Natural Forests of the World 2020

projects/nature-trace/assets/forest_typology/natural_forest_2020_v1_0_collection
Info

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
Earth Engine-Snippet
ee.ImageCollection("projects/nature-trace/assets/forest_typology/natural_forest_2020_v1_0_collection")
Tags
biodiversity climate conservation deforestation eudr forest forest-biomass nature-trace publisher-dataset

Beschreibung

„Natural Forests of the World 2020“ bietet eine globale Karte der Wahrscheinlichkeit natürlicher Wälder für das Jahr 2020 mit einer Auflösung von 10 Metern. Sie wurde entwickelt, um Initiativen wie die EU-Entwaldungsverordnung (EUDR) und andere Bemühungen zum Schutz und zur Überwachung von Wäldern zu unterstützen. Die Karte zeigt die Wahrscheinlichkeit, dass ein Gebiet eine natürliche Waldfläche ist. Hierzu zählen Primärwälder, natürlich nachwachsende Sekundärwälder und naturnahe Wirtschaftswälder. Diese Ökosysteme werden insbesondere von Forsten, Baumkulturen und anderen Arten der Landbedeckung unterschieden. Der Datensatz wurde mithilfe eines multimodalen, zeitlich-räumlichen Vision-Transformer-Modells erstellt, das saisonale, multitemporale Sentinel-2-Satellitenbilder und topografische Daten (Höhe, Neigung, Ausrichtung basierend auf dem Copernicus GLO-30 DEM von TanDEM-X) analysiert hat. Die Daten werden als probabilistische Karte bereitgestellt, sodass Nutzer einen Wahrscheinlichkeitsschwellenwert anwenden können, um eine binäre Karte für natürlichen Wald zu erstellen, die auf ihre spezifischen Anforderungen zugeschnitten ist.

Einschränkungen: Diese Karte bietet zwar eine wertvolle globale Grundlage, Nutzer sollten sich jedoch der folgenden Einschränkungen bewusst sein (die bei der optimalen Wahrscheinlichkeitsschwelle für die Offenheit für KI von 0,52 bewertet wurden):

  • Das Modell kann Schwierigkeiten haben, komplexe agroforstwirtschaftliche Systeme (z.B. mit schattigen Baumkulturen) zu unterscheiden, und landwirtschaftliche Mosaike von Kleinbauern können schwer von natürlichen Wäldern zu unterscheiden sein.
  • Die Unterscheidung zwischen angepflanzten und natürlich nachwachsenden Wäldern kann schwierig sein, insbesondere in borealen und einigen gemäßigten Zonen, wo natürliche Wälder eine geringere Artenvielfalt aufweisen und im Vergleich zu den Tropen mit längeren Rotationszeiten geerntet werden.
  • Natürliche Wälder mit geringer Baumdichte, wie z. B. Savannen, liegen oft an der Grenze der Definition für natürliche Wälder in Bezug auf die Höhe und die Deckungsgrade der Baumkronen. Die Zuweisung von Waldtypen unmittelbar nach einem Störereignis (z.B. Brand, Holzeinschlag) ist von Natur aus mehrdeutig. Auf Satellitenbildern ist möglicherweise nicht zu erkennen, ob sich der Wald auf natürliche Weise regeneriert oder ob das Land für eine andere Nutzung (z.B. Plantage, Landwirtschaft) umgewandelt wird.
  • Weitere Bereiche, in denen es zu Verwirrung kommen könnte, sind große Parks in städtischen Gebieten oder angepflanzte Baumgürtel, die die Kriterien für Wälder erfüllen, aber nicht natürlich sind.
  • Die Genauigkeit unserer Karte der natürlichen Wälder hängt eng mit der Qualität und Konsistenz der verschiedenen Eingabedatensätze zusammen, die für das Training der Labelgenerierung verwendet werden. Diese Datasets wurden mit unterschiedlichen Methoden, räumlichen Auflösungen, Zeiträumen und Definitionen erstellt. Einige Label-Ebenen waren die Ausgaben anderer Modelle und sind daher durch die Qualität dieser Modelle begrenzt. Unser Ansatz zielte darauf ab, Quellen zu harmonisieren und die Auswirkungen von Fehlern in einzelnen Datasets zu minimieren. Inkonsistenzen und Ungenauigkeiten in den zugrunde liegenden Daten können sich jedoch weiterhin auf die endgültige Karte auswirken.

Bänder

Bänder

Pixelgröße: 10 Meter (alle Bänder)

Name Min. Max. Pixelgröße Beschreibung
B0 0 250 10 Meter

Wahrscheinlichkeiten für natürlichen Wald (skaliert auf [0–250]).

Nutzungsbedingungen

Nutzungsbedingungen

Dieses Dataset ist unter CC-BY 4.0 lizenziert und erfordert die folgende Quellenangabe: „Dieses Dataset wurde von Google erstellt.“

Zitationen

Quellenangaben:
  • Maxim Neumann , Anton Raichuk, Radost Stanimirova, Michelle Sims , Sarah Carter, Elizabeth Goldman, Melanie Rey, Yuchang Jiang, Keith Anderson, Petra Poklukar, Katelyn Tarrio, Myroslava Lesiv, Steffen Fritz, Nicholas Clinton, Charlotte Stanton, Dan Morris, Drew Purves, „Natural forests of the world: A 2020 baseline for deforestation and degradation monitoring“ (in Überprüfung). doi:10.31223/X5ZX6P,

Die Earth Engine nutzen

Code-Editor (JavaScript)

var probabilities =
    ee.ImageCollection(
          'projects/nature-trace/assets/forest_typology/natural_forest_2020_v1_0_collection')
        .mosaic()
        .select('B0');

Map.addLayer(
    probabilities.mask(probabilities.neq(0)),
    {min: 0, max: 250, palette: ['white', 'green']},
    'Natural forest probabilities');

Map.addLayer(
    probabilities.gte(0.5).mask(probabilities.gte(0.5)), {palette: 'teal'},
    'Natural forest map at threshold');
Im Code-Editor öffnen