Datasets tagged publisher-dataset in Earth Engine
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
مدل احتمال کاکائو ۲۰۲۵a
این مجموعه تصویر، احتمال تقریبی اشغال شدن منطقه زیرین توسط کالا را بر حسب پیکسل ارائه میدهد. تخمینهای احتمال با وضوح 10 متر ارائه شده و توسط یک مدل یادگیری ماشینی تولید شدهاند. برای جزئیات بیشتر، به مستندات فنی مربوط به Forest Data Partnership مراجعه کنید...
این مجموعه تصویر، احتمال تقریبی اشغال شدن منطقه زیرین توسط کالا را بر حسب پیکسل ارائه میدهد. تخمینهای احتمال با وضوح 10 متر ارائه شده و توسط یک مدل یادگیری ماشینی تولید شدهاند. برای جزئیات بیشتر، به مستندات فنی مربوط به Forest Data Partnership مراجعه کنید...
این مجموعه تصویر، احتمال تقریبی اشغال شدن منطقه زیرین توسط کالا را بر حسب پیکسل ارائه میدهد. تخمینهای احتمال با وضوح 10 متر ارائه شده و توسط یک مدل یادگیری ماشینی تولید شدهاند. برای جزئیات بیشتر، به مستندات فنی مربوط به Forest Data Partnership مراجعه کنید...
این مجموعه تصویر، احتمال تقریبی اشغال شدن منطقه زیرین توسط کالا را بر حسب پیکسل ارائه میدهد. تخمینهای احتمال با وضوح 10 متر ارائه شده و توسط یک مدل یادگیری ماشینی تولید شدهاند. برای جزئیات بیشتر، به مستندات فنی مربوط به Forest Data Partnership مراجعه کنید...
EVI: شاخص پوشش گیاهی بهبود یافته و پر شده با شکاف پروژه اطلس مالاریا (8 کیلومتر روزانه)
مجموعه دادههای اصلی برای این محصول شاخص پوشش گیاهی بهبود یافته (EVI)، تصاویر اصلاحشده با MODIS BRDF (MCD43B4) است که با استفاده از رویکرد مطرحشده در Weiss و همکاران (2014) برای حذف دادههای ازدسترفته ناشی از عواملی مانند پوشش ابر، شکافها پر شدهاند. پس از پر کردن شکافها، دادهها به ... برش داده شدند.
EVI: شاخص پوشش گیاهی بهبود یافته با پر کردن شکاف پروژه اطلس مالاریا (سالانه ۱ کیلومتر)
مجموعه دادههای اصلی برای این محصول شاخص پوشش گیاهی بهبود یافته (EVI)، تصاویر اصلاحشده با MODIS BRDF (MCD43B4) است که با استفاده از رویکرد مطرحشده در Weiss و همکاران (2014) برای حذف دادههای ازدسترفته ناشی از عواملی مانند پوشش ابر، شکافها پر شدهاند. پس از پر کردن شکافها، دادهها به ... برش داده شدند.
EVI: شاخص پوشش گیاهی بهبود یافته با پر کردن شکاف پروژه اطلس مالاریا (ماهانه ۱ کیلومتر)
مجموعه دادههای اصلی برای این محصول شاخص پوشش گیاهی بهبود یافته (EVI)، تصاویر اصلاحشده با MODIS BRDF (MCD43B4) است که با استفاده از رویکرد مطرحشده در Weiss و همکاران (2014) برای حذف دادههای ازدسترفته ناشی از عواملی مانند پوشش ابر، شکافها پر شدهاند. پس از پر کردن شکافها، دادهها به ... برش داده شدند.
مجموعه دادههای Farmscapes 2020 نقشههای احتمال با وضوح بالا (25 سانتیمتر) را برای سه ویژگی نیمه طبیعی کلیدی در مناظر کشاورزی انگلستان ارائه میدهد: پرچینها، جنگلها و دیوارهای سنگی. این مجموعه دادهها با همکاری مرکز بازیابی طبیعت Leverhulme در آکسفورد توسعه داده شده است تا به عنوان پایهای برای کاربردها عمل کند...
این نسخه برداری شده از مجموعه داده رستری Farmscapes 2020 است. این مجموعه، هندسههای چندضلعی را ارائه میدهد که نمایانگر ویژگیهای چشمانداز نیمه طبیعی در مقیاس ریز (به ویژه پرچینها، جنگلها و دیوارهای سنگی) در سراسر مناظر کشاورزی انگلستان هستند. این مجموعه داده با همکاری مرکز بازیابی طبیعت آکسفورد لورهولم توسعه داده شده است تا ...
