यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, biosphere-models@google.com पर संपर्क करें या Nature Trace कैटलॉग से अन्य डेटासेट देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- नेचर ट्रेस
- डेटासेट की उपलब्धता
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- डेटासेट प्रोड्यूसर
- टैग
ब्यौरा
Forest Typology (ForTy) v1 डेटासेट में, साल 2020 के लिए, 10 मीटर के रिज़ॉल्यूशन पर, हर क्लास के हिसाब से ग्लोबल प्रोबेबिलिटी मैप शामिल है. इसमें 65°S और 84°N अक्षांश के बीच के सभी ज़मीन वाले इलाके शामिल हैं.
छह क्लास वाली टाइपोलॉजी, एफ़एओ और ईयू के वन कटाई कानून (ईयूडीआर) की परिभाषाओं के मुताबिक है:
- क्लास 1 – प्राइमरी फ़ॉरेस्ट: स्थानीय प्रजातियों का प्राकृतिक वन, जिसमें इंसानों की वजह से होने वाली गड़बड़ी के कोई भी लक्षण नहीं दिखते.
- क्लास 2 – प्राकृतिक रूप से दोबारा उगने वाले वन: ऐसे वन जो मुख्य रूप से प्राकृतिक रूप से दोबारा उगते हैं. इनमें ऐसे सेकंडरी वन भी शामिल हैं जो किसी गड़बड़ी के बाद ठीक हो रहे हैं. साथ ही, ऐसे मिक्स वन भी शामिल हैं जहां प्राकृतिक रूप से दोबारा उगने वाले वन ज़्यादा हैं.
- क्लास 3 – लगाए गए जंगल: ऐसे जंगल जिन्हें मुख्य रूप से पेड़ लगाकर या बीज बोकर तैयार किया गया है. साथ ही, इन्हें तैयार होने में 40 साल से ज़्यादा का समय लगता है.
- चौथी क्लास – प्लांटेशन फ़ॉरेस्ट: ऐसे जंगल जिन्हें बहुत अच्छी तरह से मैनेज किया जाता है. इनमें एक या दो तरह के पेड़ होते हैं. इनकी उम्र एक जैसी होती है और ये एक तय दूरी पर लगे होते हैं. साथ ही, इन्हें 40 साल या इससे कम समय में काटा जाता है.
- क्लास 5 – पेड़ वाली फ़सलें और एग्रोफ़ॉरेस्ट्री: लकड़ी के अलावा अन्य चीज़ें (जैसे, पाम ऑयल, रबर, फलों के बाग) बनाने वाले कृषि के लिए लगाए गए पेड़. इनमें एग्रोफ़ॉरेस्ट्री सिस्टम भी शामिल हैं. इसे EUDR के तहत, कृषि के लिए इस्तेमाल की जाने वाली ज़मीन के तौर पर क्लासिफ़ाई किया गया है.
- क्लास 6 – अन्य ज़मीन: इसमें ऐसी सभी ज़मीन शामिल हैं जहां पेड़ नहीं हैं. साथ ही, इसमें कम मात्रा में लकड़ी वाली वनस्पति (कैनोपी कवर < 10%), पेड़ों वाली अन्य ज़मीन, शहरी इलाकों में पेड़, और पेड़ों के छोटे-छोटे पैच शामिल हैं जो जंगल के थ्रेशोल्ड को पूरा नहीं करते.
प्राइमरी डेटा रिकॉर्ड, पांच बैंड वाला रास्टर होता है. इसमें बिना साइन वाली 8-बिट पूर्णांक वैल्यू (0–250) होती हैं. ये वैल्यू, जंगल की पांच तरह की क्लास के लिए, क्वांटाइज़ की गई संभावना की वैल्यू दिखाती हैं. छठी क्लास (अन्य ज़मीन) की संभावना इस तरह से मिलती है: p_other = 250 − sum(p_i). इस मैप में, यूनिवर्सल ट्रांसवर्स मर्केटर (यूटीएम) कोऑर्डिनेट सिस्टम का इस्तेमाल किया गया है.
छठी क्लास "अन्य ज़मीन" का संभावना स्कोर पाने के लिए, आपको पहले पांच संभावनाओं के योग को 250 में से घटाना होगा. कैटेगरी के हिसाब से मैप बनाने के लिए, हर पिक्सल को सबसे ज़्यादा संभावना (argmax) वाली क्लास असाइन की जा सकती है. संभाव्यता के बारे में जानकारी देने वाली सुविधा की मदद से, उपयोगकर्ता कस्टम थ्रेशोल्ड लागू कर सकते हैं. साथ ही, अनुमान के भरोसेमंद होने का आकलन कर सकते हैं. इसके अलावा, डाउनस्ट्रीम ऐप्लिकेशन के लिए अनिश्चितता के अनुमानों का हिसाब लगा सकते हैं.
