Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an biosphere-models@google.com oder sehen Sie sich weitere Datasets aus dem Nature Trace-Katalog an. Hier finden Sie weitere Informationen zu Publisher-Datasets.
- Kataloginhaber
- Nature Trace
- Dataset-Verfügbarkeit
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- Ersteller des Datasets
- Tags
Beschreibung
Das Dataset „Forest Typology (ForTy) v1“ besteht aus einer globalen Wahrscheinlichkeitskarte pro Klasse mit einer Auflösung von 10 m, die alle Landflächen zwischen 65° S und 84° N für das Jahr 2020 abdeckt.
Die Typologie mit sechs Klassen entspricht den Definitionen der FAO und der EU-Verordnung über die Entwaldung (EUDR):
- Klasse 1 – Primärwald: Natürlicher Wald mit einheimischen Arten ohne sichtbare Anzeichen von durch Menschen verursachten Störungen.
- Klasse 2 – Natürlich nachwachsender Wald: Wälder, die hauptsächlich durch natürliche Regeneration entstanden sind, einschließlich Sekundärwälder, die sich von Störungen erholen, und Mischwälder, in denen die natürliche Regeneration dominiert.
- Klasse 3 – Planted Forest (Forstplantage): Wälder, die hauptsächlich durch Anpflanzen oder Aussäen angelegt wurden und deren Betriebsrotationsperiode 40 Jahre überschreitet.
- Klasse 4 – Plantagenwald: Intensiv bewirtschaftete Wälder mit einer oder zwei Arten, gleichmäßigem Alter, regelmäßigem Abstand und einer Umtriebszeit von höchstens 40 Jahren.
- Klasse 5 – Baumkulturen und Agroforstwirtschaft: Landwirtschaftliche Plantagen, auf denen andere Rohstoffe als Holz produziert werden (z.B. Ölpalmen, Kautschuk, Obstplantagen), einschließlich Agroforstsysteme. Gemäß EUDR als landwirtschaftliche Nutzung klassifiziert.
- Klasse 6 – Sonstiges Land: Alle Landnutzungen ohne Bäume, spärliche Gehölzvegetation (Kronendeckung < 10%), sonstiges bewaldetes Land, Bäume in städtischen Gebieten und kleine Baumflächen, die die Waldgrenzen nicht erreichen.
Der primäre Datensatz ist ein Raster mit fünf Bändern, das vorzeichenlose 8‑Bit-Ganzzahlwerte (0–250) enthält, die quantisierte Wahrscheinlichkeitswerte für jede der fünf Waldtypklassen darstellen. Die Wahrscheinlichkeit für die sechste Klasse („Anderes Land“) wird als Komplement berechnet: p_other = 250 − sum(p_i). Die Karte verwendet das UTM-Koordinatensystem (Universal Transverse Mercator).
Um den Wahrscheinlichkeitswert für die sechste Klasse „Anderes Land“ zu erhalten, müssen Sie die Summe der ersten fünf Wahrscheinlichkeiten von 250 subtrahieren. Eine kategorische Karte kann abgeleitet werden, indem jedem Pixel die Klasse mit der höchsten Wahrscheinlichkeit (argmax) zugewiesen wird. Die Wahrscheinlichkeitsdarstellung ermöglicht es Nutzern, benutzerdefinierte Grenzwerte anzuwenden, das Vertrauen in die Vorhersage zu bewerten und Unsicherheitsschätzungen für Downstream-Anwendungen zu berechnen.
Die Quelldaten werden als Cloud-optimierte GeoTIFFs (COGs) bereitgestellt, die in Google Cloud Storage unter gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ gespeichert sind. Die Earth Engine-ImageCollection basiert auf diesen COGs.
Einschränkungen: Diese Karte bietet zwar eine wertvolle globale Grundlage, Nutzer sollten sich jedoch einiger Einschränkungen bewusst sein:
- Zeitlicher Referenzzeitraum: Die Karte stellt den Zustand der Landbedeckung im Jahr 2020 auf der Grundlage von multitemporalen Satellitenkompositen dar. Schnelle Änderungen der Landnutzung, die während des Kompositionszeitraums auftreten, werden möglicherweise nicht vollständig erfasst.