این تصویر یک امتیاز در هر پیکسل (در [0، 1]) ارائه میدهد که نشان میدهد آیا منطقه پیکسل در سال 2020 توسط جنگل دست نخورده اشغال شده است یا خیر. این امتیازات با وضوح 30 متر ارائه شدهاند و با رویکرد همگرایی شواهد برای ترکیب چندین جنگل تولید شدهاند...
مجموعه داده گونهشناسی جنگل (ForTy) نسخه ۱ شامل یک نقشه احتمال جهانی برای هر کلاس با وضوح ۱۰ متر است که تمام مناطق زمینی بین عرض جغرافیایی ۶۵ درجه جنوبی و ۸۴ درجه شمالی را برای سال ۲۰۲۰ پوشش میدهد. این گونهشناسی شش کلاسه با تعاریف FAO و مقررات جنگلزدایی اتحادیه اروپا (EUDR) مطابقت دارد: کلاس ۱ ...
این مجموعه دادهها، نقشههای سالانه جهانی از کلاس غالب مراتع (کشتشده و طبیعی/نیمهطبیعی) از سال ۲۰۰۰ تا ۲۰۲۲ را با وضوح مکانی ۳۰ متر ارائه میدهد. این نقشه که توسط طرح ابتکاری «دیدهبان مراتع جهانی» آزمایشگاه زمین و کربن تهیه شده است، وسعت مراتع نقشهبرداریشده را شامل هر نوع پوشش زمینی میکند که حداقل شامل ...
این مجموعه دادهها، نقشههای احتمال سالانه جهانی از مراتع کشتشده از سال ۲۰۰۰ تا ۲۰۲۲ را با وضوح مکانی ۳۰ متر ارائه میدهد. این نقشه که توسط طرح ابتکاری «دیدهبان مراتع جهانی» آزمایشگاه زمین و کربن تهیه شده است، وسعت مراتع نقشهبرداریشده را شامل هر نوع پوشش زمینی میکند که حداقل ۳۰٪ از مراتع خشک را شامل میشود...
احتمالات سالانه GPW برای علفزارهای طبیعی/نیمه طبیعی نسخه ۱
این مجموعه دادهها، نقشههای احتمال سالانه جهانی از مراتع طبیعی/نیمهطبیعی از سال ۲۰۰۰ تا ۲۰۲۲ را با وضوح مکانی ۳۰ متر ارائه میدهد. این نقشه که توسط طرح ابتکاری «دیدهبان مراتع جهانی» آزمایشگاه زمین و کربن تهیه شده است، وسعت مراتع نقشهبرداری شده را شامل هر نوع پوشش زمینی میکند که حداقل ۳۰٪ از مراتع خشک را شامل میشود...
سرشماری سالانه دام (GPW) - تعدیل شده با FAOSTAT - نسخه ۱
این مجموعه دادهها، سرشماری جهانی دام از سال ۲۰۰۰ تا ۲۰۲۲ را با وضوح مکانی ۱ کیلومتر ارائه میدهد. این مجموعه دادهها که توسط طرح دیدهبانی مراتع جهانی آزمایشگاه زمین و کربن تهیه شده است، پیشبینیهای سرشماری جهانی را مطابق با آمار ملی FAOSTAT ارائه میدهد. این مجموعه دادهها بر اساس بزرگترین ... شناخته شده است.
این مجموعه دادهها، میانگین ارتفاع پوشش گیاهی جهانی را از سال ۲۰۰۰ با وضوح مکانی ۳۰ متر ارائه میدهد. این مجموعه دادهها که توسط طرح «دیدهبانی مراتع جهانی» آزمایشگاه زمین و کربن تهیه شده است، مقادیر میانگین ارتفاع پوشش گیاهی (صدک ۵۰) را در سطح جهانی با وضوح مکانی ۳۰ متر از سال ۲۰۰۰ به بعد ارائه میدهد. این مجموعه دادهها بر اساس ...
این مجموعه دادهها، مقادیر جهانی بهرهوری ناخالص اولیه (GPP) را از سال ۲۰۰۰ به بعد، بر اساس دادههای EO و بدون کالیبراسیون، با وضوح مکانی ۳۰ متر ارائه میدهد. این مجموعه دادهها که توسط طرح Global Pasture Watch آزمایشگاه زمین و کربن تهیه شده است، مقادیر جهانی بهرهوری ناخالص اولیه (GPP) را با وضوح مکانی ۳۰ متر از سال ۲۰۰۰ به بعد ارائه میدهد. مقادیر GPP ...
مجموعه داده CGMD-Extent30 (دینامیک جهانی پیوسته حرا - وسعت سالانه حرا با وضوح 30 متر) وسعت سالانه حرا در سطح جهان را از سال 1984 تا 2023 ارائه میدهد. این مجموعه داده به صورت یک مجموعه ویژگی موتور زمین واحد توزیع شده است که هر ویژگی نشان دهنده یک چندضلعی حرا نقشه برداری شده برای یک سال خاص است. مجموعه داده ...
