MapBiomas Land Use and Land Cover - Brazil V1.0

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

این مجموعه داده بخشی از «کاتالوگ ناشر» است و توسط Google Earth Engine مدیریت نمی‌شود. برای گزارش اشکال با contato@mapbiomas.org تماس بگیرید یا مجموعه داده‌های بیشتری از کاتالوگ MapBiomas مشاهده کنید. درباره مجموعه‌داده‌های «ناشر» بیشتر بدانید.

مالک کاتالوگ
MapBiomas
دردسترس بودن مجموعه داده
1985-01-01T00:00:00Z–2024-12-31T00:00:00Z
تولیدکننده مجموعه داده
تماس
contato@mapbiomas.org
تکه‌کد Earth Engine
ee.ImageCollection("projects/mapbiomas-public/assets/brazil/lulc/v1")
برچسب‌ها
landsat-derived landuse-landcover mapbiomas-public publisher-dataset

شرح

مجموعه داده‌های کاربری زمین و پوشش زمین (LULC) MapBiomas برای برزیل سالانه توسط پروژه MapBiomas بااستفاده از تصاویر ماهواره‌ای Landsat و تکنیک‌های طبقه‌بندی یادگیری ماشین تولید می‌شود. این مجموعه داده نقشه‌هایی با جزئیات موضوعی و سازگار با وضوح ۳۰ متری ارائه می‌دهد که چندین دهه را پوشش می‌دهد و هر سال به‌روز می‌شود.

هر تصویر در این مجموعه حاوی طبقه‌بندی‌های پوشش زمین سالانه با مقادیر پیکسل است که نشان‌دهنده کلاس‌های پوشش زمین طبقه‌بندی‌شده، مانند جنگل، کشاورزی، مرتع، پهنه‌های آبی، و مناطق شهری است. راهنمای طبقه‌بندی در تمام سال‌ها استانداردسازی و حفظ می‌شود و امکان تجزیه‌وتحلیل چندزمانه تغییر کاربری زمین، جنگل‌زدایی، بازجنگل‌کاری، و دیگر پویایی‌های چشم‌انداز را فراهم می‌کند.

این طبقه‌بندی براساس داده‌های بازتاب سطحی Landsat 5 (TM)،‏ Landsat 7 (ETM+)‎،‏ Landsat 8 و Landsat 9 (OLI/TIRS) است که پیش‌پردازش و موزاییک شده‌اند تا ترکیب‌های بدون ابر برای هر سال تولید شود. فرایند طبقه‌بندی شامل درخت‌های تصمیم‌گیری خودکار است که با نمونه‌های مرجع آموزش داده شده‌اند، به‌همراه اعتبارسنجی دستی توسط کارشناسان منطقه‌ای.

هر تصویر حاوی یک باند به‌نام «classification» است که طبقه‌بندی پوشش زمین را برای آن سال، نسخه، و شناسه مجموعه خاص نشان می‌دهد.

برای اطلاعات بیشتر، راهنمای طبقه‌بندی، روش‌شناسی، و ارزیابی‌های 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 سری زمانی، و برنامه‌های نظارت بر سیاست‌های اراضی مناسب‌ترین هستند.

باند

باند

اندازه پیکسل: ۳۰ متر (همه باندها)

نام اندازه پیکسل شرح
classification ‫۳۰ متر

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

classification Class Table

مقدار رنگ شرح
1 #1f8d49

جنگل

3 #1f8d49

درحال چیدمان جنگل

4 #7dc975

ساختار ساوانا

5 #04381d

Mangrove

6 #007785

جنگل سیلابی

9 #7a5900

جنگل‌کاری

10 #d6bc74

پوشش گیاهی علفی و بوته‌ای

11 #۵۱۹۷۹۹

آبخیزداری

12 #d6bc74

علف‌زار

14 #ffefc3

کشاورزی

15 #edde8e

مرتع

18 #e974ed

کشاورزی

19 #c27ba0

برش موقت

20 #db7093

نیشکر

21 #ffefc3

موزاییک کاربردها

22 #d4271e

منطقه بدون پوشش گیاهی

23 #ffa07a

ساحل، تپه شنی، و نقطه شنی

24 #d4271e

منطقه شهری

25 #db4d4f

سایر مناطق بدون پوشش گیاهی

26 #2532e4

آب

29 #ffaa5f

برون‌زد صخره‌ای

30 #9c0027

معدن‌کاری

31 #091077

آبزی پروری

32 #fc8114

دشت جزرومدی بسیار شور

33 #2532e4

رودخانه، دریاچه، و اقیانوس

35 #9065d0

روغن نخل

36 #d082de

محصول چندساله

39 #f5b3c8

سویا

40 #c71585

برنج

41 #f54ca9

سایر محصولات کشاورزی موقت

۴۶ #d68fe2

قهوه

۴۷ #9932cc

مرکبات

۴۸ #e6ccff

سایر محصولات چندساله

۴۹ #02d659

پوشش گیاهی تپه شنی جنگلی

50 #ad5100

پوشش گیاهی علفی تپه شنی

62 #ff69b4

پنبه (بتا)

۷۵ #c12100

نیروگاه فتوولتائیک (بتا)

مشخصات تصویر

ویژگی‌های تصویر

نام نوع شرح
سال INT

سال طبقه‌بندی کاربری زمین و پوشش خشکی.

نسخه رشته

نسخه طبقه‌بندی کاربری زمین و پوشش زمین.

collection_id دوبرابر

شناسه مجموعه طبقه‌بندی کاربری زمین و پوشش زمین.

شرایط استفاده

شرایط استفاده

CC-BY-4.0

نقل‌قول‌ها

نقل‌قول‌ها:
  • Souza et al. (2020) – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine – Remote Sensing, Volume 12, Issue 17, 10.3390/rs12172735.

    doi:10.3390/rs12172735

شناسه دیجیتال شیء

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

/**
  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»