खेती नहीं की जाती है और यहां फिर से जंगल या वनस्पति उग जाती है.
- लकड़ी काटना: मैनेज किए गए, प्राकृतिक या कुछ-कुछ प्राकृतिक जंगलों और बागानों में, वन प्रबंधन और लकड़ी काटने की गतिविधियां. अक्सर, इनमें अगले सालों में जंगल के फिर से बढ़ने या पेड़ लगाने के सबूत मिलते हैं. इसमें पूरी तरह से कटाई और चुनिंदा कटाई, लकड़ी ढोने के लिए सड़कों का निर्माण, जंगल की कटाई, और बचाव या स्वच्छता के लिए कटाई शामिल है.
- जंगल में लगी आग: आग की वजह से पेड़ों का नुकसान हुआ हो. साथ ही, आग लगने के बाद, इंसानी गतिविधियों या खेती की वजह से कोई बदलाव न हुआ हो. आग लगने की वजहें प्राकृतिक हो सकती हैं. जैसे, बिजली गिरना. इसके अलावा, आग लगने की वजहें इंसानी गतिविधियां भी हो सकती हैं. जैसे, गलती से या जान-बूझकर आग लगाना.
- बस्तियां और बुनियादी ढांचा: सड़कों, बस्तियों, शहरी इलाकों या बने हुए बुनियादी ढांचे (अन्य क्लास से जुड़ा नहीं) के विस्तार और घनत्व की वजह से पेड़ों के कवर में कमी.
- प्राकृतिक आपदाओं की अन्य वजहें: आग के अलावा, अन्य प्राकृतिक आपदाओं की वजह से पेड़ों का नुकसान होना. जैसे, भूस्खलन, कीड़े-मकोड़ों का हमला, नदी का रास्ता बदलना. अगर प्राकृतिक वजहों से होने वाले नुकसान के बाद, सामान को ठीक करने या साफ़ करने की जानकारी लॉग की जाती है, तो इसे लॉगिंग के तौर पर क्लासिफ़ाई किया जाता है.
सीमाएं: यह प्रॉडक्ट, प्राकृतिक जंगल और लगाए गए पेड़ों (जैसे, बागान, पेड़ वाली फ़सलें या एग्रोफ़ॉरेस्ट्री सिस्टम) के नुकसान के बीच अंतर नहीं करता है. जबकि वृक्ष आवरण का नुकसान, जो `स्थायी कृषि`, `कठोर वस्तुओं` और `बस्तियों और बुनियादी ढांचे` श्रेणियों से जुड़ा है, वनों की कटाई (वन का स्थायी रूप से किसी अन्य भूमि उपयोग में परिवर्तन) का लगभग सटीक प्रतिनिधित्व करता है, इन श्रेणियों में कभी-कभी रोपित वृक्षों की कटाई भी शामिल हो सकती है। उदाहरण के लिए, किसी बाग़ को साफ़ करके दोबारा पेड़ लगाने को स्थायी कृषि क्लास में शामिल किया जाएगा. हालांकि, इसे प्राकृतिक जंगल की कटाई नहीं माना जाता. इसी तरह, लकड़ी के फ़ाइबर वाले पेड़ों के लिए प्राकृतिक जंगल को काटने और साल 2000 से पहले लगाए गए मौजूदा पेड़ों की कटाई में कोई अंतर नहीं किया जाता. ऐसा इसलिए, क्योंकि इन दोनों को लॉगिंग क्लास में शामिल किया जाता है.
यह प्रॉडक्ट, पूरी अवधि के दौरान हर एक किलोमीटर के सेल में सबसे ज़्यादा असर डालने वाले ड्राइवर को दिखाता है. अगर एक ही सेल में कम समय के अंदर कई ड्राइवर बदलते हैं, तो यह चार्ट उन्हें नहीं दिखाता. साथ ही, अगर तय समयावधि में अलग-अलग समय पर कई ड्राइवर बदलते हैं, तो यह चार्ट उनके क्रम के बारे में भी जानकारी नहीं देता. इसके अलावा, इन डेटा का दायरा सीमित है. इनका इस्तेमाल, Global Forest Change v1.12 के ट्री कवर लॉस प्रॉडक्ट के ज़रिए मैप किए गए ट्री कवर लॉस के लिए, ड्राइवर एट्रिब्यूट करने के लिए किया जाता है. इसलिए, लॉस का पता लगाना, उस प्रॉडक्ट की सटीकता पर निर्भर करता है.