پوشش تاجی کسری سالانه جهانی جنگلهای حرا (1984-2023)
این مجموعه دادهها، پوشش تاجی کسری (FCC) سالانه جهانی جنگلهای حرا را با وضوح مکانی 30 متر از سال 1984 تا 2023 ارائه میدهد تا از تجزیه و تحلیلهای گسترده در مورد پویایی بلندمدت جنگلهای حرا، از جمله تخریب و بازیابی تاج پوشش، ارزیابی کربن آبی و نظارت بر اکوسیستم ساحلی، پشتیبانی کند. FCC نسبت هر لندست ... را کمّی میکند.
روز LST: دمای سطح زمین در طول روز (۸ کیلومتر در روز) با شکاف دمایی پر شده توسط پروژه اطلس مالاریا
دمای سطح زمین (LST) در طول روز از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
روز LST: دمای سطح زمین در طول روز (سالانه از کیلومتر) با شکاف دمایی پروژه اطلس مالاریا
دمای سطح زمین (LST) در طول روز از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
روز LST: دمای سطح زمین در طول روز (ماهانه ۱ کیلومتر) با شکافهای دمایی پروژه اطلس مالاریا
دمای سطح زمین (LST) در طول روز از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
شب LST: دمای سطح زمین در طول شب (۸ روز از ۱ کیلومتر) - شکاف دمایی پروژه اطلس مالاریا
دمای سطح زمین در شب (LST) از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
شب LST: دمای سطح زمین در شب (سالانه از 1 کیلومتر) - شکاف دمایی پروژه اطلس مالاریا
دمای سطح زمین در شب (LST) از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
شب LST: دمای سطح زمین در شب (ماهانه ۱ کیلومتر) - پروژه اطلس مالاریا - پر از شکاف
دمای سطح زمین در شب (LST) از محصولات MODIS MOD11A2 v6.1 با برد تقریبی ۱ کیلومتر استخراج میشوند. دادههای ترکیبی ۸ روزه به درجه سانتیگراد تبدیل شده و سپس با استفاده از رویکردی که در Weiss و همکاران (۲۰۱۴) مطرح شده است، شکافها پر میشوند تا دادههای از دست رفته ناشی از عواملی مانند پوشش ابر حذف شوند. ...
مجموعه دادههای بهبودیافتهی آنالیز متان و محلیسازی پلوم با EMIT (MAPL-EMIT)، نقشههای بهبودیافتهی متان (CH₄) با وضوح بالا (60 متر) و احتمالات پلوم را که از دادههای درخشندگی گرفته شده توسط ابزار بررسی منبع گرد و غبار معدنی سطح زمین (EMIT) که به عنوان بخشی از ... تولید و منتشر شدهاند، ارائه میدهد.
مجموعه دادههای «آنالیز متان و محلیسازی دود متان با EMIT» (MAPL-EMIT) نقشههای پیچیده دود متان (CH₄) با وضوح بالا (60 متر) و مکانهای منبع دود را که از دادههای تابش گرفته شده توسط ابزار بررسی منبع گرد و غبار معدنی سطح زمین (EMIT) گرفته شده است، ارائه میدهد. انتشار منابع نقطهای متان عامل اصلی ...
این نقشه جهانی دسترسی، زمان سفر زمینی به نزدیکترین منطقه پرجمعیت را برای همه مناطق بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۵ محاسبه میکند. مناطق پرجمعیت به مناطقی اطلاق میشود که در هر کیلومتر مربع ۱۵۰۰ نفر یا بیشتر ساکن باشند یا ...
پروژه اطلس مالاریا، دسترسی به مراقبتهای بهداشتی ۲۰۱۹
این نقشه جهانی دسترسی، زمان سفر زمینی (به دقیقه) به نزدیکترین بیمارستان یا کلینیک را برای همه مناطق بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۹ نشان میدهد. تلاشهای عمدهای برای جمعآوری دادهها توسط OpenStreetMap، Google Maps و محققان دانشگاهی در حال انجام است...
پروژه اطلس مالاریا، دسترسی به مراقبتهای بهداشتی ۲۰۱۹ (فقط پیادهروی)
این نقشه دسترسی جهانی، زمان سفر زمینی (به دقیقه) به نزدیکترین بیمارستان یا درمانگاه را برای همه مناطق بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۹ نشان میدهد. این سطح بر اساس زمان سفر «فقط پیادهروی» و با استفاده از وسایل حمل و نقل غیرموتوری محاسبه شده است...
سطح اصطکاک ۲۰۱۹". این سطح اصطکاک جهانی، سرعت حرکت زمینی را برای تمام پیکسلهای زمینی بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۵ محاسبه میکند. این نقشه از طریق همکاری بین پروژه اطلس مالاریای دانشگاه آکسفورد (MAP)، گوگل، ... تهیه شده است.
