-
Conjunto de datos de imágenes forestales de Brasil de 2008: mapa base analítico
Este conjunto de datos proporciona un mapa base multiespectral (verde, rojo y cercano al infrarrojo) de Brasil con una resolución de hasta 10 metros, capturado principalmente en 2008, para respaldar la implementación del Código Forestal de Brasil. El mosaico se sintetiza a partir de datos satelitales de SPOT 2, 4 y 5. Funciona como una versión de mayor resolución… brazil forest-code google imagery multispectral satellite-imagery -
Conjunto de datos de imágenes forestales de Brasil de 2008: mapa base visual
Este conjunto de datos proporciona un mapa base de imágenes visuales de Brasil con una resolución de hasta 5 metros, capturadas principalmente en 2008, para respaldar la implementación del Código Forestal de Brasil. El mosaico se sintetiza a partir de datos satelitales de SPOT 2, 4 y 5. Sirve como una alternativa de alta resolución a… brazil deforestation forest-code google rgb satellite-imagery -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ es un procesador de evaluación de calidad (QA) para imágenes satelitales ópticas de resolución media a alta. El conjunto de datos de Cloud Score+ S2_HARMONIZED se produce de forma operativa a partir de la colección armonizada Sentinel-2 L1C, y los resultados de Cloud Score+ se pueden usar para identificar píxeles relativamente claros y quitar las nubes de manera eficaz… cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World es un conjunto de datos de cobertura y uso del suelo (LULC) casi en tiempo real (NRT) con una resolución de 10 m que incluye probabilidades de clase y etiquetas informativas para nueve clases. Las predicciones de Dynamic World están disponibles para la colección L1C de Sentinel-2 desde el 27/06/2015 hasta la actualidad. La frecuencia de revisión de Sentinel-2 es de entre 2 y 5 días… global google landcover landuse landuse-landcover nrt -
Segmentos de CCDC globales de Google basados en Landsat (1999-2019)
Esta colección contiene resultados precalculados de la ejecución del algoritmo de detección y clasificación de cambios continuos (CCDC) en 20 años de datos de reflectancia de la superficie de Landsat. CCDC es un algoritmo de búsqueda de puntos de interrupción que utiliza el ajuste armónico con un umbral de RMSE dinámico para detectar puntos de interrupción en los datos de series temporales. El… change-detection google landcover landsat-derived landuse landuse-landcover -
JRC Global Surface Water Mapping Layers, v1.2 [obsoleto]
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2019, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC Global Surface Water Mapping Layers, v1.4
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2021, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … change-detection geophysical google jrc landsat-derived surface -
Metadatos de agua superficial global del JRC, versión 1.4
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2021, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC Monthly Water History, v1.4
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2021, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … geophysical google history jrc landsat-derived monthly -
JRC Monthly Water Recurrence, v1.4
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2021, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … geophysical google history jrc landsat-derived monthly -
Historial anual de clasificación de agua del JRC, versión 1.4
Este conjunto de datos contiene mapas de la ubicación y la distribución temporal de las aguas superficiales de 1984 a 2021, y proporciona estadísticas sobre la extensión y el cambio de esas superficies de agua. Para obtener más información, consulta el artículo de revista asociado: High-resolution mapping of global surface water and its … annual geophysical google history jrc landsat-derived -
Clasificación de cambios intermareales globales de Murray
El conjunto de datos de Murray Global Intertidal Change contiene mapas globales de ecosistemas de llanuras de mareas producidos a través de una clasificación supervisada de 707,528 imágenes del archivo de Landsat. Cada píxel se clasificó como llanura de marea, agua permanente o de otro tipo con referencia a un conjunto de datos de entrenamiento distribuidos a nivel global. El… coastal google intertidal landsat-derived murray surface-ground-water -
Máscara de datos de cambio intermareal global de Murray