तरीकों, तकनीकी खासियतों, परिभाषाओं, सटीकता, और सीमाओं के बारे में पूरी जानकारी के लिए, कृपया यह पब्लिकेशन देखें: https://doi.org/10.1088/1748-9326/add606. यह डेटा, Zenodo और WRI Data Explorer पर भी डाउनलोड करने के लिए उपलब्ध है.
बैंड
पिक्सल का साइज़
1,111.95 मीटर
बैंड
| नाम | कम से कम | ज़्यादा से ज़्यादा | स्केल | पिक्सल का साइज़ | ब्यौरा |
|---|---|---|---|---|---|
classification |
1 | 7 | मीटर | कच्ची संभावनाओं के आधार पर सबसे संभावित क्लास. |
|
probability_1 |
0 | 250 | 0.004 | मीटर | "स्थायी कृषि" क्लास की संभावना (इसे [0-250] के हिसाब से स्केल किया गया है). |
probability_2 |
0 | 250 | 0.004 | मीटर | "कठिन वस्तुओं" वर्ग की संभावना (0-250 के पैमाने पर)। |
probability_3 |
0 | 250 | 0.004 | मीटर | "शिफ़्टिंग कल्टिवेशन" क्लास की संभावना (0 से 250 के बीच). |
probability_4 |
0 | 250 | 0.004 | मीटर | "Logging" क्लास की संभावना (इसे [0-250] के हिसाब से स्केल किया गया है). |
probability_5 |
0 | 250 | 0.004 | मीटर | "जंगल में आग" क्लास की संभावना (इसे [0-250] के हिसाब से स्केल किया गया है). |
probability_6 |
0 | 250 | 0.004 | मीटर | "बस्तियां और बुनियादी ढांचा" क्लास की संभावना (0 से 250 के बीच). |
probability_7 |
0 | 250 | 0.004 | मीटर | "अन्य प्राकृतिक गड़बड़ियां" क्लास की संभावना (इसे [0-250] के हिसाब से स्केल किया गया है). |
कैटगरी के हिसाब से क्लास टेबल
| मान | रंग | ब्यौरा |
|---|---|---|
| 1 | #E39D29 | स्थायी कृषि |
| 2 | #E58074 | ठोस वस्तुएँ |
| 3 | #E9D700 | स्थानांतरित खेती |
| 4 | #51A44E | लॉग इन हो रहा है |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | सेटलमेंट और इन्फ़्रास्ट्रक्चर |
| 7 | #3A209A | प्राकृतिक रूप से होने वाली अन्य गड़बड़ियां |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
उद्धरण
सिम्स, एम॰जे॰, आर॰ स्टैनिमिरोवा, ए. Raichuk, M. न्यूमन, जे. रिक्टर, एफ़॰ Follett, J. मैकार्थी, के॰ लिस्टर, सी॰ रैंडल, एल॰ स्लोट, ई॰ एसिपोवा, जे. जुपिटर, सी. स्टैंटन, डी॰ मॉरिस, सी॰एम॰ स्ले, डी॰ Purves, and N. हैरिस. 2025. “Global Drivers of Forest Loss at 1 Km Resolution.” Environmental Research Letters 20 (7): 074027. doi:10.1088/1748-9326/add606
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (JavaScript)
Map.setCenter(-9.22,20.65,3) var drivers = ee.Image('projects/landandcarbon/assets/wri_gdm_drivers_forest_loss_1km/v1_2_2001_2024'); 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, 2001-2024'); 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);