این سطح اصطکاک جهانی، سرعت حرکت زمینی را برای تمام پیکسلهای زمینی بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۹ محاسبه میکند. این نقشه با همکاری بین MAP (دانشگاه آکسفورد)، موسسه کودکان Telethon (پرت، استرالیا)، گوگل و ... تهیه شده است.
پروژه اطلس مالاریا، سطح اصطکاک جهانی ۲۰۱۹ (فقط پیادهروی)
این سطح اصطکاک جهانی، سرعت سفر زمینی را برای تمام پیکسلهای زمینی بین ۸۵ درجه شمالی و ۶۰ درجه جنوبی برای یک سال اسمی ۲۰۱۹ محاسبه میکند. این سطح بر اساس سرعت سفر «فقط پیادهروی» و فقط با استفاده از وسایل حمل و نقل غیرموتوری محاسبه شده است. این نقشه از طریق ... تهیه شده است.
مجموعه دادههای پوشش و کاربری اراضی MapBiomas (LULC) برای بولیوی سالانه توسط پروژه MapBiomas با استفاده از تصاویر ماهوارهای لندست و تکنیکهای طبقهبندی یادگیری ماشینی تولید میشود. این مجموعه دادهها نقشههای پوشش اراضی سالانه ثابتی را با وضوح 30 متر ارائه میدهد که دوره زمانی 1985 تا 2024 را پوشش میدهد. بولیوی ...
مجموعه دادههای کاربری و پوشش اراضی MapBiomas (LULC) برای برزیل، سالانه توسط پروژه MapBiomas با استفاده از تصاویر ماهوارهای لندست و تکنیکهای طبقهبندی یادگیری ماشینی تولید میشود. این مجموعه دادهها نقشههای موضوعی دقیق و منسجمی را با وضوح 30 متر ارائه میدهد که چندین دهه را پوشش میدهد و هر ساله بهروزرسانی میشود. هر تصویر ...
مجموعه دادههای پوشش و کاربری اراضی MapBiomas (LULC) برای اکوادور سالانه توسط پروژه MapBiomas با استفاده از تصاویر ماهوارهای لندست و تکنیکهای طبقهبندی یادگیری ماشینی تولید میشود. این مجموعه دادهها نقشههای پوشش اراضی سالانه ثابتی را با وضوح 30 متر ارائه میدهد که دوره زمانی 1985 تا 2024 را پوشش میدهد. اکوادور ...
این مجموعه دادهها، دادههای مکانی برای کل کسر مولی متان در جو، "XCH4"، که توسط طیفسنج تصویربرداری MethaneAIR مشاهده شده است، ارائه میدهد. XCH4 به عنوان مقدار کل ستون (تعداد مولکولها) متان ("CH4") تقسیم بر مقدار کل ... تعریف میشود.
این مجموعه دادهها، دادههایی را برای تشخیص منبع نقطهای متان با انتشار بالا (کیلوگرم در ساعت) در ۱۳ منطقه استخراج نفت و گاز یا زغال سنگ از کلرادو، نیومکزیکو و تگزاس در غرب تا پنسیلوانیا، اوهایو و ویرجینیای غربی در شرق، به علاوه سه منطقه شهری (شهر نیویورک، ...) ارائه میدهد.
این مجموعه داده اولیه «پیشنمایش عمومی» دادههای مکانی برای کسر مولی متان در هوای خشک به طور متوسط ستونی در جو، «XCH4»، که از اندازهگیریهای طیفسنج تصویربرداری MethaneSAT بازیابی شده است، ارائه میدهد. XCH4 به عنوان مقدار کل ستون (تعداد مولکولهای بالای یک واحد سطح) از ... تعریف میشود.
پیشنمایش عمومی منابع منطقهای MethaneSAT L4 نسخه ۱.۰.۰
مدل انتشار گازهای گلخانهای در مناطق پراکنده هنوز در حال توسعه است و نمایانگر محصول نهایی نیست. این مجموعه داده اولیه "پیشنمایش عمومی" دادههای با دقت بالایی را برای انتشار متان از منابع پراکنده در مناطق ارائه میدهد. این دادههای انتشار از حوضههای آپالاچی، پرمین و یونیتا در ...
پیشنمایش عمومی منابع منطقهای MethaneSAT L4 نسخه ۲.۰.۰
مدل انتشار گازهای گلخانهای در مناطق پراکنده هنوز در حال توسعه است و نمایانگر محصول نهایی نیست. این مجموعه داده اولیه "پیشنمایش عمومی" دادههای با دقت بالایی را برای انتشار متان از منابع پراکنده در مناطق مختلف ارائه میدهد. این اندازهگیریهای جدید اهمیت تعیین کمیت کل انتشار متان با ... بالا را نشان میدهند.