- Unklare Definitionen: Die FAO-basierten Definitionen, die der EUDR-Klassifizierung zugrunde liegen, beruhen auf der Managementabsicht und der Geschichte, die nicht direkt aus Satellitenbildern ersichtlich sind. Das Modell leitet diese Kategorien aus Proxy-Indikatoren ab (Spektralsignaturen, Kronenstruktur, räumliche Muster), was zu einer unvermeidlichen Unsicherheit an den Klassengrenzen führt. Beispielsweise können reife, natürlich nachwachsende (Sekundär-)Wälder spektral und strukturell nicht von unberührten Primärwäldern unterschieden werden.
- Mehrdeutigkeit bei der Agroforstwirtschaft: Gemischte Agroforstsysteme, bei denen Baumkulturen wie Kakao oder Kaffee unter einem natürlichen Blätterdach wachsen, gehören zu den schwierigsten Klassen, die aufgelöst werden müssen. Schattenkaffee- und ‑kakaowälder können in einigen Regionen immer noch fälschlicherweise als Naturwald klassifiziert werden.
- Verwechslung von angepflanzten Wäldern: Angepflanzte Wälder weisen die niedrigste Klassifizierungsgenauigkeit aller Waldklassen auf (F1 = 58,2%). Diese Klasse kann spektral und strukturell ähnlich wie natürlich regenerierende Wälder auf der einen Seite und wie Plantagenwälder auf der anderen Seite sein, was zu häufigen Fehlklassifizierungen in beide Richtungen führt.
- Kleine Parzellen und Grenzwerte für die Überschirmung durch Baumbestand: Isolierte Baumparzellen in der Nähe des FAO-Grenzwerts für Waldflächen (0,5 ha) und Gebiete an der Grenze für die Überschirmung durch Baumbestand (10%) sind von Natur aus mehrdeutig.
- Wahrscheinlichkeitskalibrierung: Die klassenspezifischen Wahrscheinlichkeiten stellen ensemblegemittelte Softmax-Ausgaben dar und wurden nicht nachträglich kalibriert. Nutzer, die gut kalibrierte Wahrscheinlichkeiten für die quantitative Risikobewertung benötigen, sollten eine regionale Neukalibrierung mit unabhängigen Referenzdaten in Betracht ziehen.
- Waldbrände: Es ist nicht immer möglich, die Landnutzung nach einem Waldbrand zu bestimmen.
- Konservative Kartierung von Primärwäldern: Die Grenze der Primärwaldklasse ist in der Nähe von menschlicher Infrastruktur konservativ. Aufgrund eines räumlichen Puffereffekts, der von den Trainingsdaten übernommen wurde, schließt das Modell Waldränder in der Nähe von Straßen, Siedlungen oder landwirtschaftlichen Flächen systematisch aus der Primärwaldklasse aus und kennzeichnet sie stattdessen häufig als natürlich nachwachsend.
- Temporär nicht bestockte Gebiete: Gemäß den FAO-Definitionen gelten temporär nicht bestockte Gebiete (z. B. kürzlich abgeerntete Plantagen, die auf die Wiederbepflanzung warten, oder Wälder in der frühen Erholungsphase nach einer Störung) weiterhin als Wald. Da diese Karte jedoch auf Beobachtungen aus einem einzigen Jahr (2020) basiert, können diese Gebiete als Nicht-Wald dargestellt und fälschlicherweise als „Sonstiges Land“ klassifiziert werden.
- Gepflanzte Bäume im Vergleich zu Bäumen auf Plantagen: Bei der Unterscheidung zwischen gepflanzten Bäumen und Bäumen auf Plantagen wird ein betrieblicher Rotationsschwellenwert von 40 Jahren als Proxy verwendet. Die tatsächlichen Kriterien für die Managementintensität der EUDR/FAO (z.B. Altersklasse, regelmäßiger Abstand) sind nicht direkt aus Satellitenbildern ersichtlich.
