-
象牙海岸 BNETD 2020 土地覆蓋地圖
象牙海岸 BNETD 2020 土地覆蓋圖是由象牙海岸政府透過國家機構、國家研究辦公室技術與開發中心 (BNETD-CIGN) 製作,並獲得歐洲聯盟的技術與財務支援。研究方法… 分類 deforestation forest landcover landuse-landcover -
EC JRC 2020 年全球森林覆蓋率地圖,第 2 版
全球森林覆蓋率地圖以 10 公尺的空間解析度,明確呈現 2020 年森林的存在與缺乏情形。2020 年是指歐盟法規「在 … 上提供」的截止日期。 eudr forest forest-biomass jrc -
歐洲原始森林資料集 - 點
歐洲原始森林資料整合了 48 個不同的原始森林資料集,其中大多數是實地資料集,並包含 18,411 個個別區塊 (41.1 公頃),分布於 33 個國家/地區。其中主要包括老林、後期演替森林,以及在自然擾動後產生的早期演替階段和幼林。 europe forest forest-biomass table -
歐洲原始森林資料集 - 多邊形
歐洲原始森林資料整合了 48 個不同的原始森林資料集,其中大多數是實地資料集,並包含 18,411 個個別區塊 (41.1 公頃),分布於 33 個國家/地區。其中主要包括老林、後期演替森林,以及在自然擾動後產生的早期演替階段和幼林。 europe forest forest-biomass table -
FORMA 警示門檻
WRI 的附註:WRI 已決定停止更新 FORMA 快訊。我們的目標是簡化 Global Forest Watch 使用者體驗,並減少重複內容。我們發現 Terra-i 和 GLAD 的使用頻率較高。此外,使用 GLAD 做為標準,發現 Terra-i 的表現優於 FORMA … daily deforestation fire forest forma gfw -
FORMA 警報
WRI 的附註:WRI 已決定停止更新 FORMA 快訊。我們的目標是簡化 Global Forest Watch 使用者體驗,並減少重複內容。我們發現 Terra-i 和 GLAD 的使用頻率較高。此外,使用 GLAD 做為標準,發現 Terra-i 的表現優於 FORMA … daily deforestation fire forest forma gfw -
FORMA 原始輸出資料 FIRMS
WRI 的附註:WRI 已決定停止更新 FORMA 快訊。我們的目標是簡化 Global Forest Watch 使用者體驗,並減少重複內容。我們發現 Terra-i 和 GLAD 的使用頻率較高。此外,使用 GLAD 做為標準,發現 Terra-i 的表現優於 FORMA … daily deforestation fire forest forma gfw -
FORMA 原始輸出 NDVI
WRI 的附註:WRI 已決定停止更新 FORMA 快訊。我們的目標是簡化 Global Forest Watch 使用者體驗,並減少重複內容。我們發現 Terra-i 和 GLAD 的使用頻率較高。此外,使用 GLAD 做為標準,發現 Terra-i 的表現優於 FORMA … daily deforestation forest forest-biomass forma gfw -
FORMA Vegetation T-Statistics
WRI 的附註:WRI 已決定停止更新 FORMA 快訊。我們的目標是簡化 Global Forest Watch 使用者體驗,並減少重複內容。我們發現 Terra-i 和 GLAD 的使用頻率較高。此外,使用 GLAD 做為標準,發現 Terra-i 的表現優於 FORMA … daily deforestation forest forest-biomass forma gfw -
森林附近人員 (FPP) 1.0
「森林附近居民」(FPP) 資料集是森林合作夥伴計畫 (CPF) 全球核心森林相關指標 (GCS) 指標 #13「極度貧窮的森林依賴人口數」的資料層之一。FPP 資料集提供 … agriculture fao forest global plant-productivity population -
IPCC 地上生物量第 1 級估算值的 2020 年全球森林分類,第 1 版
這個資料集提供全球森林類別,以 2020 年的狀態/狀況劃分,解析度約為 30 公尺。這項資料可協助產生 2019 年「IPCC 2006 年國家溫室氣體排放量指南」修訂版中,自然森林上層乾燥木質生物量密度 (AGBD) 的 1 級估計值。 地面 生物量 碳 分類 森林 森林生物量 -
全球 3 級 PALSAR-2/PALSAR 森林/非森林地圖
這個資料集的新版包含 2017 年至 2020 年的 4 個類別,可在 JAXA/ALOS/PALSAR/YEARLY/FNF4 中找到。這個全球森林/非森林地圖 (FNF) 是透過全球 25 公尺解析度的 PALSAR-2/PALSAR SAR 馬賽克圖像 (後向散射係數) 進行分類而產生,因此強烈和低強度的後向散射像素會分別標示為紅色和藍色, alos alos2 分類 eroc 森林 森林生物量 -
全球 4 級 PALSAR-2/PALSAR 森林/非森林地圖
全球森林/非森林地圖 (FNF) 是透過全球 25 公尺解析度 PALSAR-2/PALSAR SAR 馬賽克中的 SAR 圖像 (回波係數) 進行分類而產生,因此強烈和低回波像素分別會指派為「森林」和「非森林」。此處的「森林」定義為含有 … alos alos2 分類 eroc 森林 森林生物量 -