پیشنمایش عمومی منابع نقطهای MethaneSAT L4 نسخه ۱.۰.۰
این مجموعه داده اولیه «پیشنمایش عمومی» دادههای با دقت بالا برای انتشار متان از منابع نقطهای گسسته ارائه میدهد. این شارهای انتشار متان با استفاده از یک چارچوب تشخیص منبع نقطهای و کمیسازی انتشار گازهای گلخانهای که برای بهرهبرداری از وضوح مکانی بالا، پوشش مکانی گسترده و دقت بالای ...
ارتفاع بالای تاج پوشش گیاهی بالای زمین لخت (مدل ارتفاع تاج پوشش گیاهی؛ CHM). CHM از ابر نقطهای لیدار NEON مشتق شده و با ایجاد یک سطح پیوسته از تخمینهای ارتفاع تاج پوشش گیاهی در کل دامنه مکانی نقشهبرداری لیدار تولید میشود. ...
غلظت نیتروژن تاج پوشش گیاهی مدلسازی شده با مشاهدات شیمیایی برگ گیاه NEON کالیبره شده و با بازتاب جهتدار سطح L1، مشتق شده از طیفسنج تصویربرداری NEON (NIS) پیشبینی شده است. باندها شامل ۱) درصد نیتروژن تاج پوشش، ۲) عدم قطعیت مدل نیتروژن تاج پوشش، ۳) نتیجه طبقهبندی برای مدل سوزنی در مقابل مدل غیر سوزنی و ...
مدلهای دیجیتالی سطح (DSM) و زمین (DTM) که از دادههای لیدار NEON مشتق شدهاند. DSM: ویژگیهای سطحی (اطلاعات توپوگرافی با پوشش گیاهی و سازههای مصنوعی موجود). DTM: ارتفاع زمین لخت (اطلاعات توپوگرافی با حذف پوشش گیاهی و سازههای مصنوعی). تصاویر بر حسب متر بالاتر از میانگین سطح دریا ارائه شدهاند...
تصاویر دوربین تصحیحشدهی قائم قرمز-سبز-آبی (RGB) با وضوح بالا، موزاییکی شده و با استفاده از نمونهبرداری مجدد نزدیکترین همسایه، روی یک شبکهی مکانی ثابت و یکنواخت خروجی داده میشوند؛ وضوح مکانی 0.1 متر است. دوربین دیجیتال بخشی از مجموعهای از ابزارها در پلتفرم رصد هوایی NEON (AOP) است که شامل ... نیز میشود.
بازتاب دو جهته سطح NEON AOP یک محصول داده فراطیفی VSWIR (مرئی برای مادون قرمز موج کوتاه) است که شامل ۴۲۶ باند با طول موجهای از حدود ۳۸۰ نانومتر تا ۲۵۱۰ نانومتر است. بازتاب با ضریب ۱۰۰۰۰ مقیاسبندی شده است. طول موجهای بین ۱۳۴۰-۱۴۴۵ نانومتر و ۱۷۹۰-۱۹۵۵ نانومتر به صورت ... تنظیم شدهاند.
بازتاب جهتدار سطحی NEON AOP یک محصول داده فراطیفی VSWIR (مرئی برای مادون قرمز موج کوتاه) است که شامل ۴۲۶ باند با طول موجهای از حدود ۳۸۰ نانومتر تا ۲۵۱۰ نانومتر میباشد. بازتاب با ضریب ۱۰۰۰۰ مقیاسبندی شده است. طول موجهای بین ۱۳۴۰-۱۴۴۵ نانومتر و ۱۷۹۰-۱۹۵۵ نانومتر به صورت ... تنظیم شدهاند.
نقشههای پایه برنامه دادههای ماهوارهای NICFI برای پایش جنگلهای گرمسیری - آفریقا
این مجموعه تصاویر، دسترسی به پایش ماهوارهای با وضوح بالا از مناطق گرمسیری را با هدف اصلی کاهش و معکوس کردن روند نابودی جنگلهای گرمسیری، کمک به مبارزه با تغییرات اقلیمی، حفظ تنوع زیستی، کمک به رشد مجدد جنگلها، احیا و بهبود آنها و تسهیل توسعه پایدار فراهم میکند.
نقشههای پایه برنامه دادههای ماهوارهای NICFI برای پایش جنگلهای گرمسیری - قاره آمریکا
این مجموعه تصاویر، دسترسی به پایش ماهوارهای با وضوح بالا از مناطق گرمسیری را با هدف اصلی کاهش و معکوس کردن روند نابودی جنگلهای گرمسیری، کمک به مبارزه با تغییرات اقلیمی، حفظ تنوع زیستی، کمک به رشد مجدد جنگلها، احیا و بهبود آنها و تسهیل توسعه پایدار فراهم میکند.
