Natural Forests of the World 2020

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

Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. W przypadku błędów napisz na adres biosphere-models@google.com. Więcej zbiorów danych znajdziesz w katalogu Nature Trace. Więcej informacji o zbiorach danych wydawcy

Właściciel katalogu
Nature Trace
Dostępność zbioru danych
2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
Dostawca zbioru danych
Fragment kodu Earth Engine
ee.ImageCollection("projects/nature-trace/assets/forest_typology/natural_forest_2020_v1_0_collection")
Tagi
bioróżnorodność klimat ochrona wylesianie eudr las biomasa leśna ślad natury zbiór danych wydawcy

Opis

Natural Forests of the World 2020 to globalna mapa prawdopodobieństwa wystąpienia lasu naturalnego w 2020 r. w rozdzielczości 10 m. Została ona opracowana, aby wspierać inicjatywy takie jak rozporządzenie Unii Europejskiej w sprawie wylesiania (EUDR) oraz inne działania na potrzeby ochrony i monitorowania lasów. Mapa przedstawia prawdopodobieństwo, że dany obszar jest lasem naturalnym, w tym lasem pierwotnym, lasem wtórnym odnawiającym się naturalnie i lasem naturalnym zarządzanym. Odróżnia je od lasów sadzonych, upraw drzew i innych typów pokrycia terenu. Zbiór danych został utworzony przy użyciu multimodalnego modelu transformatora wizyjnego o charakterze czasowo-przestrzennym, który analizował sezonowe wieloczasowe zdjęcia satelitarne Sentinel-2 oraz dane topograficzne (wysokość, nachylenie i ekspozycję terenu na podstawie modelu wysokościowego Copernicus GLO-30 DEM z misji TanDEM-X). Dane są udostępniane w postaci mapy probabilistycznej, co umożliwia użytkownikom zastosowanie progu prawdopodobieństwa w celu utworzenia binarnej mapy lasów naturalnych dostosowanej do ich konkretnych potrzeb.

Ograniczenia: chociaż ta mapa stanowi cenną globalną wartość bazową, użytkownicy powinni mieć świadomość kilku ograniczeń naszej mapy (ocenionych przy optymalnym progu prawdopodobieństwa OA wynoszącym 0,52):

  • Model może mieć trudności z rozróżnieniem złożonych systemów agroforestry (np. z uprawami drzew zacieniających) oraz mozaik rolniczych małych gospodarstw od lasów naturalnych.
  • Odróżnienie lasów sadzonych od lasów odnawiających się naturalnie może być trudne, zwłaszcza w strefie borealnej i niektórych strefach klimatu umiarkowanego, gdzie lasy naturalne mają mniejszą różnorodność gatunkową i są wycinane z dłuższymi okresami rotacji w porównaniu ze strefą tropikalną.
  • Rzadkie lasy naturalne, takie jak sawanna, często znajdują się na granicy definicji lasu naturalnego ze względu na zagęszczenie drzew i współczynniki pokrycia. Przypisanie typu lasu bezpośrednio po zdarzeniu zakłócającym (np. pożarze lub wycince) jest z natury niejednoznaczne. Na podstawie zdjęć satelitarnych nie zawsze można stwierdzić, czy las odrośnie naturalnie, czy też teren zostanie przekształcony w inny sposób (np. w plantację lub obszar rolniczy).
  • Inne obszary, które mogą być mylące, to duże parki na terenach miejskich lub pasy drzew, które spełniają kryteria definicji lasu, ale nie są naturalne.
  • Dokładność naszej mapy lasów naturalnych jest ściśle powiązana z jakością i spójnością różnych zbiorów danych wejściowych używanych do trenowania generowania etykiet. Te zbiory danych zostały utworzone przy użyciu różnych metodologii, rozdzielczości przestrzennych, zakresów czasowych i definicji. Niektóre warstwy etykiet były wynikami innych modeli, dlatego ich jakość jest ograniczona jakością tych modeli. Nasze podejście miało na celu ujednolicenie źródeł i zastosowanie złagodzeń wpływu błędów w poszczególnych zbiorach danych, ale niespójności i nieścisłości w danych źródłowych nadal mogą wpływać na ostateczną mapę.

Pasma

Pasma

Rozmiar piksela: 10 m (wszystkie pasma)

Nazwa Minimum Maks. Rozmiar piksela Opis
B0 0 250 10 metrów

Prawdopodobieństwa wystąpienia lasu naturalnego (skalowane do zakresu [0–250]).

Warunki korzystania z usługi

Warunki korzystania z usługi

Ten zbiór danych jest objęty licencją CC-BY 4.0 i wymaga podania następującej informacji o autorstwie: „Ten zbiór danych został utworzony przez Google”.

Cytaty

Cytowanie:
  • 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” (w trakcie recenzji).doi:10.31223/X5ZX6P

Odkrywaj za pomocą Earth Engine

Edytor kodu (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');
Otwórz w edytorze kodu