全球地上和地下生物量碳密度地圖
這組資料集提供 2010 年全球地上和地下生物量碳密度的時間一致和調和地圖,空間解析度為 300 公尺。地表生物量地圖整合了土地覆蓋率特定的遙測地圖,包括木本、草地、農地和苔原生物量。輸入對應項目為… 地面 生物量 碳 密度 森林 森林生物量 -
全球森林樹冠高度 (2005 年)
這份資料集是根據 Geoscience Laser Altimeter System (GLAS) 的太空衛星雷射測距儀資料 (2005 年) 和輔助地理空間資料,呈現全球樹木高度。詳情請參閱 Simard 等人 (2011 年) 的研究。 樹冠 森林 森林生物量 地質 jpl nasa -
全球森林覆蓋率變化 (GFCC) 樹木覆蓋率多年度全球 30 公尺
Landsat 植被連續欄位 (VCF) 樹冠覆蓋層包含每個 30 公尺像素的水平地面估計百分比,這些像素覆蓋的木質植被高度超過 5 公尺。這組資料集可用於 2000、2005、2010 年等四個時間點。 森林 森林生物量 GLCF Landsat 衍生 NASA UMD -
2020 年全球森林類型地圖
全球森林類型地圖以 10 公尺的空間解析度,明確呈現 2020 年的原始森林、自然再生森林和人工造林 (包括人工林)。用於繪製這些森林類型的底圖層是森林覆蓋範圍 … eudr forest forest-biomass jrc landcover primary-forest -
以格狀方式顯示 GEDI 植被結構指標和生物量密度,並加入 COUNTS 指標,像素大小為 12 公里
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
以 1 公里為單位的像素大小,以格狀方式顯示 GEDI 植被結構指標和生物量密度,並顯示 COUNTS 指標
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
以格狀方式呈現的 GEDI 植被結構指標和生物量密度,以及 COUNTS 指標,像素大小為 6 公里
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
格狀 GEDI 植被結構指標和生物量密度,像素大小 12 公里
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
格狀 GEDI 植被結構指標和生物量密度,像素大小為 1 公里
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
格狀 GEDI 植被結構指標和生物量密度,像素大小為 6 公里
這個資料集包含近乎全球範圍的多解析度格狀植被結構指標,這些指標是根據 NASA 全球生態系統動態調查 (GEDI) 等級 2 和 4A 產品,以及直徑 25 公尺的光達儀足跡所得。這項資料集提供全球近乎完整的植被結構表示法,包括… 生物量 樹冠 森林 森林生物量 gedi larse -
Hansen Global Forest Change v1.12 (2000-2024)
針對 Landsat 圖像進行時序分析,以便瞭解全球森林範圍和變化情形的結果。「第一」和「最後」波段是指 Landsat 光譜波段 (對應於紅色、近紅外線、SWIR1 和 SWIR2) 在第一和最後可用年份的參考多光譜影像。參考合成圖像代表 … 森林 森林生物量 地理 Landsat 衍生 umd -
2019 年加拿大 Landsat 衍生森林年齡
加拿大原始森林資料集是 2019 年加拿大森林生態區的衛星森林年齡地圖,空間解析度為 30 公尺。系統會使用 Landsat (干擾、地表反射率合成圖、森林結構) 和 MODIS (初級生產總量) 的遙測資料,判斷樹齡。森林年齡可以是… 加拿大 森林 森林生物量 -
監控影像烙印嚴重度趨勢 (MTBS) 影像烙印嚴重度
燒傷嚴重程度地圖是由 MTBS 燒傷嚴重程度類別的主題化柵格圖組成,這些類別是指美國本土、阿拉斯加、夏威夷和波多黎各所有目前已完成的 MTBS 火災。每年都會根據美國各州和美國國家海洋暨大氣總署 (NOAA) 的資料,製作出經過馬賽克處理的火災嚴重程度圖片。 eros 火災 森林 gtac 土地覆蓋率 landsat 衍生 -
NEON 林冠高度模型 (CHM)
樹冠頂端相對於裸露地面的高度 (樹冠高度模型;CHM)。CHM 是從 NEON LiDAR 點雲衍生而來,並透過在 LiDAR 調查的整個空間範圍內,建立連續的樹冠高度估計值表面而產生。… 空氣傳播 樹冠 森林 森林生物量 lidar neon -
NEON 數位地形模型 (DEM)
從 NEON LiDAR 資料衍生的地表 (DSM) 和地形 (DTM) 數位模型。DSM:地表特徵 (包含植被和人工建築物的地形資訊)。DTM:裸露地表高程 (去除植被和人造結構物的地形資訊)。圖片中的高度以海拔為單位,單位為公尺。 空拍 DEM 海拔高度-地形 森林 lidar neon -
NEON RGB 相機圖像
高解析度的紅綠藍 (RGB) 正射相機圖像,經過馬賽克處理後,使用最近鄰重採樣技術輸出至固定的一致空間格線,空間解析度為 0.1 公尺。數位相機是 NEON 空中觀測平台 (AOP) 的一系列儀器之一,其中還包括 … airborne forest highres neon neon-prod-earthengine orthophoto -
NEON 表面雙向反射率
