Forest Typology (ForTy) 2020 v1.0

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 Nature Trace با [e-mail] تماس بگیرید. درباره مجموعه داده‌های Publisher بیشتر بدانید .

مالک کاتالوگ

ردیابی طبیعت

در دسترس بودن مجموعه داده‌ها

2020-01-01T00:00:00Z–2020-12-31T23:59:59Z

تولیدکننده مجموعه داده

گوگل

قطعه کد موتور زمین

ee.ImageCollection("projects/nature-trace/assets/forest_typology/forest_typology_2020_v1_0_collection")

برچسب‌ها

تنوع زیستی مشتق شده از آلفازمین ، حفاظت از آب و هوا، جنگل زدایی ، جنگل eudr ، زیست توده جنگلی، ردیابی طبیعت، ناشر-مجموعه داده

توضیحات

مجموعه داده گونه‌شناسی جنگل (ForTy) نسخه ۱ شامل یک نقشه احتمال جهانی برای هر کلاس با وضوح ۱۰ متر است که تمام مناطق زمینی بین عرض جغرافیایی ۶۵ درجه جنوبی و ۸۴ درجه شمالی را برای سال ۲۰۲۰ پوشش می‌دهد.

این گونه‌شناسی شش‌گانه با تعاریف فائو و مقررات جنگل‌زدایی اتحادیه اروپا (EUDR) همسو است:

• کلاس ۱ - جنگل اولیه: جنگل طبیعی گونه‌های بومی بدون هیچ نشانه‌ای از اختلال ناشی از انسان.
• کلاس ۲ – جنگل‌های با بازسازی طبیعی: جنگل‌هایی که عمدتاً از طریق بازسازی طبیعی ایجاد شده‌اند، از جمله جنگل‌های ثانویه که از آشفتگی بهبود می‌یابند و جنگل‌های مختلط که در آنها بازسازی طبیعی غالب است.
• کلاس ۳ – جنگل‌های دست کاشت: جنگل‌هایی که عمدتاً از طریق کاشت یا بذرپاشی ایجاد شده‌اند و دوره تناوب عملیاتی آنها بیش از ۴۰ سال است.
• کلاس ۴ – جنگل‌های دست کاشت: جنگل‌های تحت مدیریت فشرده که با یک یا دو گونه، سن یکسان، فاصله منظم بین درختان و دوره تناوب ۴۰ سال یا کمتر مشخص می‌شوند.
• طبقه ۵ – محصولات درختی و جنگلداری کشاورزی: ​​مزارع کشاورزی که کالاهایی غیر از چوب (مانند نخل روغنی، کائوچو، باغ‌های میوه) تولید می‌کنند، از جمله سیستم‌های جنگلداری کشاورزی. طبق EUDR به عنوان کاربری زمین کشاورزی طبقه‌بندی می‌شوند.
• طبقه ۶ - سایر اراضی: کلیه کاربری‌های غیر درختی، پوشش گیاهی چوبی پراکنده (پوشش تاج پوشش کمتر از ۱۰٪)، سایر اراضی جنگلی، درختان در محیط‌های شهری و قطعات کوچک درخت که به آستانه‌های جنگلی نمی‌رسند.

رکورد داده اولیه یک رستر پنج باندی است که حاوی مقادیر صحیح 8 بیتی بدون علامت (0-250) است که نشان دهنده مقادیر احتمال کوانتیزه شده برای هر یک از پنج کلاس نوع جنگل است. احتمال کلاس ششم (سایر زمین‌ها) به صورت مکمل بدست می‌آید: p_other = 250 − sum(p_i). نقشه از سیستم مختصات جهانی عرضی مرکاتور (UTM) استفاده می‌کند.

برای بدست آوردن امتیاز احتمال کلاس ششم، یعنی «سایر زمین‌ها»، باید مجموع پنج احتمال اول را از عدد ۲۵۰ کم کنید. با اختصاص هر پیکسل به کلاسی با بالاترین احتمال (argmax)، می‌توان یک نقشه طبقه‌بندی‌شده بدست آورد. نمایش احتمال، کاربران را قادر می‌سازد تا آستانه‌های سفارشی را اعمال کنند، اطمینان پیش‌بینی را ارزیابی کنند و تخمین‌های عدم قطعیت را برای کاربردهای پایین‌دستی محاسبه کنند.

داده‌های منبع به صورت فایل‌های GeoTIFF بهینه‌شده برای ابر (COG) ارائه می‌شوند که در فضای ابری گوگل (Google Cloud Storage) به آدرس gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ ذخیره شده‌اند. مجموعه تصاویر Earth Engine توسط این COGها پشتیبانی می‌شود.