نقشههای پایه برنامه دادههای ماهوارهای NICFI برای پایش جنگلهای گرمسیری - آسیا
این مجموعه تصاویر، دسترسی به پایش ماهوارهای با وضوح بالا از مناطق گرمسیری را با هدف اصلی کاهش و معکوس کردن روند نابودی جنگلهای گرمسیری، کمک به مبارزه با تغییرات اقلیمی، حفظ تنوع زیستی، کمک به رشد مجدد جنگلها، احیا و بهبود آنها و تسهیل توسعه پایدار فراهم میکند.
«جنگلهای طبیعی جهان ۲۰۲۰»، نقشهای جهانی از احتمال وجود جنگلهای طبیعی برای سال ۲۰۲۰ با وضوح ۱۰ متر ارائه میدهد. این نقشه برای پشتیبانی از ابتکاراتی مانند مقررات جنگلزدایی اتحادیه اروپا (EUDR) و سایر تلاشها برای حفاظت و نظارت بر جنگلها تهیه شده است. این نقشه ...
معکوس تبادل جو-زمین / تفکیک معکوس تبادل جو-زمین (ALEXI/DisALEXI). DisALEXI به عنوان بخشی از چارچوب OpenET به موتور Google Earth منتقل شد. ساختار مدل پایه ALEXI/DisALEXI توسط اندرسون و همکاران (2012، 2018) شرح داده شده است. مدل تبخیر و تعرق (ET) الکسی به طور خاص از زمان استفاده میکند ...
معکوس تبادل جو-زمین / تفکیک معکوس تبادل جو-زمین (ALEXI/DisALEXI). DisALEXI به عنوان بخشی از چارچوب OpenET به موتور Google Earth منتقل شد. ساختار مدل پایه ALEXI/DisALEXI توسط اندرسون و همکاران (2012، 2018) شرح داده شده است. مدل تبخیر و تعرق (ET) الکسی به طور خاص از زمان استفاده میکند ...
مجموعه دادههای OpenET شامل دادههای ماهوارهای در مورد کل مقدار آبی است که از طریق فرآیند تبخیر و تعرق (ET) از سطح زمین به جو منتقل میشود. OpenET دادههای ET را از چندین مدل مبتنی بر ماهواره ارائه میدهد و همچنین یک "مقدار کلی" واحد را از ... محاسبه میکند.
مجموعه دادههای OpenET شامل دادههای ماهوارهای در مورد کل مقدار آبی است که از طریق فرآیند تبخیر و تعرق (ET) از سطح زمین به جو منتقل میشود. OpenET دادههای ET را از چندین مدل مبتنی بر ماهواره ارائه میدهد و همچنین یک "مقدار کلی" واحد را از ... محاسبه میکند.
آزمایشگاه پیشرانش جت پریستلی-تیلور (PT-JPL). فرمول اصلی مدل PT-JPL در چارچوب OpenET از فرمول اصلی که در فیشر و همکاران (2008) به تفصیل شرح داده شده است، تغییر نکرده است. با این حال، پیشرفتها و بهروزرسانیهایی در ورودیهای مدل و ادغام زمانی برای PT-JPL انجام شده است تا ...
آزمایشگاه پیشرانش جت پریستلی-تیلور (PT-JPL). فرمول اصلی مدل PT-JPL در چارچوب OpenET از فرمول اصلی که در فیشر و همکاران (2008) به تفصیل شرح داده شده است، تغییر نکرده است. با این حال، پیشرفتها و بهروزرسانیهایی در ورودیهای مدل و ادغام زمانی برای PT-JPL انجام شده است تا ...
پشتیبانی مدیریت آبیاری ماهوارهای (SIMS). مدل پشتیبانی مدیریت آبیاری ماهوارهای ناسا (SIMS) در ابتدا برای پشتیبانی از نقشهبرداری ماهوارهای ضرایب محصول و تبخیر و تعرق (ET) از اراضی تحت آبیاری و افزایش دسترسی به این دادهها برای پشتیبانی از استفاده در برنامهریزی آبیاری و ارزیابی منطقهای توسعه داده شد…
پشتیبانی مدیریت آبیاری ماهوارهای (SIMS). مدل پشتیبانی مدیریت آبیاری ماهوارهای ناسا (SIMS) در ابتدا برای پشتیبانی از نقشهبرداری ماهوارهای ضرایب محصول و تبخیر و تعرق (ET) از اراضی تحت آبیاری و افزایش دسترسی به این دادهها برای پشتیبانی از استفاده در برنامهریزی آبیاری و ارزیابی منطقهای توسعه داده شد…
مدل تعادل انرژی سطحی سادهشده عملیاتی (SSEBop). مدل تعادل انرژی سطحی سادهشده عملیاتی (SSEBop) ارائه شده توسط سنای و همکاران (2013، 2017) یک مدل انرژی سطحی سادهشده مبتنی بر حرارت برای تخمین تبخیر و تعرق واقعی بر اساس اصول روانسنجی ماهوارهای است (Senay 2018). پیادهسازی OpenET SSEBop از ... استفاده میکند.