सोर्स डेटा, Cloud Optimized GeoTIFFs (COG) के तौर पर उपलब्ध कराया जाता है. यह gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ पर Google Cloud Storage में सेव होता है. Earth Engine ImageCollection, इन COG पर आधारित है.
सीमाएं: यह मैप, दुनिया भर के लिए एक अहम बेसलाइन उपलब्ध कराता है. हालांकि, लोगों को इसकी कुछ सीमाओं के बारे में पता होना चाहिए:
- समय के हिसाब से मैप में बदलाव होने की तारीख: यह मैप, साल 2020 के लैंड कवर की स्थिति को दिखाता है. यह जानकारी, समय के हिसाब से अलग-अलग सैटलाइट कंपोज़िट के आधार पर तैयार की गई है. कंपोज़िटिंग की अवधि के दौरान, ज़मीन के इस्तेमाल में तेज़ी से होने वाले बदलावों को पूरी तरह से कैप्चर नहीं किया जा सकता.
- परिभाषाओं में अस्पष्टता: ईयूडीआर के तहत आने वाले वर्गीकरण के लिए, एफ़एओ पर आधारित परिभाषाएं इस्तेमाल की जाती हैं. ये परिभाषाएं, मैनेजमेंट के इरादे और इतिहास पर निर्भर करती हैं. इन्हें सैटलाइट से ली गई तस्वीरों से सीधे तौर पर नहीं देखा जा सकता. मॉडल, प्रॉक्सी इंडिकेटर (स्पेक्ट्रल सिग्नेचर, कैनोपी स्ट्रक्चर, स्पेशल पैटर्न) से इन कैटगरी का अनुमान लगाता है. इससे क्लास बाउंड्री पर अनिश्चितता बढ़ जाती है. उदाहरण के लिए, प्राकृतिक रूप से दोबारा उगने वाले (सेकंडरी) पुराने वन, स्पेक्ट्रल और स्ट्रक्चरल रूप से, बिना किसी रुकावट के उगने वाले प्राइमरी फ़ॉरेस्ट से अलग नहीं होते.
- एग्रोफ़ॉरेस्ट्री के बारे में जानकारी का न होना: मिक्स एग्रोफ़ॉरेस्ट्री सिस्टम में, कोको या कॉफ़ी जैसे पेड़, स्थानीय कैनोपी के नीचे उगते हैं. इस तरह के सिस्टम के बारे में जानकारी का न होना, सबसे मुश्किल समस्याओं में से एक है. छायादार कोको और कॉफ़ी के एग्रोफ़ॉरेस्ट को अब भी कुछ इलाकों में प्राकृतिक जंगल के तौर पर गलत तरीके से क्लासिफ़ाई किया जा सकता है.
- प्लांटेड फ़ॉरेस्ट की पहचान करने में मुश्किल होना: प्लांटेड फ़ॉरेस्ट की पहचान करने में सबसे कम सटीकता मिलती है. सभी फ़ॉरेस्ट क्लास में, इसकी सटीकता 58.2% है. यह क्लास, स्पेक्ट्रल और स्ट्रक्चर के हिसाब से, एक तरफ़ प्राकृतिक रूप से फिर से उगने वाले जंगलों और दूसरी तरफ़ प्लांटेशन वाले जंगलों से मिलती-जुलती हो सकती है. इस वजह से, दोनों तरह के जंगलों को अक्सर गलत तरीके से क्लासिफ़ाई किया जाता है.
- छोटे पैच और थ्रेशोल्ड कैनोपी कवरेज: एफएओ के वन क्षेत्र के थ्रेशोल्ड (0.5 हेक्टेयर) के पास मौजूद पेड़ों के अलग-अलग पैच और कैनोपी कवर की सीमा (10%) पर मौजूद इलाके, स्वाभाविक रूप से अस्पष्ट होते हैं.
- संभाव्यता कैलिब्रेशन: हर क्लास की संभावनाओं से, ensemble-averaged softmax आउटपुट का पता चलता है. इन्हें पोस्ट-हॉक कैलिब्रेट नहीं किया गया है. जिन उपयोगकर्ताओं को जोखिम का आकलन करने के लिए, सटीक अनुमानित संभावनाओं की ज़रूरत होती है उन्हें स्वतंत्र रेफ़रंस डेटा का इस्तेमाल करके, क्षेत्र के हिसाब से फिर से कैलिब्रेट करने पर विचार करना चाहिए.
- जंगल में लगने वाली आग: जंगल में आग लगने के बाद, यह पता लगाना हमेशा मुमकिन नहीं होता कि ज़मीन का इस्तेमाल किस तरह किया गया है.