محدودیت‌ها: اگرچه این نقشه یک مبنای جهانی ارزشمند ارائه می‌دهد، کاربران باید از چندین محدودیت آگاه باشند:

• تاریخ مرجع زمانی: این نقشه وضعیت پوشش زمین را از سال ۲۰۲۰، بر اساس ترکیب تصاویر ماهواره‌ای چندزمانه، نشان می‌دهد. تغییرات سریع کاربری زمین که در دوره ترکیب رخ می‌دهند، ممکن است به طور کامل ثبت نشوند.
• ابهام تعریفی: تعاریف مبتنی بر FAO که زیربنای طبقه‌بندی EUDR هستند، به نیت و سابقه مدیریتی متکی هستند که مستقیماً از تصاویر ماهواره‌ای قابل مشاهده نیستند. این مدل این دسته‌ها را از شاخص‌های جایگزین (امضاهای طیفی، ساختار تاج پوشش، الگوهای مکانی) استنباط می‌کند و عدم قطعیت غیرقابل تقلیلی را در مرزهای کلاس‌ها ایجاد می‌کند. به عنوان مثال، جنگل‌های بالغ (ثانویه) که به طور طبیعی در حال بازسازی هستند، می‌توانند از نظر طیفی و ساختاری از جنگل‌های اولیه دست نخورده قابل تشخیص نباشند.
• ابهام در مورد جنگل زراعی: سیستم‌های جنگل زراعی مختلط - که در آن‌ها محصولات درختی مانند کاکائو یا قهوه در زیر یک سایبان بومی رشد می‌کنند - از جمله چالش‌برانگیزترین دسته‌بندی‌ها برای حل و فصل هستند. جنگل‌های زراعی سایه‌دار کاکائو و قهوه هنوز هم می‌توانند در برخی مناطق به اشتباه به عنوان جنگل طبیعی طبقه‌بندی شوند.
• سردرگمی جنگل‌های دست کاشت: جنگل‌های دست کاشت کمترین دقت طبقه‌بندی را در بین تمام کلاس‌های جنگل نشان می‌دهند (F1 = 58.2%). این کلاس می‌تواند از نظر طیفی و ساختاری شبیه جنگل‌های در حال بازسازی طبیعی در یک انتها و جنگل‌های دست کاشت در انتهای دیگر باشد، که منجر به طبقه‌بندی نادرست مکرر در هر دو جهت می‌شود.
• لکه‌های کوچک و پوشش تاجی آستانه: لکه‌های درختی مجزا در نزدیکی آستانه منطقه جنگلی فائو (0.5 هکتار) و مناطقی در مرز پوشش تاجی (10٪) ذاتاً مبهم هستند.
• کالیبراسیون احتمال: احتمالات هر کلاس، خروجی‌های softmax میانگین‌گیری شده گروهی را نشان می‌دهند و پس از آن کالیبره نشده‌اند. کاربرانی که برای ارزیابی کمی ریسک به احتمالات کالیبره شده نیاز دارند، باید کالیبراسیون مجدد منطقه‌ای را با استفاده از داده‌های مرجع مستقل در نظر بگیرند.
• آتش‌سوزی‌های جنگلی: همیشه نمی‌توان کاربری زمین را پس از آتش‌سوزی جنگلی تعیین کرد.
• نقشه‌برداری محافظه‌کارانه از جنگل‌های اولیه: مرز کلاس جنگل‌های اولیه در نزدیکی زیرساخت‌های انسانی، محافظه‌کارانه است. به دلیل اثر بافر مکانی که از داده‌های آموزشی به ارث رسیده است، مدل به طور سیستماتیک لبه‌های جنگلی نزدیک جاده‌ها، سکونتگاه‌ها یا کشاورزی را از کلاس جنگل‌های اولیه حذف می‌کند و اغلب آنها را به عنوان جنگل‌های در حال بازسازی طبیعی برچسب‌گذاری می‌کند.
• مناطق موقتاً خالی از سکنه: طبق تعاریف فائو، مناطقی که موقتاً خالی از سکنه هستند (مانند مزارع اخیراً برداشت شده که در انتظار کاشت مجدد هستند یا جنگل‌هایی که در مراحل اولیه بازیابی پس از اختلال قرار دارند) هنوز جنگل محسوب می‌شوند. با این حال، از آنجا که این نقشه بر اساس مشاهدات یک سال (۲۰۲۰) است، این مناطق ممکن است به عنوان غیرجنگلی ظاهر شوند و به اشتباه به عنوان "سرزمین‌های دیگر" طبقه‌بندی شوند.
• شاخص کاشت در مقابل کاشت مصنوعی: تمایز بین جنگل‌های کاشت شده و کاشت مصنوعی از یک آستانه چرخش عملیاتی ۴۰ ساله به عنوان یک شاخص استفاده می‌کند. معیارهای شدت مدیریت واقعی EUDR/FAO (مثلاً طبقه همسال، فاصله منظم) به طور مستقیم از تصاویر ماهواره‌ای قابل مشاهده نیستند.
• حذف «سایر زمین‌های جنگلی» (OWL): EUDR «سایر زمین‌های جنگلی» (OWL) را به عنوان یک دسته مجزا به رسمیت می‌شناسد، اما در این مجموعه داده‌ها، OWL به عنوان یک کلاس جداگانه در نظر گرفته نشده و کاملاً در دسته «سایر زمین‌ها» قرار گرفته است.
• ناهمگونی زیرپیکسل: پیکسل‌های مختلط، به ویژه در مناظر پیچیده زمین‌های کشاورزی کوچک، می‌توانند دقت طبقه‌بندی را کاهش دهند. علاوه بر این، در حالی که خروجی در 10 متر است، وضوح مؤثر داده‌های ورودی مدل ممکن است درشت‌تر از 10 متر باشد.

