이 데이터 세트는 게시자 카탈로그에 포함되어 있으며 Google Earth Engine에서 관리하지 않습니다. 버그가 있는 경우 Land & Carbon Lab 에 문의하거나 Land & Carbon Lab 카탈로그에서 더 많은 데이터 세트 를 확인하세요. 게시자 데이터 세트에 대해 자세히 알아보세요.
- 카탈로그 소유자
- Land &Carbon Lab
- 데이터 세트 제공
- 2001-01-01T00:00:00Z–2026-01-01T00:00:00Z
- 데이터 세트 출처
- 세계자원연구소 Google DeepMind
- 문의
- Land &Carbon Lab
- 태그
설명
이 데이터 세트는 2001~2025년 전 세계의 1km 해상도에서 트리 캐노피 손실의 주요 원인을 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind에서 제작한 이 데이터는 매우 높은 해상도의 위성 이미지를 시각적으로 해석하여 수집한 샘플 세트를 학습한 전 세계 신경망 모델 (ResNet)을 사용하여 개발되었습니다. 이 모델은 위성 이미지 (Landsat 7 및 8, Sentinel-2)와 보조 데이터를 사용하여 영구 농업, 내구재, 이동식 재배, 벌목, 산불, 정착지 및 인프라, 기타 자연적 교란의 7가지 원인 카테고리를 분류했습니다. 매우 높은 해상도의 위성 이미지 해석을 통해 수집된 독립적인 계층화된 무작위 샘플을 사용하여 지도의 정확도를 추정했습니다.
원인 은 트리 캐노피 손실의 직접적인 원인으로 정의되며 일시적인 교란 (자연적 또는 인위적) 또는 비산림 토지 사용으로의 변경 (예: 산림파괴)으로 인한 트리 캐노피의 영구적인 손실을 모두 포함할 수 있습니다. 주요 원인은 해당 기간 동안 각 1km 셀 내에서 트리 캐노피 손실의 대부분을 일으킨 직접적인 원인으로 정의됩니다. 클래스는 다음과 같이 정의됩니다.
- 영구 농업: 소규모에서 대규모 농업을 위한 장기적이고 영구적인 트리 캐노피 손실입니다. 여기에는 다년생 나무 작물뿐만 아니라 휴경 기간이 포함될 수 있는 목초지, 계절 작물, 작물 시스템이 포함됩니다. 농업 활동은 트리 캐노피 손실 이벤트 이후에도 지속되고 일시적인 재배 주기의 일부가 아니라는 가시적인 증거가 있는 경우 "영구적"으로 간주됩니다.
- 내구재: 광업 또는 에너지 인프라의 구축 또는 확장으로 인한 손실입니다.
- 이동식 재배: 일시적인 재배를 위해 소규모에서 중규모로 벌채한 후 버려지고 후속적으로 2차림 또는 초목이 다시 자라는 트리 캐노피 손실입니다.
- 벌목: 관리되는 천연림 또는 반자연림 및 조림지 내에서 발생하는 산림 관리 및 벌목 활동으로, 종종 후속 연도에 산림 재생 또는 식재의 증거가 있습니다. 개벌 및 선택적 벌목, 벌목 도로 건설, 산림 간벌, 벌채된 나무의 재활용 또는 위생 벌목이 포함됩니다.
- 산불: 이후에 눈에 띄는 인간의 전환 또는 농업 활동이 없는 화재로 인한 트리 캐노피 손실입니다. 화재는 자연적 원인 (예: 번개)으로 인해 발생할 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 트리 캐노피 손실입니다.
- 기타 자연적 교란: 화재가 아닌 기타 자연적 교란 (예: 산사태, 곤충 발생, 하천 곡류)으로 인한 트리 캐노피 손실입니다. 자연적 원인으로 인한 손실 후 벌채된 나무의 재활용 또는 위생 벌목이 이루어지면 벌목으로 분류됩니다.
제한사항: 이 제품은 천연림과 식재된 나무 (예: 조림지, 나무 작물, 농림업 시스템)의 손실을 구분하지 않습니다. 영구 농업, 내구재, 정착지 및 인프라 클래스와 관련된 트리 캐노피 손실은 삼림 벌채 (산림을 다른 토지 사용으로 영구적으로 전환)를 거의 정확하게 나타내지만 이러한 클래스에는 때때로 식재된 나무의 벌채가 포함될 수 있습니다. 예를 들어 과수원을 벌채하고 다시 심는 것은 영구 농업 클래스에 포함되지만 천연림의 삼림 벌채는 아닙니다. 마찬가지로 천연림을 목재 섬유 조림지로 대체하는 것은 2000년 이전에 조성된 기존 조림지 내의 일상적인 수확과 구분되지 않으며 둘 다 벌목 클래스에 포함됩니다.
이 제품은 전체 기간 동안 각 1km 셀의 주요 원인을 보여줍니다. 더 작은 규모로 동일한 셀에서 여러 원인이 발생하더라도 여러 원인을 보여주지 않으며, 기간 내에 서로 다른 시간에 여러 원인이 발생하더라도 원인의 순서를 자세히 설명하지 않습니다. 또한 이 데이터는 Global Forest Change v1.13 나무 덮개 손실 제품에서 매핑한 대로 나무 덮개 손실에 원인을 부여하는 범위로 제한되므로 손실 감지는 해당 제품의 정확도에 따라 달라집니다.
방법, 기술 사양, 정의, 정확도, 제한사항에 대한 자세한 설명은 다음 간행물을 참고하세요: https://doi.org/10.1088/1748-9326/add606. 이 데이터는 Zenodo 및 WRI 데이터 탐색기에서도 다운로드할 수 있습니다.
대역
대역
픽셀 크기: 1111.95m (모든 대역)
| 이름 | 최소 | 고속 충전 | 배율 | 픽셀 크기 | 설명 |
|---|---|---|---|---|---|
classification |
1 | 7 | 1111.95m | 원시 확률을 기반으로 할 가능성이 가장 높은 클래스입니다. |
|
probability_1 |
0 | 250 | 0.004 | 1111.95m | '영구 농업' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_2 |
0 | 250 | 0.004 | 1111.95m | '내구재' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_3 |
0 | 250 | 0.004 | 1111.95m | '이동식 재배' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_4 |
0 | 250 | 0.004 | 1111.95m | '벌목' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_5 |
0 | 250 | 0.004 | 1111.95m | '산불' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_6 |
0 | 250 | 0.004 | 1111.95m | '정착지 및 인프라' 클래스의 확률입니다([0~250]으로 조정됨). |
probability_7 |
0 | 250 | 0.004 | 1111.95m | '기타 자연적 교란' 클래스의 확률입니다([0~250]으로 조정됨). |
classification 클래스 표
| 값 | 색상 | 설명 |
|---|---|---|
| 1 | #E39D29 | 영구 농업 |
| 2 | #E58074 | 내구재 |
| 3 | #E9D700 | 이동식 재배 |
| 4 | #51A44E | 벌목 |
| 5 | #895128 | Wildfire |
| 6 | #A354A0 | 정착지 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. 2025. '1km 해상도의 전 세계 삼림 벌채 원인'. 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_3_2001_2025'); 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, 2001-2025'); 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);