這個資料集屬於發布商目錄，並非由 Google Earth Engine 管理。 如有錯誤，請與 Land & Carbon Lab 聯絡，或查看更多資料集，進一步瞭解發布商資料集。
- 目錄擁有者
- 土地與碳排放實驗室
- 資料集可用性
- 2001-01-01T00:00:00Z–2025-01-01T00:00:00Z
- 資料集供應來源
- 世界資源研究所 Google DeepMind
- 聯絡資訊
- 土地與碳排放實驗室
- 標記
說明
這項資料集以 1 公里解析度，繪製出 2001 年至 2024 年全球樹木覆蓋面積減少的主要原因。這項資料由世界資源研究所 (WRI) 和 Google DeepMind 製作，是透過全球類神經網路模型 (ResNet) 訓練而成，訓練資料集是透過視覺解讀超高解析度衛星圖像所收集的樣本。這項模型使用衛星影像 (Landsat 7 和 8、Sentinel-2) 和輔助資料，將驅動因素分為七大類：永久農業、硬商品、輪耕、伐木、野火、聚落和基礎架構，以及其他自然干擾。我們透過解讀超高解析度衛星圖像，收集獨立分層隨機樣本，藉此估算地圖的準確度。
驅動因素是指樹木覆蓋面積減少的直接原因，可能包括暫時性干擾 (自然或人為) 或因土地用途變更為非森林用途 (例如森林砍伐) 而導致樹木覆蓋面積永久減少。主要驅動因素是指在一段時間內，導致每個 1 公里格內樹木覆蓋面積損失的主要直接驅動因素。類別定義如下：
- 永久農業：小規模到大規模農業長期造成的永久樹木覆蓋損失。 包括多年生樹木作物，以及牧草、季節性作物和耕作系統 (可能包括休耕期)。如果樹木覆蓋面積減少後，仍有明顯證據顯示農業活動持續進行，且不屬於臨時耕作週期，則視為「永久」農業活動。
- 硬商品：因建立或擴建採礦或能源基礎架構而造成的損失。
- 游耕：為暫時耕作而進行中小規模的砍伐，導致樹木覆蓋面積減少，之後耕作地會廢棄，並重新長出次生林或植被。
- 伐木：在受管理、天然或半天然的森林和造林地進行森林管理和伐木活動，通常有證據顯示後續幾年森林重新生長或種植。包括皆伐和擇伐、建立伐木道路、森林疏伐，以及搶救或衛生伐木。
- 野火：火災導致樹木覆蓋面積減少，且之後沒有明顯的人為轉換或農業活動。火災可能是自然因素 (例如閃電) 造成，也可能與人為活動 (意外或蓄意) 有關。
- 聚落和基礎架構：因道路、聚落、市區或基礎架構擴建和密集化而造成的樹木覆蓋損失 (與其他類別無關)。
- 其他自然干擾：因其他非火災的自然干擾而導致樹木覆蓋面積減少 (例如山崩、蟲害爆發、河流蜿蜒)。如果自然原因造成的損失後續有記錄搶救或衛生處理，則會歸類為記錄。
限制：這項產品無法區分天然森林和種植樹木 (例如造林地、樹木作物或農林業系統) 的損失。與永久農業、硬商品和住區和基礎架構類別相關的樹木覆蓋損失，可做為森林砍伐 (森林永久轉為其他土地用途) 的近似值，但這些類別有時可能包含清除種植的樹木。舉例來說，清除果園並重新種植屬於永久農業類別，但並非砍伐天然森林。同樣地，以木纖維種植園取代天然森林，與 2000 年前建立的現有種植園內例行收成作業，兩者都屬於伐木類別，因此不會區分。
這項產品會顯示整個期間內，每個 1 公里格線中的主要駕駛人。如果多個驅動因素出現在同一儲存格中，且規模較小，系統不會顯示這些因素；如果多個驅動因素在同一期間的不同時間發生，系統也不會詳細列出這些因素的順序。此外，這些資料的範圍僅限於將驅動因素歸因於樹木覆蓋損失，如全球森林變化 v1.12 樹木覆蓋損失產品所繪製的內容，因此損失偵測結果會受到該產品準確度的影響。
如需方法、技術規格、定義、準確度和限制的完整說明，請參閱這篇出版物： https://doi.org/10.1088/1748-9326/add606。 您也可以在 Zenodo 和 WRI 資料瀏覽器下載資料。
錶帶
像素大小
1111.95 公尺
波段
| 名稱 | 最小值 | 最大值 | 規模 | 像素大小 | 說明 |
|---|---|---|---|---|---|
classification |
1 | 7 | 公尺 | 根據原始機率判斷最有可能的類別。 |
|
probability_1 |
0 | 250 | 0.004 | 公尺 | 「永久農業」類別的機率 (已縮放至 [0-250])。 |
probability_2 |
0 | 250 | 0.004 | 公尺 | 「硬性商品」類別的機率 (縮放至 [0-250])。 |
probability_3 |
0 | 250 | 0.004 | 公尺 | 「輪耕」類別的機率 (縮放至 [0-250])。 |
probability_4 |
0 | 250 | 0.004 | 公尺 | 「記錄」類別的機率 (已縮放至 [0-250])。 |
probability_5 |
0 | 250 | 0.004 | 公尺 | 「野火」類別的機率 (縮放至 [0-250])。 |
probability_6 |
0 | 250 | 0.004 | 公尺 | 「結算和基礎架構」類別的機率 (縮放至 [0-250])。 |
probability_7 |
0 | 250 | 0.004 | 公尺 | 「其他自然干擾」類別的機率 (縮放至 [0-250])。 |
分類類別表
| 值 | 顏色 | 說明 |
|---|---|---|
| 1 | #E39D29 | 永續農業 |
| 2 | #E58074 | 硬商品 |
| 3 | #E9D700 | 游耕 |
| 4 | #51A44E | 記錄 |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | 結算和基礎架構 |
| 7 | #3A209A | 其他自然干擾 |
使用條款
使用條款
參考資料
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. 哈里斯。2025 年。「Global Drivers of Forest Loss at 1 Km Resolution」。 Environmental Research Letters 20 (7)：074027。 doi:10.1088/1748-9326/add606
使用 Earth Engine 探索
程式碼編輯器 (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);