باندها

باندها

اندازه پیکسل: ۱۰ متر (همه باندها)

نام	حداقل	مکس	مقیاس	اندازه پیکسل	توضیحات
PrimaryForest	0	۲۵۰	۰.۰۰۴	۱۰ متر	احتمال کوانتیزه شده (عدد صحیح ۸ بیتی بدون علامت، ۰-۲۵۰) که پیکسل متعلق به کلاس جنگل اولیه است.
NaturallyRegeneratingForest	0	۲۵۰	۰.۰۰۴	۱۰ متر	احتمال کوانتیزه شده (عدد صحیح ۸ بیتی بدون علامت، ۰-۲۵۰) که پیکسل متعلق به کلاس جنگل در حال بازسازی طبیعی است.
PlantedForest	0	۲۵۰	۰.۰۰۴	۱۰ متر	احتمال کوانتیزه شده (عدد صحیح ۸ بیتی بدون علامت، ۰-۲۵۰) که پیکسل متعلق به کلاس جنگل کاشته شده است.
PlantationForest	0	۲۵۰	۰.۰۰۴	۱۰ متر	احتمال کوانتیزه شده (عدد صحیح ۸ بیتی بدون علامت، ۰-۲۵۰) که پیکسل متعلق به کلاس جنگل‌های دست کاشت است.
TreeCropsAndAgroforestry	0	۲۵۰	۰.۰۰۴	۱۰ متر	احتمال کوانتیزه شده (عدد صحیح ۸ بیتی بدون علامت، ۰-۲۵۰) که پیکسل متعلق به کلاس درختان و محصولات کشاورزی و جنگلداری است. احتمال کلاس ششم (سایر زمین‌ها) به صورت مکمل بدست می‌آید: p_other = ۲۵۰ - مجموع هر پنج مقدار باند.

شرایط استفاده

شرایط استفاده

این مجموعه داده تحت مجوز CC-BY 4.0 منتشر شده است و نیاز به ارجاع زیر دارد: [PLACEHOLDER ATTRIBUTION].

نقل قول‌ها

نقل قول ها:

• ماکسیم نویمان، آنتون رایچوک، پیتر پوتاپوف، میروسلاوا لسیو، متیو اورلان، ملانی ری، راویندران راجاکومار، میکل‌آنجلو کانسروا، رادوست استانیمیرووا، میشل سیمز، سارا کارتر، الیزابت گلدمن، یوچانگ جیانگ، لینوس شایبن‌ریف، ایولینا جورجیوا، ماریا شپشچنکو، استفن فریتز، نیکلاس کلینتون، شارلوت استانتون، دن موریس، درو پوروس: «گونه‌شناسی جهانی جنگل با وضوح ۱۰ متر برای نظارت بر جنگل و کاربری زمین»، مه ۲۰۲۶ (پیش‌چاپ: doi.org/10.31223/X58R27 ).

با موتور زمین کاوش کنید

مهم: Earth Engine بستری برای تجزیه و تحلیل علمی در مقیاس پتابایت و تجسم مجموعه داده‌های مکانی است، هم برای منافع عمومی و هم برای کاربران تجاری و دولتی. استفاده از Earth Engine برای تحقیقات، آموزش و کاربردهای غیرانتفاعی رایگان است. برای شروع، لطفاً برای دسترسی به Earth Engine ثبت نام کنید.

ویرایشگر کد (جاوااسکریپت)

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);

باز کردن در ویرایشگر کد

گونه‌شناسی جنگل (ForTy) 2020 نسخه ۱.۰

مجموعه داده گونه‌شناسی جنگل (ForTy) نسخه ۱ شامل یک نقشه احتمال جهانی برای هر کلاس با وضوح ۱۰ متر است که تمام مناطق زمینی بین عرض جغرافیایی ۶۵ درجه جنوبی و ۸۴ درجه شمالی را برای سال ۲۰۲۰ پوشش می‌دهد. این گونه‌شناسی شش کلاسه با تعاریف FAO و مقررات جنگل‌زدایی اتحادیه اروپا (EUDR) مطابقت دارد: کلاس ۱ - جنگل اولیه: جنگل طبیعی ...

پروژه‌ها/ردیابی-طبیعت/دارایی‌ها/گونه‌شناسی_جنگل/مجموعه_گونه‌شناسی_جنگل_2020_v1_0، مشتق‌شده از آلفازمین، تنوع زیستی، اقلیم، حفاظت، جنگل‌زدایی، eudr، جنگل، زیست‌توده جنگلی، ردیابی-طبیعت، مجموعه داده‌های ناشر

2020-01-01T00:00:00Z/2020-12-31T23:59:59Z

‎-۶۵ -۱۸۰ ۸۴ ۱۸۰

موتور گوگل ارث

https://developers.google.com/earth-engine/datasets