Bu veri kümesi, bir yayıncı kataloğunun parçasıdır ve Google Earth Engine tarafından yönetilmez. Hatalar için biosphere-models@google.com ile iletişime geçin veya Nature Trace Kataloğu'ndaki diğer veri kümelerini görüntüleyin. Yayıncı veri kümeleri hakkında daha fazla bilgi edinin.
- Katalog Sahibi
- Nature Trace
- Veri Kümesi Kullanılabilirliği
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- Veri Kümesi Üreticisi
- Etiketler
Açıklama
Forest Typology (ForTy) v1 veri kümesi, 2020 yılı için 65°G ile 84°K enlemleri arasındaki tüm kara alanlarını kapsayan 10 m çözünürlükte sınıfa göre küresel bir olasılık haritasından oluşur.
Altı sınıflı tipoloji, FAO ve AB Ormansızlaşma Yönetmeliği (EUDR) tanımlarıyla uyumludur:
- 1. Sınıf – Birincil Orman: İnsan kaynaklı rahatsızlığa dair görünür belirti olmayan, yerel türlerden oluşan doğal orman.
- 2. Sınıf: Doğal Olarak Yeniden Oluşan Orman: Çoğunlukla doğal olarak yeniden oluşma yoluyla kurulan ormanlar (bozulmadan sonra iyileşen ikincil ormanlar ve doğal olarak yeniden oluşmanın baskın olduğu karışık ormanlar dahil).
- 3. Sınıf: Dikilmiş Orman: Ağırlıklı olarak dikim veya tohumlama yoluyla oluşturulan ve işletme rotasyon süresi 40 yılı aşan ormanlar.
- 4. Sınıf: Plantasyon Ormanı: Bir veya iki tür, eşit yaş, düzenli aralık ve 40 yıl veya daha kısa bir rotasyon süresi ile karakterize edilen, yoğun şekilde yönetilen ormanlar.
- 5.Sınıf: Ağaç Mahsulleri ve Agroforestry: Agroforestry sistemleri de dahil olmak üzere, ahşap dışında emtia üreten tarımsal plantasyonlar (ör. yağ palmiyesi, kauçuk, meyve bahçeleri). EUDR kapsamında tarım arazisi olarak sınıflandırılır.
- 6. Sınıf: Diğer Arazi: Ağaç içermeyen tüm arazi kullanımları, seyrek odunsu bitki örtüsü (taç örtüsü < %10), diğer ağaçlık araziler, kentsel ortamlardaki ağaçlar ve orman eşiklerini karşılamayan küçük ağaçlık alanlar.
Birincil veri kaydı, beş bantlı bir raster olup her biri beş orman türü sınıfı için nicel olasılık değerlerini temsil eden işaretsiz 8 bitlik tamsayı değerleri (0-250) içerir. Altıncı sınıfın (Diğer arazi) olasılığı, tamamlayıcı olarak elde edilir: p_other = 250 − sum(p_i). Haritada, Evrensel Enine Mercator (UTM) koordinat sistemi kullanılır.
Altıncı sınıf olan "Diğer arazi"nin olasılık puanını elde etmek için ilk beş olasılığın toplamını 250'den çıkarmanız gerekir. Her pikseli en yüksek olasılığa (argmax) sahip sınıfa atayarak kategorik bir harita elde edilebilir. Olasılık gösterimi, kullanıcıların özel eşikler uygulamasına, tahmin güvenini değerlendirmesine ve sonraki uygulamalar için belirsizlik tahminlerini hesaplamasına olanak tanır.
Kaynak veriler, gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ adresindeki Google Cloud Storage'da depolanan Cloud Optimized GeoTIFF'ler (COG'ler) olarak sağlanır. Earth Engine ImageCollection, bu COG'ler tarafından desteklenir.
Sınırlamalar: Bu harita değerli bir küresel temel oluşturmasına rağmen kullanıcılar, çeşitli sınırlamaların farkında olmalıdır:
- Zamansal referans tarihi: Harita, çok zamanlı uydu kompozitlerine dayalı olarak 2020 yılı itibarıyla arazi örtüsünün durumunu gösterir. Birleştirme döneminde meydana gelen hızlı arazi kullanım değişiklikleri tam olarak yakalanamayabilir.
- Tanımsal belirsizlik: EUDR sınıflandırmasının temelini oluşturan FAO tabanlı tanımlar, uydu görüntülerinden doğrudan gözlemlenemeyen yönetim amacı ve geçmişine dayanır. Model, bu kategorileri proxy göstergelerden (spektral imzalar, bitki örtüsü yapısı, mekansal kalıplar) çıkarır ve sınıf sınırlarında indirgenemez belirsizlikler ortaya çıkarır. Örneğin, doğal olarak yeniden oluşan olgun (ikincil) ormanlar, spektral ve yapısal olarak bozulmamış birincil ormanlardan ayırt edilemeyebilir.
- Agroforestry belirsizliği: Kakao veya kahve gibi ağaç ürünlerinin yerel bir kanopinin altında yetiştiği karma agroforestry sistemleri, çözülmesi en zor sınıflar arasındadır. Gölgede yetişen kakao ve kahve tarım ormanları bazı bölgelerde hâlâ doğal orman olarak yanlış sınıflandırılabilir.
