Este conjunto de datos forma parte de un catálogo de publicadores y no lo administra Google Earth Engine. Comunícate con biosphere-models@google.com para informar errores o ver más conjuntos de datos del catálogo de Nature Trace. Obtén más información sobre los conjuntos de datos de publicadores.
- Propietario del catálogo
- Nature Trace
- Disponibilidad del conjunto de datos
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- Proveedor del conjunto de datos
- Etiquetas
Descripción
El conjunto de datos de la versión 1 de la tipología forestal (ForTy) consta de un mapa de probabilidad global por clase con una resolución de 10 m que abarca todas las áreas terrestres entre los 65° S y los 84° N de latitud para el año 2020.
La tipología de seis clases se alinea con las definiciones de la FAO y el Reglamento de la UE sobre Deforestación (EUDR):
- Clase 1: Bosque primario: Bosque natural de especies nativas sin indicios visibles de perturbaciones causadas por el ser humano.
- Clase 2: Bosques de regeneración natural: Son bosques establecidos principalmente a través de la regeneración natural, incluidos los bosques secundarios que se recuperan de las perturbaciones y los bosques mixtos en los que predomina la regeneración natural.
- Clase 3: Bosque plantado: Son bosques establecidos principalmente a través de la plantación o la siembra, con un período de rotación operativa superior a 40 años.
- Clase 4: Bosque de plantación. Son bosques administrados de forma intensiva que se caracterizan por tener una o dos especies, edad uniforme, espaciamiento regular y un período de rotación de 40 años o menos.
- Clase 5: Cultivos arbóreos y agroforestería: Plantaciones agrícolas que producen productos básicos distintos de la madera (p.ej., palma de aceite, caucho, huertos frutales), incluidos los sistemas agroforestales. Se clasifica como uso del suelo agrícola según el EUDR.
- Clase 6: Otras tierras: Todos los usos de la tierra que no son de árboles, vegetación leñosa dispersa (cobertura de la copa < 10%), otras tierras boscosas, árboles en entornos urbanos y pequeños parches de árboles que no cumplen con los umbrales forestales.
El registro de datos principal es un ráster de cinco bandas que contiene valores enteros de 8 bits sin signo (0 a 250) que representan valores de probabilidad cuantificados para cada una de las cinco clases de tipos de bosque. La probabilidad de la sexta clase (Other land) se obtiene como el complemento: p_other = 250 − sum(p_i). El mapa usa el sistema de coordenadas Universal Transverse Mercator (UTM).
Para obtener la puntuación de probabilidad de la sexta clase, "Other land", debes restar de 250 la suma de las primeras cinco probabilidades. Se puede obtener un mapa categórico asignando cada píxel a la clase con la probabilidad más alta (argmax). La representación de probabilidad permite a los usuarios aplicar umbrales personalizados, evaluar la confianza de la predicción y calcular estimaciones de incertidumbre para aplicaciones posteriores.
Los datos de origen se proporcionan como archivos GeoTIFF optimizados para Cloud (COG) almacenados en Google Cloud Storage en gs://nature-trace/export_rasters/forest_typology_2020_v1_0/. La colección de imágenes de Earth Engine se basa en estos COG.
Limitaciones: Si bien este mapa proporciona una valiosa referencia global, los usuarios deben tener en cuenta varias limitaciones:
- Fecha de referencia temporal: El mapa representa el estado de la cobertura terrestre en el año 2020, según los compuestos satelitales multitemporales. Es posible que los cambios rápidos en el uso del suelo que se producen durante el período de composición no se capturen por completo.
- Ambigüedad en la definición: Las definiciones basadas en la FAO que sustentan la clasificación de la EUDR se basan en la intención y el historial de la administración, que no se pueden observar directamente en las imágenes satelitales. El modelo infiere estas categorías a partir de indicadores proxy (firmas espectrales, estructura del dosel, patrones espaciales), lo que introduce una incertidumbre irreducible en los límites de las clases. Por ejemplo, los bosques secundarios maduros de regeneración natural pueden ser indistinguibles espectral y estructuralmente de los bosques primarios no perturbados.
- Ambigüedad de la agroforestería: Los sistemas agroforestales mixtos, en los que los cultivos arbóreos, como el cacao o el café, crecen bajo un dosel nativo, se encuentran entre las clases más difíciles de resolver. Los sistemas agroforestales sombreados de cacao y café aún se pueden clasificar erróneamente como bosques naturales en algunas regiones.
