MapBiomas Land Use and Land Cover - Brazil V1.0

پروژه‌ها/mapbiomas-public/assets/brazil/lulc/v1
اطلاعات

این مجموعه داده‌ها بخشی از کاتالوگ Publisher است و توسط Google Earth Engine مدیریت نمی‌شود. برای اطلاع از اشکالات یا مشاهده مجموعه داده‌های بیشتر از کاتالوگ MapBiomas با contato@mapbiomas.org تماس بگیرید. درباره مجموعه داده‌های Publisher بیشتر بدانید .

مالک کاتالوگ
نقشهبیوما
در دسترس بودن مجموعه داده‌ها
1985-01-01T00:00:00Z–2024-12-31T00:00:00Z
ارائه دهنده مجموعه داده
تماس
contato@mapbiomas.org
قطعه کد موتور زمین
ee.ImageCollection("projects/mapbiomas-public/assets/brazil/lulc/v1")
برچسب‌ها
داده‌های منتشر شده از لندست، کاربری اراضی ، پوشش زمین ، نقشه زیست توده‌ها، عمومی

توضیحات

مجموعه داده‌های کاربری و پوشش اراضی MapBiomas (LULC) برای برزیل، سالانه توسط پروژه MapBiomas با استفاده از تصاویر ماهواره‌ای لندست و تکنیک‌های طبقه‌بندی یادگیری ماشینی تولید می‌شود. این مجموعه داده‌ها نقشه‌های موضوعی منسجم و دقیقی با وضوح 30 متر ارائه می‌دهد که چندین دهه را پوشش می‌دهد و هر ساله به‌روزرسانی می‌شود.

هر تصویر در این مجموعه شامل طبقه‌بندی‌های سالانه پوشش زمین با مقادیر پیکسلی است که نشان‌دهنده طبقات پوشش زمین طبقه‌بندی‌شده مانند جنگل، کشاورزی، مرتع، پهنه‌های آبی و مناطق شهری است. راهنمای طبقه‌بندی در تمام سال‌ها استانداردسازی و نگهداری می‌شود و امکان تجزیه و تحلیل‌های چندزمانه از تغییر کاربری زمین، جنگل‌زدایی، احیای جنگل و سایر پویایی‌های چشم‌انداز را فراهم می‌کند.

این طبقه‌بندی بر اساس داده‌های بازتاب سطحی لندست ۵ (TM)، لندست ۷ (ETM+)، لندست ۸ و ۹ (OLI/TIRS) انجام شده است که پیش‌پردازش و موزاییک‌بندی شده‌اند تا ترکیبات بدون ابر برای هر سال تولید شود. فرآیند طبقه‌بندی شامل درخت‌های تصمیم‌گیری خودکار آموزش‌دیده با نمونه‌های مرجع، همراه با اعتبارسنجی دستی توسط کارشناسان منطقه‌ای است.

هر تصویر شامل یک باند به نام «طبقه‌بندی» است که نشان‌دهنده طبقه‌بندی پوشش زمین برای آن سال، نسخه و شناسه مجموعه خاص است.

برای اطلاعات بیشتر، راهنمای طبقه‌بندی، روش‌شناسی و ارزیابی دقت، به وب‌سایت MapBiomas مراجعه کنید.

توصیه می‌شود برای تفسیر مقادیر کلاس، به راهنمای طبقه‌بندی مراجعه کنید. توجه داشته باشید که MapBiomas نقشه‌های طبقه‌بندی گسسته ارائه می‌دهد، نه احتمالات. این نقشه‌ها برای انتقال نقشه، تحلیل سری‌های زمانی و برنامه‌های نظارت بر سیاست‌های زمین مناسب‌تر هستند.

باندها

اندازه پیکسل
۳۰ متر

باندها

نام اندازه پیکسل توضیحات
classification متر

طبقه‌بندی کاربری و پوشش زمین، با مقادیر صحیح مربوط به کلاس‌های راهنمای MapBiomas.

جدول کلاس طبقه‌بندی

ارزش رنگ توضیحات
۱ #1f8d49

جنگل

۳ #1f8d49

تشکیل جنگل

۴ #7dc975

سازند ساوانا

۵ #04381d

حرا

۶ #۰۰۷۷۸۵

جنگل سیل‌گیر

۹ #7a5900

مزارع جنگلی

۱۰ #d6bc74

پوشش گیاهی علفی و درختچه‌ای

۱۱ #۵۱۹۷۹۹

تالاب

۱۲ #d6bc74

علفزار

۱۴ #ffefc3

کشاورزی

۱۵ #edde8e

مرتع

۱۸ #e974ed

کشاورزی

۱۹ #c27ba0

برداشت موقت

۲۰ #db7093

نیشکر

۲۱ #ffefc3

موزاییکی از کاربردها

۲۲ #d4271e

منطقه بدون پوشش گیاهی

۲۳ #ffa07a

ساحل، تپه شنی و ماسه‌ای

۲۴ #d4271e

منطقه شهری

۲۵ #db4d4f

سایر مناطق بدون پوشش گیاهی

۲۶ #2532e4

آب

۲۹ #ffaa5f

رخنمون سنگی

۳۰ #9c0027

معدنکاری

۳۱ #۰۹۱۰۷۷

آبزی‌پروری

۳۲ #fc8114

پهنه جزر و مدی فوق شور

۳۳ #2532e4

رودخانه، دریاچه و اقیانوس

۳۵ #9065d0

روغن پالم

۳۶ #d082de

محصول چند ساله

۳۹ #f5b3c8

سویا

۴۰ #c71585

برنج

۴۱ #f54ca9

سایر محصولات موقت

۴۶ #d68fe2

قهوه

۴۷ #۹۹۳۲سی‌سی

مرکبات

۴۸ #e6ccff

سایر محصولات چند ساله

۴۹ #02d659

پوشش گیاهی ساحلی جنگلی

۵۰ #ad5100

پوشش گیاهی علفی کناره شن

۶۲ #ff69b4

پنبه (بتا)