- Dikilmiş ormanlarla ilgili kafa karışıklığı: Dikilmiş ormanlar, tüm orman sınıfları arasında en düşük sınıflandırma doğruluğuna sahiptir (F1 = %58,2). Bu sınıf, bir uçta doğal olarak yenilenen ormanlara, diğer uçta ise plantasyon ormanlarına spektral ve yapısal olarak benzerlik gösterebilir. Bu durum, her iki yönde de sık sık yanlış sınıflandırmaya yol açar.
- Küçük alanlar ve eşik ağaç örtüsü kapsamı: FAO orman alanı eşiğine (0,5 hektar) yakın izole ağaç alanları ve ağaç örtüsü kapsamı sınırındaki (%10) alanlar doğası gereği belirsizdir.
- Olasılık kalibrasyonu: Sınıf başına olasılıklar, topluluk ortalamalı softmax çıkışlarını temsil eder ve sonradan kalibre edilmemiştir. Nicel risk değerlendirmesi için iyi kalibre edilmiş olasılıklar gerektiren kullanıcılar, bağımsız referans verilerini kullanarak bölgesel yeniden kalibrasyonu düşünebilir.
- Orman yangınları: Orman yangınından sonra arazi kullanımını belirlemek her zaman mümkün değildir.
- Muhafazakar birincil orman haritalandırması: Birincil orman sınıfı sınırı, insan altyapısının yakınında muhafazakardır. Eğitim verilerinden devralınan bir uzamsal arabelleğe alma etkisi nedeniyle model, yolların, yerleşim yerlerinin veya tarım alanlarının yakınındaki orman kenarlarını sistematik olarak birincil orman sınıfının dışında tutar ve genellikle bunları doğal olarak yeniden oluşan orman olarak etiketler.
- Geçici olarak stoksuz kalan alanlar: FAO tanımlarına göre, geçici olarak stoksuz kalan alanlar (ör. yakın zamanda hasat edilmiş ve yeniden dikim bekleyen plantasyonlar veya rahatsızlık sonrası toparlanma sürecinin başlarında olan ormanlar) hâlâ orman olarak kabul edilir. Ancak bu harita tek bir yıllık gözlemlere (2020) dayandığı için bu alanlar orman dışı olarak görünebilir ve "Diğer Arazi" olarak yanlış sınıflandırılabilir.
- Dikilmiş ağaçlar ve plantasyon vekili: Dikilmiş ağaçlar ile plantasyon ormanları arasındaki ayrım, vekil olarak 40 yıllık bir operasyonel rotasyon eşiği kullanır. Gerçek EUDR/FAO yönetim yoğunluğu ölçütleri (ör. aynı yaşta sınıf, düzenli aralık) uydu görüntüleri ile doğrudan gözlemlenemez.
- Diğer Ağaçlık Alan (OWL) eksikliği: EUDR, "Diğer Ağaçlık Alan"ı (OWL) ayrı bir kategori olarak kabul eder ancak bu veri kümesinde OWL ayrı bir sınıf olarak çözümlenmez ve tamamen "Diğer Arazi" kategorisine dahil edilir.
- Alt piksel heterojenliği: Özellikle karmaşık küçük ölçekli tarım arazilerinde bulunan karışık pikseller, sınıflandırma hassasiyetini azaltabilir. Ayrıca, çıkış 10 m olsa da modelin giriş verilerinin etkin çözünürlüğü 10 m'den daha kaba olabilir.
Bantlar
Bantlar
Piksel boyutu: 10 metre (tüm bantlar)
| Ad | Min. | Maks. | Ölçek | Piksel Boyutu | Açıklama |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0,004 | 10 metre | Pikselin birincil orman sınıfına ait olma olasılığının nicelleştirilmiş değeri (işaretsiz 8 bitlik tam sayı, 0-250). |
NaturallyRegeneratingForest |
0 | 250 | 0,004 | 10 metre | Pikselin doğal olarak yeniden oluşan orman sınıfına ait olma olasılığının nicelleştirilmiş değeri (işaretsiz 8 bitlik tam sayı, 0-250). |
PlantedForest |
0 | 250 | 0,004 | 10 metre | Pikselin, dikilmiş orman sınıfına ait olma olasılığının nicel değeri (işaretsiz 8 bitlik tam sayı, 0-250). |
PlantationForest |
0 | 250 | 0,004 | 10 metre | Pikselin plantasyon ormanı sınıfına ait olma olasılığının nicelleştirilmiş değeri (işaretsiz 8 bitlik tamsayı, 0-250). |
TreeCropsAndAgroforestry |
0 | 250 | 0,004 | 10 metre | Pikselin ağaç ürünleri ve agroforest sınıfına ait olma olasılığının nicel değeri (işaretsiz 8 bitlik tam sayı, 0-250). Altıncı sınıfın (Diğer arazi) olasılığı, tamamlayıcı olarak elde edilir: p_other = 250 − beş bant değerinin toplamı. |
Kullanım Şartları
Kullanım Şartları
Bu veri kümesi CC-BY 4.0 kapsamında lisanslanmıştır ve aşağıdaki atıfı gerektirir: [YER TUTUCU ATIF].
Alıntılar
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", Mayıs 2026 (ön baskı: doi.org/10.31223/X58R27).
Earth Engine ile Keşif
Kod Düzenleyici (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);