مدل تعادل انرژی سطحی سادهشده عملیاتی (SSEBop). مدل تعادل انرژی سطحی سادهشده عملیاتی (SSEBop) (Senay و همکاران، ۲۰۱۳؛ ۲۰۲۳) یک رویکرد مبتنی بر دما برای تخمین تبخیر و تعرق واقعی (ET) با استفاده از اصول روانسنجی ماهوارهای است (Senay، ۲۰۱۸). به عنوان یکی از مدلهای اصلی در ...
پیادهسازی موتور گوگل ارث از مدل نقشهبرداری تبخیر و تعرق با وضوح بالا با کالیبراسیون داخلی (eeMETRIC). eeMETRIC از الگوریتمها و فرآیند پیشرفته متریک آلن و همکاران (2007؛ 2015) و آلن و همکاران (2013b) استفاده میکند، که در آن یک رابطه منحصر به فرد بین دمای هوای نزدیک سطح ...
پیادهسازی موتور گوگل ارث از مدل نقشهبرداری تبخیر و تعرق با وضوح بالا با کالیبراسیون داخلی (eeMETRIC). eeMETRIC از الگوریتمها و فرآیند پیشرفته متریک آلن و همکاران (2007؛ 2015) و آلن و همکاران (2013b) استفاده میکند، که در آن یک رابطه منحصر به فرد بین دمای هوای نزدیک سطح ...
پیادهسازی مدل الگوریتم تعادل انرژی سطحی برای زمین (SEBAL) در موتور گوگل ارث. مروری بر نسخه فعلی geeSEBAL را میتوان در لایپلت و همکاران (2021) یافت که بر اساس الگوریتمهای اصلی توسعهیافته توسط باستیانسن و همکاران (1998) است. OpenET geeSEBAL ...
پیادهسازی مدل الگوریتم تعادل انرژی سطحی برای زمین (SEBAL) در موتور گوگل ارث. مروری بر نسخه فعلی geeSEBAL را میتوان در لایپلت و همکاران (2021) یافت که بر اساس الگوریتمهای اصلی توسعهیافته توسط باستیانسن و همکاران (1998) است. OpenET geeSEBAL ...
قالب Overture Maps Places شامل بیش از ۶۴ میلیون نمایش نقطهای از موجودیتهای دنیای واقعی است: کسبوکارها، مدارس، بیمارستانها، سازمانهای مذهبی، مکانهای دیدنی، قلههای کوه و موارد دیگر. هر رکورد مکان شامل مختصات مکان، نامها، دستهبندیها، اطلاعات تماس (وبسایتها، رسانههای اجتماعی، ایمیلها، تلفنها)، اطلاعات برند، آدرسها و ... میشود.
اویا یک مجموعه داده تخمین بارش با وضوح بالا و شبهجهانی است که از مشاهدات ماهوارههای زمینآهنگ (GEO) مشتق شده است. مدل اویا از طیف کامل کانالهای مرئی و مادون قرمز (VIS-IR) از مجموعهای از ماهوارههای زمینآهنگ - شامل GOES-16/18، Meteosat-9/10 و Himawari-8/9 - برای تولید تخمینهای بارش استفاده میکند که ...
PML_V2.2a: تبخیر و تعرق همراه و تولید ناخالص اولیه (نسخه MODIS)
این مجموعه دادهها توسط آزمایشگاه هیدرولوژی مقیاس بزرگ تولید شده است، که متخصص در پیشبرد تحقیقات چرخه آب جهانی و منطقهای با ترکیب مشاهدات زمین چند منبعی با مدلسازی مبتنی بر فرآیند است. محصول PML-V2.2a (نسخه MODIS) تبخیر و تعرق زمینی جهانی (ET) و تولید ناخالص اولیه (GPP) را در ... ارائه میدهد.
PML_V2.2a: تبخیر و تعرق همراه و تولید ناخالص اولیه (نسخه VIIRS)
این مجموعه دادهها توسط آزمایشگاه هیدرولوژی مقیاس بزرگ تولید شده است، که با ترکیب مشاهدات زمینی چند منبعی با مدلسازی مبتنی بر فرآیند، در پیشبرد تحقیقات چرخه آب جهانی و منطقهای تخصص دارد. محصول PML-V2.2a (نسخه VIIRS) تبخیر و تعرق زمینی جهانی (ET) و تولید ناخالص اولیه (GPP) را در ... ارائه میدهد.
