Datasets tagged landuse in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Модель вероятности какао 2025a
**Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub.** Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
**Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub.** Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
Этот набор данных представляет собой карту террас Китая с разрешением 30 м, созданную в 2018 году. Он был разработан с помощью контролируемой пиксельной классификации с использованием многоисточниковых и многовременных данных на платформе Google Earth Engine. Общая точность и коэффициент Каппа достигли 94% и 0,72 соответственно. Это первый…
Dynamic World — это набор данных о землепользовании/землепокрытии (LULC) с разрешением 10 м, отображающий данные практически в реальном времени (NRT) и включающий вероятности классов и информацию о метках для девяти классов. Прогнозы Dynamic World доступны для коллекции Sentinel-2 L1C с 27 июня 2015 года по настоящее время. Частота повторных облетов Sentinel-2 составляет от 2 до 5 дней…
Продукт WorldCover 10 m 2020 Европейского космического агентства (ESA) представляет собой глобальную карту землепользования на 2020 год с разрешением 10 м, основанную на данных Sentinel-1 и Sentinel-2. Продукт WorldCover включает 11 классов землепользования и был создан в рамках…
Продукт WorldCover 10 m 2021 Европейского космического агентства (ESA) представляет собой глобальную карту землепользования на 2021 год с разрешением 10 м, основанную на данных Sentinel-1 и Sentinel-2. Продукт WorldCover включает 11 классов землепользования и был создан в рамках…
Этот набор данных содержит глобальные ежегодные карты преобладающих классов пастбищных угодий (возделываемых и естественных/полуестественных) за период с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает все типы землепользования, содержащие не менее…
GPW Ежегодные вероятности развития культивируемых пастбищ v1
Этот набор данных содержит глобальные ежегодные карты вероятности площади обрабатываемых пастбищ с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает все типы землепользования, содержащие не менее 30% засушливых земель…
GPW Ежегодные вероятности существования естественных/полуестественных лугов, версия 1
Этот набор данных содержит глобальные ежегодные карты вероятности наличия естественных/полуестественных пастбищ с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает любые типы землепользования, содержащие не менее 30% засушливых земель…
Этот набор данных содержит глобальные некалиброванные данные о валовой первичной продуктивности (ВПП) на основе дистанционного зондирования Земли с 2000 года с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, текущий набор данных предоставляет значения ВПП (валовой первичной продуктивности) в глобальном масштабе с пространственным разрешением 30 м, начиная с 2000 года. Значения ВПП…
Данный набор данных представляет собой глобальную карту плантаций масличной пальмы с разрешением 10 м за 2019 год, охватывающую территории, где были обнаружены плантации масличной пальмы. Классифицированные изображения являются результатом работы сверточной нейронной сети на основе полугодовых композитов Sentinel-1 и Sentinel-2. См. статью для получения дополнительной информации…
Сегменты CCDC на основе глобальных данных Landsat от Google (1999-2019)
Эта коллекция содержит предварительно рассчитанные результаты применения алгоритма непрерывного обнаружения и классификации изменений (CCDC) к данным о поверхностном отражательном значении Landsat за 20 лет. CCDC — это алгоритм поиска точек разрыва, использующий гармоническую аппроксимацию с динамическим порогом среднеквадратичной ошибки (RMSE) для обнаружения точек разрыва во временных рядах данных. …
LUCAS Copernicus (Многоугольники с атрибутами, 2018) V1
Обследование землепользования и земельного покрова (LUCAS) в Европейском Союзе (ЕС) было создано для предоставления статистической информации. Оно представляет собой проводимое раз в три года обследование на местах, охватывающее всю территорию ЕС, с целью сбора данных о земельном покрове и землепользовании. LUCAS собирает информацию о земельном покрове и…
LUCAS Гармонизированное (теоретическое местоположение, 2006-2018) V1
Обследование землепользования и земельного покрова (LUCAS) в Европейском Союзе (ЕС) было создано для предоставления статистической информации. Оно представляет собой проводимое раз в три года обследование на местах, охватывающее всю территорию ЕС, с целью сбора данных о земельном покрове и землепользовании. LUCAS собирает информацию о земельном покрове и…
Обследование землепользования и земельного покрова (LUCAS) в Европейском Союзе (ЕС) было создано для предоставления статистической информации. Оно представляет собой проводимое раз в три года обследование на местах, охватывающее всю территорию ЕС, с целью сбора данных о земельном покрове и землепользовании. LUCAS собирает информацию о земельном покрове и…
**Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub.** Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
**Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub.** Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Система мониторинга изменений ландшафта Лесной службы США, версия 2025-11 (на территории США и за рубежом)
Этот продукт является частью пакета данных Системы мониторинга изменений ландшафта (LCMS). Он отображает смоделированные в рамках LCMS изменения, землепользование и/или классы землепользования за каждый год и охватывает континентальную часть Соединенных Штатов (CONUS), а также территории за пределами CONUS (OCONUS), включая Аляску (AK), Пуэрто-Рико…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2022 гг., версия 1.0
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2022 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2023 гг., версия 1.1
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2023 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2024 гг., версия 1.2
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2024 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2025 гг., версия 1.3
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2025 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],[],[],["This compilation presents various land-use and land-cover datasets. Key actions include mapping global oil palm plantations for 2019, creating global land cover maps at 10m resolution for 2020 and 2021, and providing near-real-time land use/land cover data from 2015 to present. Other datasets offer information on land-cover change detection over 20 years, EU land-use surveys, a 2018 China terrace map, and probabilities of cocoa, palm, rubber trees, cultivated grasslands and dominant class of grasslands.\n"]]