NEON AOP 地表雙向反射率是超光譜 VSWIR (可見光至短波紅外線) 資料產品,包含 426 個波段,波長範圍從約 380 奈米到 2510 奈米。反射率會以 10000 的係數縮放。波長介於 1340-1445 nm 和 1790-1955 nm 之間的波長設為 … 空拍 森林 高光譜 neon neon-prod-earthengine publisher-dataset -
NEON 表面方向反射率
NEON AOP 地表方向反射率是超光譜 VSWIR (可見光至短波紅外線) 資料產品,包含 426 個波段,波長範圍從約 380 奈米到 2510 奈米。反射率會以 10000 的係數縮放。波長介於 1340-1445 nm 和 1790-1955 nm 之間的波長設為 … 空拍 森林 高光譜 neon neon-prod-earthengine publisher-dataset -
NICFI 衛星資料計畫 - 熱帶雨林監測 - 非洲
這組圖片主要目的是減少和扭轉熱帶雨林的消失,進而對抗氣候變遷、保護生物多樣性、促進森林再生、復原和改善,並促進永續發展。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
NICFI 衛星資料計畫熱帶雨林監測基本地圖 - 美洲
這組圖片主要目的是減少和扭轉熱帶雨林的消失,進而對抗氣候變遷、保護生物多樣性、促進森林再生、復原和改善,並促進永續發展。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
NICFI 衛星資料計畫 - 熱帶雨林監測 - 亞洲
這組圖片主要目的是減少和扭轉熱帶雨林的消失,進而對抗氣候變遷、保護生物多樣性、促進森林再生、復原和改善,並促進永續發展。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
原始熱帶雨林
原始熱帶雨林為全球提供許多生態系統服務,但仍持續受到經濟動機驅動的砍伐威脅。為協助國家進行土地使用規劃,並平衡經濟發展和維護生態系統服務的目標,我們建立了主要的熱帶雨林地圖。 forest forest-biomass global landsat-derived umd -
樹木附近的人數 (TPP) 1.0
「樹木與人類的關係」(TPP) 是「全球森林合作夥伴關係」(CPF) 全球森林相關指標 (GCS) 的指標 #13 (極度貧窮的森林依賴人口數) 開發過程中,所參考的資料集之一。TPP 資料集提供 4 種不同的預估值… agriculture fao forest global plant-productivity population -
USFS Landscape Change Monitoring System 2024.10 版 (美國本土和美國本土以外)
此產品屬於景觀變遷監測系統 (LCMS) 資料套件。這份地圖顯示 LCMS 模擬的變化、土地覆蓋和/或土地使用類別,涵蓋美國本土 (CONUS) 和美國本土以外的地區 (OCONUS),包括阿拉斯加州 (AK)、波多黎各 … change-detection forest gtac landcover landuse landuse-landcover -
USFS Tree Canopy Cover v2023-5 (CONUS and OCONUS)
這項產品是樹冠覆蓋率 (TCC) 資料套件的一部分。其中包含模擬的 TCC、標準誤差 (SE),以及國家土地覆蓋資料庫 (NLCD) 的 TCC 資料。美國農業部林業局 (USFS) 產生的 TCC 資料是 forest gtac landuse-landcover redcastle-resources usda usfs -
USFS TreeMap v2016 (美國本土)
這項產品是 TreeMap 資料套件的一部分。這項資料集提供森林特徵的詳細空間資訊,包括 2016 年美國大陸地區整個森林範圍內的活樹、枯木、生物量和碳數量。TreeMap v2016 包含一張圖片、一… 生物量 碳 氣候變遷 conus 森林 森林生物量 -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
這份資料集以 1 公里解析度,繪製 2001 年至 2022 年全球樹木覆蓋率減少的主要原因。這些資料由世界資源研究所 (WRI) 和 Google DeepMind 製作,使用全球類神經網路模型 (ResNet) 開發,該模型是根據收集到的一系列樣本訓練而成。 agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
這份資料集以 1 公里解析度,繪製 2001 年至 2023 年全球樹木覆蓋率減少的主要原因。這些資料由世界資源研究所 (WRI) 和 Google DeepMind 製作,使用全球類神經網路模型 (ResNet) 開發,該模型是根據收集到的一系列樣本訓練而成。 agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
這份資料集以 1 公里解析度,繪製 2001 年至 2024 年間全球樹木覆蓋率減少的主要原因。這些資料由世界資源研究所 (WRI) 和 Google DeepMind 製作,使用全球類神經網路模型 (ResNet) 開發,該模型是根據收集到的一系列樣本訓練而成。 agriculture deforestation forest forest-biomass google landandcarbon