- Confusión con los bosques plantados: Los bosques plantados muestran la menor precisión de clasificación entre todas las clases de bosques (F1 = 58.2%). Esta clase puede ser similar espectral y estructuralmente a los bosques que se regeneran de forma natural en un extremo y a los bosques de plantación en el otro, lo que genera una clasificación errónea frecuente en ambas direcciones.
- Pequeños parches y cobertura de copas en el umbral: Los parches de árboles aislados cerca del umbral del área forestal de la FAO (0.5 ha) y las áreas en el límite de la cobertura de copas (10%) son inherentemente ambiguos.
- Calibración de probabilidad: Las probabilidades por clase representan las salidas de softmax promediadas por el ensamble y no se calibraron a posteriori. Los usuarios que necesiten probabilidades bien calibradas para la evaluación cuantitativa del riesgo deben considerar la recalibración regional con datos de referencia independientes.
- Incendios forestales: No siempre es posible determinar el uso del suelo después de un incendio forestal.
- Asignación conservadora de bosques primarios: El límite de la clase de bosque primario es conservador cerca de la infraestructura humana. Debido a un efecto de búfer espacial heredado de los datos de entrenamiento, el sistema del modelo excluye sistemáticamente los bordes de los bosques cercanos a las rutas, los asentamientos o la agricultura de la clase de bosque primario, y, a menudo, los etiqueta como regeneración natural.
- Zonas temporalmente sin existencias: Según las definiciones de la FAO, las zonas temporalmente sin existencias (como las plantaciones recién cosechadas que esperan replantación o los bosques en recuperación temprana después de una perturbación) aún se consideran bosques. Sin embargo, debido a que este mapa se basa en un solo año de observaciones (2020), es posible que estas áreas aparezcan como no forestales y se clasifiquen erróneamente como "Otras tierras".
- Bosques plantados vs. bosques de plantación: La distinción entre bosques plantados y bosques de plantación utiliza un umbral operativo de rotación de 40 años como proxy. Los criterios de intensidad de gestión de la EUDR/FAO reales (p.ej., clase de edad uniforme, espaciamiento regular) no se pueden observar directamente en las imágenes satelitales.
- Omisión de otras tierras boscosas (OWL): La EUDR reconoce las "Otras tierras boscosas" (OWL) como una categoría distinta, pero en este conjunto de datos, las OWL no se resuelven como una clase separada y se incluyen por completo en la categoría "Otras tierras".
- Heterogeneidad subpíxel: Los píxeles mixtos, en especial en los paisajes complejos de pequeñas explotaciones, pueden reducir la precisión de la clasificación. Además, si bien la resolución de salida es de 10 m, la resolución efectiva de los datos de entrada del modelo podría ser más gruesa que 10 m.
Bandas
Bandas
Tamaño de píxel: 10 metros (todas las bandas)
| Nombre | Mín. | Máx. | Escala | Tamaño de los píxeles | Descripción |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0.004 | 10 metros | Es la probabilidad cuantificada (número entero de 8 bits sin signo, de 0 a 250) de que el píxel pertenezca a la clase de bosque primario. |
NaturallyRegeneratingForest |
0 | 250 | 0.004 | 10 metros | Es la probabilidad cuantificada (número entero de 8 bits sin signo, de 0 a 250) de que el píxel pertenezca a la clase de bosque de regeneración natural. |
PlantedForest |
0 | 250 | 0.004 | 10 metros | Es la probabilidad cuantificada (número entero de 8 bits sin signo, de 0 a 250) de que el píxel pertenezca a la clase de bosque plantado. |
PlantationForest |
0 | 250 | 0.004 | 10 metros | Es la probabilidad cuantificada (número entero de 8 bits sin signo, de 0 a 250) de que el píxel pertenezca a la clase de bosque de plantación. |
TreeCropsAndAgroforestry |
0 | 250 | 0.004 | 10 metros | Es la probabilidad cuantificada (número entero sin signo de 8 bits, de 0 a 250) de que el píxel pertenezca a la clase de cultivos arbóreos y agroforestería. La probabilidad de la sexta clase (Other land) se obtiene como complemento: p_other = 250 − suma de los cinco valores de banda. |
Condiciones de Uso
Condiciones de Uso
Este conjunto de datos se publica bajo la licencia CC-BY 4.0 y requiere la siguiente atribución: [PLACEHOLDER ATTRIBUTION].
Citas
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 y Drew Purves: "Global forest typology at 10-meter resolution for forest and land-use monitoring", mayo de 2026 (preprint: doi.org/10.31223/X58R27).
Explora con Earth Engine
Editor de código (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);