- प्राइमरी फ़ॉरेस्ट की मैपिंग: प्राइमरी फ़ॉरेस्ट क्लास की सीमा, मानव बुनियादी ढांचे के आस-पास कम होती है. ट्रेनिंग डेटा से मिले स्पैटियल बफ़रिंग इफ़ेक्ट की वजह से, मॉडल, सड़कों, बस्तियों या खेती के आस-पास के जंगल के किनारों को मूल जंगल की क्लास से हटा देता है. अक्सर, उन्हें प्राकृतिक रूप से दोबारा उगने वाले जंगल के तौर पर लेबल किया जाता है.
- कुछ समय के लिए खाली किए गए इलाके: एफ़एओ की परिभाषाओं के मुताबिक, कुछ समय के लिए खाली किए गए इलाकों को अब भी जंगल माना जाता है. जैसे, हाल ही में काटी गई फ़सल के बाद, दोबारा रोपे जाने का इंतज़ार कर रहे पेड़-पौधे या प्राकृतिक आपदा के बाद ठीक हो रहे जंगल. हालांकि, यह मैप 2020 के डेटा पर आधारित है. इसलिए, इन इलाकों को जंगल के तौर पर नहीं दिखाया गया है. साथ ही, इन्हें "अन्य ज़मीन" के तौर पर गलत तरीके से कैटगरी में रखा गया है.
- लगाए गए वर्सेस प्लांटेशन प्रॉक्सी: लगाए गए और प्लांटेशन वाले जंगलों के बीच अंतर करने के लिए, 40 साल के रोटेशन थ्रेशोल्ड का इस्तेमाल किया जाता है. ईयूडीआर/एफ़एओ के तहत, वन प्रबंधन के लिए तय की गई शर्तों (जैसे, एक ही उम्र के पेड़, पेड़ों के बीच सामान्य दूरी) को सीधे तौर पर सैटेलाइट से ली गई इमेज से नहीं देखा जा सकता.
- अन्य वन भूमि (ओडब्ल्यूएल) को शामिल न करना: ईयूडीआर, "अन्य वन भूमि" (ओडब्ल्यूएल) को एक अलग कैटगरी के तौर पर पहचानता है. हालांकि, इस डेटासेट में ओडब्ल्यूएल को एक अलग क्लास के तौर पर नहीं दिखाया गया है. इसे पूरी तरह से "अन्य भूमि" कैटगरी में शामिल किया गया है.
- सब-पिक्सेल हेट्रोजेनिटी: मिक्स किए गए पिक्सल, खास तौर पर छोटे किसानों के जटिल लैंडस्केप में, क्लासिफ़िकेशन की सटीक जानकारी को कम कर सकते हैं. इसके अलावा, आउटपुट 10 मीटर पर होता है, लेकिन मॉडल के इनपुट डेटा का रिज़ॉल्यूशन 10 मीटर से कम हो सकता है.
बैंड
बैंड
पिक्सल का साइज़: 10 मीटर (सभी बैंड)
| नाम | कम से कम | ज़्यादा से ज़्यादा | स्केल | पिक्सल का साइज़ | ब्यौरा |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0.004 | 10 मीटर | क्वांटाइज़ की गई संभावना (बिना हस्ताक्षर वाला 8-बिट पूर्णांक, 0–250) कि पिक्सल, प्राइमरी फ़ॉरेस्ट क्लास से जुड़ा है. |
NaturallyRegeneratingForest |
0 | 250 | 0.004 | 10 मीटर | क्वांटाइज़ की गई संभावना (बिना साइन वाला 8-बिट पूर्णांक, 0–250) कि पिक्सल, अपने-आप विकसित होने वाले वन क्लास से जुड़ा है. |
PlantedForest |
0 | 250 | 0.004 | 10 मीटर | क्वांटाइज़ की गई प्रायिकता (बिना हस्ताक्षर वाला 8-बिट पूर्णांक, 0–250). इससे पता चलता है कि पिक्सल, प्लांटेड फ़ॉरेस्ट क्लास का है. |
PlantationForest |
0 | 250 | 0.004 | 10 मीटर | क्वांटाइज़ की गई संभावना (बिना हस्ताक्षर वाला 8-बिट पूर्णांक, 0–250) कि पिक्सल, प्लांटेशन फ़ॉरेस्ट क्लास से जुड़ा है. |
TreeCropsAndAgroforestry |
0 | 250 | 0.004 | 10 मीटर | क्वांटाइज़ की गई संभावना (बिना हस्ताक्षर वाला 8-बिट पूर्णांक, 0–250) कि पिक्सल, पेड़ वाली फ़सलों और एग्रोफ़ॉरेस्ट्री क्लास से जुड़ा है. छठी क्लास (अन्य ज़मीन) की संभावना, पूरक के तौर पर मिलती है: p_other = 250 − सभी पांच बैंड की वैल्यू का योग. |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
इस डेटासेट को CC-BY 4.0 के तहत लाइसेंस मिला है. इसके लिए, एट्रिब्यूशन देना ज़रूरी है: [PLACEHOLDER ATTRIBUTION].
उद्धरण
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", May 2026 (preprint: doi.org/10.31223/X58R27).
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (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);