El conjunto de datos de Murray Global Intertidal Change contiene mapas globales de ecosistemas de llanuras de mareas producidos a través de una clasificación supervisada de 707,528 imágenes del archivo de Landsat. Cada píxel se clasificó como llanura de marea, agua permanente o de otro tipo con referencia a un conjunto de datos de entrenamiento distribuidos a nivel global. El… coastal google intertidal landsat-derived murray surface-ground-water -
Recuento de píxeles de QA de Murray Global Intertidal Change
El conjunto de datos de Murray Global Intertidal Change contiene mapas globales de ecosistemas de llanuras de mareas producidos a través de una clasificación supervisada de 707,528 imágenes del archivo de Landsat. Cada píxel se clasificó como llanura de marea, agua permanente o de otro tipo con referencia a un conjunto de datos de entrenamiento distribuidos a nivel global. El… coastal google intertidal landsat-derived murray surface-ground-water -
Imágenes multiespectrales SPOT de 10 a 20 m, Brasil
Esta colección proporciona imágenes multiespectrales sin procesar de la época de 2008 de los satélites SPOT 2, 4 y 5 sobre el país de Brasil. Estas misiones, operadas por el CNES, se diseñaron para proporcionar imágenes ópticas de alta resolución y de área amplia para administrar los recursos de la Tierra. SPOT 2 y 4 utilizaron la VFC y el HRVIR… brazil forest-code google multispectral satellite-imagery spot -
Imágenes multiespectrales en pseudocolores naturales de SPOT, de 10 a 20 m, Brasil
Esta colección contiene imágenes RGB de "color natural simulado" de la época de 2008 derivadas de las bandas multiespectrales nativas de SPOT 2, 4 y 5 para Brasil. Debido a que los sensores HRV y HRG no incluían una banda azul nativa, este producto sintetiza una representación RGB para aproximar una … brazil forest-code google rgb satellite-imagery spot -
Imágenes pancromáticas de SPOT de 5 a 10 m, Brasil
Esta colección contiene las bandas pancromáticas (PAN) sin procesar de los satélites SPOT 2, 4 y 5 de Brasil alrededor del año 2008. El sensor pancromático proporciona la resolución espacial nativa más alta de las misiones, ya que captura la luz en un amplio espectro visible (0.51-0.73 µm para SPOT 2, 0.61-0.68 µm para SPOT 4 y 0.50-0.70 µm para SPOT 5). brazil forest-code google imagery satellite-imagery spot -
Imágenes de color natural simulado y nitidez mejorada de SPOT, de 5 a 10 m, Brasil
Esta colección proporciona imágenes de satélite SPOT 2, 4 y 5 de color pseudo-natural y nitidez mejorada de alta resolución para Brasil alrededor del año 2008. Cuando había disponible una imagen pancromática de alta resolución correspondiente, se fusionaba con datos multiespectrales para lograr un mayor detalle espacial (hasta 5 m para SPOT 5 o 10 m… brazil forest-code google rgb satellite-imagery spot -
Incorporación de satélite, versión 1
El conjunto de datos de Google Satellite Embedding es una colección global de incorporaciones geoespaciales aprendidas y listas para el análisis. Cada píxel de 10 metros de este conjunto de datos es una representación de 64 dimensiones, o "vector de incorporación", que codifica las trayectorias temporales de las condiciones de la superficie en ese píxel y sus alrededores, según se miden con diversas observaciones de la Tierra… anual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
Este conjunto de datos asigna el factor dominante de la pérdida de cobertura arbórea a nivel mundial entre 2001 y 2022 con una resolución de 1 km. Los datos fueron producidos por el World Resources Institute (WRI) y Google DeepMind, y se desarrollaron con un modelo de red neuronal global (ResNet) entrenado en un conjunto de muestras recopiladas… agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
Este conjunto de datos asigna el factor dominante de la pérdida de cobertura arbórea a nivel mundial del 2001 al 2023 con una resolución de 1 km. Los datos fueron producidos por el World Resources Institute (WRI) y Google DeepMind, y se desarrollaron con un modelo de red neuronal global (ResNet) entrenado en un conjunto de muestras recopiladas… agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
Este conjunto de datos asigna el factor dominante de la pérdida de cobertura arbórea a nivel mundial del 2001 al 2024 con una resolución de 1 km. Los datos fueron producidos por el World Resources Institute (WRI) y Google DeepMind, y se desarrollaron con un modelo de red neuronal global (ResNet) entrenado en un conjunto de muestras recopiladas… agriculture deforestation forest forest-biomass google landandcarbon