۷۵ #c12100

نیروگاه فتوولتائیک (نسخه بتا)

ویژگی‌های تصویر

ویژگی‌های تصویر

نام نوع توضیحات
سال داخلی

سال طبقه‌بندی کاربری و پوشش زمین

نسخه رشته

نسخه طبقه‌بندی کاربری و پوشش زمین

شناسه مجموعه دو برابر

شناسه مجموعه طبقه‌بندی کاربری و پوشش زمین.

شرایط استفاده

شرایط استفاده

CC-BY-4.0

نقل قول‌ها

نقل قول ها:
  • سوزا و همکاران (۲۰۲۰) – بازسازی سه دهه تغییرات کاربری و پوشش زمین در زیست‌بوم‌های برزیل با استفاده از بایگانی لندست و موتور زمین – سنجش از دور، جلد ۱۲، شماره ۱۷، ۱۰.۳۳۹۰/rs۱۲۱۷۲۷۳۵.

    doi:10.3390/rs12172735

DOI ها

با موتور زمین کاوش کنید

ویرایشگر کد (جاوااسکریپت)

/**
  MapBiomas Collection 10 - LULC Visualization for 2024
*/

// Define the asset path for MapBiomas Collection 10
var assetPath = 'projects/mapbiomas-public/assets/brazil/lulc/v1';

// Define the year for visualization
var year = 2024;

// Load the classified image for the year 2024 from Collection 10
var collection = ee.ImageCollection(assetPath)
	.filter(ee.Filter.eq('collection_id', 10.0))
	.filter(ee.Filter.eq('version', 'v1'))
	.filter(ee.Filter.eq('year', year));

// Define visualization parameters
var visParams = {
	min: 0,
	max: 75,  // Maximum class value in Collection 10
	palette: [
		'ffffff',  // [0] Not Observed
		'32a65e',  // [1] --
		'32a65e',  // [2] --
		'1f8d49',  // [3] Forest Formation
		'7dc975',  // [4] Savanna Formation
		'04381d',  // [5] Mangrove
		'026975',  // [6] Floodable Forest
		'000000',  // [7] --
		'000000',  // [8] --
		'7a6c00',  // [9] Forest Plantation
		'ad975a',  // [10] --
		'519799',  // [11] Wetland
		'd6bc74',  // [12] Grassland
		'd89f5c',  // [13] Other Non Forest Formations
		'FFFFB2',  // [14] --
		'edde8e',  // [15] Pasture
		'000000',  // [16] --
		'000000',  // [17] --
		'f5b3c8',  // [18] Agriculture
		'C27BA0',  // [19] --
		'db7093',  // [20] Sugar Cane
		'ffefc3',  // [21] Mosaic of Uses
		'db4d4f',  // [22] Non vegetated area
		'ffa07a',  // [23] Beach, Dune and Sand Spot
		'd4271e',  // [24] Urban Area
		'db4d4f',  // [25] Other Non Vegetated Areas
		'0000FF',  // [26] --
		'000000',  // [27] --
		'000000',  // [28] --
		'ffaa5f',  // [29] Rocky Outcrop
		'9c0027',  // [30] Mining
		'091077',  // [31] Aquaculture
		'fc8114',  // [32] Hypersaline Tidal Flat
		'2532e4',  // [33] Rivers, Lakes and Ocean
		'93dfe6',  // [34] Glacier
		'9065d0',  // [35] --
		'd082de',  // [36] --
		'000000',  // [37] --
		'000000',  // [38] --
		'f5b3c8',  // [39] Soybean
		'c71585',  // [40] Rice
		'f54ca9',  // [41] Other Temporary Crops
		'cca0d4',  // [42] --
		'dbd26b',  // [43] --
		'807a40',  // [44] --
		'e04cfa',  // [45] --
		'd68fe2',  // [46] Coffee
		'9932cc',  // [47] Citrus
		'e6ccff',  // [48] Other Perennial Crops
		'02d659',  // [49] Wooded Sandbank Vegetation
		'ad5100',  // [50] Herbaceous Sandbank Vegetation
		'000000',  // [51] --
		'000000',  // [52] --
		'000000',  // [53] --
		'000000',  // [54] --
		'000000',  // [55] --
		'000000',  // [56] --
		'CC66FF',  // [57] --
		'FF6666',  // [58] --
		'006400',  // [59] --
		'8d9e8b',  // [60] --
		'f5d5d5',  // [61] Salt Flats
		'ff69b4',  // [62] Cotton
		'ebf8b5',  // [63] --
		'000000',  // [64] --
		'000000',  // [65] --
		'91ff36',  // [66] --
		'7dc975',  // [67] --
		'e97a7a',  // [68] --
		'0fffe3',  // [69] Coral Reefs
		'000000',  // [70] --
		'000000',  // [71] --
		'000000',  // [72] --
		'000000',  // [73] --
		'000000',  // [74] --
		'c12100',  // [75] Photovoltaic Power Plant
	]
};

// Add the layer to the map
Map.addLayer(collection, visParams, 'MapBiomas LULC 2024');

// Center the map on the image with a zoom level of 5 (covers Brazil)
Map.centerObject(collection, 5);
باز کردن در ویرایشگر کد