Global Annual Mangrove Extent (1984-2023)

projects/mangrovedatahub2/assets/CGMD-Extent30
informacje

Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. Jeśli znajdziesz błędy, skontaktuj się z The Mangrove Lab lub wyświetl więcej zbiorów danych z katalogu Continuous Global Mangrove Dynamics. Więcej informacji o zbiorach danych wydawcy.

Właściciel katalogu
Continuous Global Mangrove Dynamics
Dostępność zbioru danych
1984-01-01T00:00:00Z–2023-12-31T23:59:59Z
Producent zbioru danych
Fragment kodu Earth Engine
FeatureCollection
ee.FeatureCollection("projects/mangrovedatahub2/assets/CGMD-Extent30")
FeatureView
ui.Map.FeatureViewLayer("projects/mangrovedatahub2/assets/CGMD-Extent30_FeatureView")
Tagi
annual coastal forest-biomass global landsat-derived landuse-landcover mangrove mangrovedatahub2 publisher-dataset table wetland

Opis

Zbiór danych CGMD-Extent30 (Continuous Global Mangrove Dynamics – roczny zasięg lasów namorzynowych w skali globalnej w rozdzielczości 30 m) zawiera informacje o rocznym zasięgu lasów namorzynowych na całym świecie w latach 1984–2023. Zbiór danych jest udostępniany jako pojedynczy element FeatureCollection w Earth Engine, a każdy element reprezentuje zmapowany wielokąt lasu namorzynowego w danym roku.

Zbiór danych został wygenerowany na podstawie długoterminowych obserwacji z satelity Landsat w ramach platformy Google Earth Engine. Najpierw zmapowaliśmy zasięg lasów namorzynowych w 3 okresach bazowych (lata 80., 2010 i 2023) przy użyciu kompozytów Landsat bez chmur, wcześniejszych globalnych map lasów namorzynowych, automatycznie wygenerowanych próbek szkoleniowych, zlokalizowanych klasyfikatorów uczenia maszynowego i poprawek po klasyfikacji. Następnie zidentyfikowaliśmy rzeczywistą utratę i przyrost lasów namorzynowych między okresami bazowymi za pomocą procedury wykrywania zmian, a roczne mapy zasięgu lasów namorzynowych w latach pośrednich zostały zrekonstruowane za pomocą algorytmu spójności czasowej.

Zbiór danych został zweryfikowany przy użyciu niezależnych próbek referencyjnych. W przypadku statycznego zasięgu lasów namorzynowych globalna dokładność użytkownika i producenta wynosiła około 90%. W przypadku zmian w lasach namorzynowych, w tym utraty i przyrostu, dokładność użytkownika i producenta wynosiła około 80%.

Ten zbiór danych jest przeznaczony do analizy na dużą skalę długoterminowej dynamiki obszarów lasów namorzynowych, w tym utraty, przyrostu i trwałości, monitorowania ekosystemów przybrzeżnych oraz oceny niebieskiego węgla.

Ponieważ zbiór danych jest udostępniany w rocznej rozdzielczości czasowej, czas wykrytych zmian należy interpretować w skali rocznej. Zmiany, które zaszły pod koniec roku kalendarzowego, mogą zostać wykryte na następnej rocznej mapie, co może spowodować przesunięcie czasowe o maksymalnie 1 rok. Ponadto przejściowe straty lasów namorzynowych trwające krócej niż 3 lata zostały potraktowane jako degradacja, a nie trwała utrata zasięgu. Dlatego te obszary pozostają sklasyfikowane jako lasy namorzynowe w rocznym produkcie zasięgu. Aby szybko wizualizować dane i przeprowadzać analizy eksploracyjne, użytkownicy mogą korzystać z aplikacji CGMD Earth Engine.

Schemat tabeli

Schemat tabeli

Nazwa Typ Opis
rok INT

Rok danych, od 1984 do 2023.

gridcode INT

Flaga źródłowa dla zmapowanego zasięgu lasów namorzynowych. Wartość 1 oznacza zasięg uzyskany na podstawie wyraźnych obserwacji z satelity Landsat, a wartość 2 oznacza zasięg uzupełniony przy użyciu najnowszej dostępnej wyraźnej obserwacji z satelity Landsat.

area_km2 LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI

Powierzchnia wielokąta w kilometrach kwadratowych obliczona w projekcji Behrmanna.

Warunki korzystania z usługi

Warunki korzystania z usługi

Podziękowania

Użytkownicy powinni cytować powiązany artykuł naukowy i rekord danych Zenodo, gdy używają tego zbioru danych w publikacjach lub produktach pochodnych.

Licencja

Zbiór danych jest objęty licencją CC-BY 4.0.

Cytaty

Cytowanie:
  • Zhang, Z., Murray, N., Song, X., ... &Friess, D. (2026). Unexpected expansion and regrowth in Earth's mangrove forests over the past four decades. Science. https://doi.org/10.1126/science.aec9773

  • Zhang, Z., Murray, N., Song, X., ... &Friess, D. (2026). Unexpected expansion and regrowth in Earth's mangrove forests over the past four decades. Science. https://doi.org/10.1126/science.aec9773

DOI

Odkrywaj za pomocą Earth Engine

Edytor kodu (JavaScript)

// Define the data variable for CGMD-Extent30
var dataset = ee.FeatureCollection('projects/mangrovedatahub2/assets/CGMD-Extent30');

// Define the year for visualization
var year = 2023;

// Load the extent layer for the year 2023
var extent = dataset.filter(ee.Filter.eq('year', year));

// Center the map on the image with a zoom level of 8 (covers Bintuni Bay, Indonesia)
Map.setCenter(133.3826, -2.3649, 8);

// Add the layer to the map
Map.addLayer(extent, {color: '006400'}, 'Mangrove extent, ' + year);
Otwórz w edytorze kodu

Wyświetlanie jako FeatureView

FeatureView to przyspieszona reprezentacja FeatureCollection tylko do odczytu. Więcej informacji znajdziesz w FeatureView dokumentacji.

Edytor kodu (JavaScript)

var year = 2023;
var fvLayer = ui.Map.FeatureViewLayer(
  'projects/mangrovedatahub2/assets/CGMD-Extent30_FeatureView'
);
fvLayer.setVisParams({
  rules: [
    {
      filter: ee.Filter.neq('year', year),
      isVisible: false
    }
  ]
});
fvLayer.setName('CGMD mangrove extent ' + year);
Map.setCenter(133.3826, -2.3649, 8);
Map.add(fvLayer);
Otwórz w edytorze kodu