- Auslassung von „Other Wooded Land“ (OWL): In der EUDR wird „Other Wooded Land“ (OWL) als eigene Kategorie anerkannt. In diesem Dataset wird OWL jedoch nicht als separate Klasse berücksichtigt, sondern vollständig in die Kategorie „Other Land“ aufgenommen.
- Heterogenität auf Subpixel-Ebene: Gemischte Pixel, insbesondere in komplexen Landschaften mit Kleinbauern, können die Klassifizierungsgenauigkeit verringern. Außerdem ist die effektive Auflösung der Eingabedaten des Modells möglicherweise gröber als 10 m, obwohl die Ausgabe bei 10 m liegt.
Bänder
Bänder
Pixelgröße: 10 Meter (alle Bänder)
| Name | Min. | Max. | Maßstab | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0,004 | 10 Meter | Quantisierte Wahrscheinlichkeit (8-Bit-Ganzzahl ohne Vorzeichen, 0–250), dass das Pixel zur primären Waldklasse gehört. |
NaturallyRegeneratingForest |
0 | 250 | 0,004 | 10 Meter | Quantisierte Wahrscheinlichkeit (8‑Bit-Ganzzahl ohne Vorzeichen, 0–250), dass das Pixel zur Klasse „Natürlich nachwachsender Wald“ gehört. |
PlantedForest |
0 | 250 | 0,004 | 10 Meter | Quantisierte Wahrscheinlichkeit (vorzeichenlose 8-Bit-Ganzzahl, 0–250), dass das Pixel zur Klasse „Forst“ gehört. |
PlantationForest |
0 | 250 | 0,004 | 10 Meter | Quantisierte Wahrscheinlichkeit (vorzeichenlose 8‑Bit-Ganzzahl, 0–250), dass das Pixel zur Klasse „Plantagenwald“ gehört. |
TreeCropsAndAgroforestry |
0 | 250 | 0,004 | 10 Meter | Quantisierte Wahrscheinlichkeit (vorzeichenlose 8‑Bit-Ganzzahl, 0–250), dass das Pixel zur Klasse „Baumkulturen und Agroforstwirtschaft“ gehört. Die Wahrscheinlichkeit für die sechste Klasse („Other land“ – „Anderes Land“) wird als Komplement berechnet: p_other = 250 − Summe aller fünf Bandwerte. |
Nutzungsbedingungen
Nutzungsbedingungen
Dieses Dataset ist unter CC-BY 4.0 lizenziert und erfordert die folgende Quellenangabe: [PLACEHOLDER ATTRIBUTION].
Zitationen
Maxim Neumann, Anton Raichuk, Peter Potapov, Myroslava Lesiv, Matthew Overlan, Melanie Rey, Ravindran Rajakumar, Michelangelo Conserva, Radost Stanimirova, Michelle Sims, Sarah Carter, Elizabeth Goldman, Yuchang Jiang, Linus Scheibenreif, Ivelina Georgieva, Maria Shchepashchenko, Steffen Fritz, Nicholas Clinton, Charlotte Stanton, Dan Morris, Drew Purves: „Global forest typology at 10-meter resolution for forest and land-use monitoring“, Mai 2026 (Vorabversion: doi.org/10.31223/X58R27).
Die Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection( 'projects/nature-trace/assets/forest_typology/forest_typology_2020_v1_0_collection') .mosaic(); // Compute argmax class: 1=Primary, 2=Naturally Regenerating, // 3=Planted, 4=Plantation, 5=Tree Crops & Agroforestry, 6=Other land. var b5 = ee.Image(250).subtract(dataset.select([0, 1, 2, 3, 4]).reduce('sum')); var classified = dataset.addBands(b5).toArray().arrayArgmax().arrayGet([0]).add(1); // Palette: Primary=dark green, Naturally Regenerating=light green, // Planted=blue, Plantation=pink, TreeCrops=orange, Other=yellow. var colors = ['1B7837', '7FBF7B', '1D91C0', 'E65FA9', 'E6AB02', 'FDE278']; Map.addLayer( classified, {min: 1, max: 6, palette: colors}, 'Forest Typology 2020 (v1)'); Map.setOptions('HYBRID'); Map.setCenter(116.21, -33.31, 12);