این مجموعه تصویر، احتمال تقریبی اشغال شدن منطقه زیرین توسط کالا را بر حسب پیکسل ارائه میدهد. تخمینهای احتمال با وضوح 10 متر ارائه شده و توسط یک مدل یادگیری ماشینی تولید شدهاند. برای جزئیات بیشتر، به مستندات فنی مربوط به Forest Data Partnership مراجعه کنید...
This image collection provides estimated per-pixel probability that the underlying area is occupied by the commodity. The probability estimates are provided at 10 meter resolution, and have been generated by a machine learning model. For details, see the technical documentation on the Forest Data Partnership …
This image collection provides estimated per-pixel probability that the underlying area is occupied by the commodity. The probability estimates are provided at 10 meter resolution, and have been generated by a machine learning model. For details, see the technical documentation on the Forest Data Partnership …
This image collection provides estimated per-pixel probability that the underlying area is occupied by the commodity. The probability estimates are provided at 10 meter resolution, and have been generated by a machine learning model. For details, see the technical documentation on the Forest Data Partnership …
SCANFI: the Spatialized CAnadian National Forest Inventory data product1.2
This data publication contains a set of 30m resolution raster files representing 2020 Canadian wall-to-wall maps of broad land cover type, forest canopy height, degree of crown closure and aboveground tree biomass, along with species composition of several major tree species. The Spatialized CAnadian National …
These species distribution model outputs, developed by Google in collaboration with QCIF and EcoCommons, represent estimates of species' relative occurrence likelihoods (ie, higher values indicate a higher likelihood that the species would be detected at a location, for a given survey methodology and given survey …
TCB: Malaria Atlas Project Gap-Filled Tasseled Cap Brightness (8-Daily 1km)
This gap-filled Tasseled Cap Brightness (TCB) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
TCB: Malaria Atlas Project Gap-Filled Tasseled Cap Brightness (Annual 1km)
This gap-filled Tasseled Cap Brightness (TCB) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
TCB: Malaria Atlas Project Gap-Filled Tasseled Cap Brightness (Monthly 1km)
This gap-filled Tasseled Cap Brightness (TCB) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
TCW: Malaria Atlas Project Gap-Filled Tasseled Cap Wetness (8-Daily 1km)
This gap-filled Tasseled Cap Wetness (TCW) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
TCW: Malaria Atlas Project Gap-Filled Tasseled Cap Wetness (Annual 1km)
This gap-filled Tasseled Cap Wetness (TCW) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
TCW: Malaria Atlas Project Gap-Filled Tasseled Cap Wetness (Monthly 1km)
This gap-filled Tasseled Cap Wetness (TCW) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by …
USFS Landscape Change Monitoring System v2025-11 (CONUS and OCONUS)
This product is part of the Landscape Change Monitoring System (LCMS) data suite. It shows LCMS-modeled change, land cover, and/or land use classes for each year and covers the Conterminous United States (CONUS) as well as areas outside the CONUS (OCONUS) including Alaska (AK), Puerto …
The Tree Canopy Cover (TCC) data suite, produced by the United States Department of Agriculture, Forest Service (USFS), are annual remote sensing-based map outputs spanning from 1985-2025. These data support the National Land Cover Database (NLCD) project, which is managed by the US Geological Survey …
WDKBA: World Database of Key Biodiversity Areas (KBAs) - March 2026
If you are interested in accessing the KBA dataset please complete the KBA data request form which will allow access directly in GEE once approved. Key Biodiversity Areas (KBAs) are 'sites contributing significantly to the global persistence of biodiversity', in terrestrial, freshwater and marine ecosystems. …
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
This dataset maps the dominant driver of tree cover loss from 2001-2022 globally at 1 km resolution. Produced by the World Resources Institute (WRI) and Google DeepMind, the data were developed using a global neural network model (ResNet) trained on a set of samples collected …
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
This dataset maps the dominant driver of tree cover loss from 2001-2023 globally at 1 km resolution. Produced by the World Resources Institute (WRI) and Google DeepMind, the data were developed using a global neural network model (ResNet) trained on a set of samples collected …
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
This dataset maps the dominant driver of tree cover loss from 2001-2024 globally at 1 km resolution. Produced by the World Resources Institute (WRI) and Google DeepMind, the data were developed using a global neural network model (ResNet) trained on a set of samples collected …
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3
This dataset maps the dominant driver of tree cover loss from 2001-2025 globally at 1 km resolution. Produced by the World Resources Institute (WRI) and Google DeepMind, the data were developed using a global neural network model (ResNet) trained on a set of samples collected …
WeatherNext 2 is an experimental dataset of global medium-range ensemble weather forecasts produced by an operational version of Google DeepMind's Functional Network Generative weather model. The experimental dataset includes real-time and historic data. Real-time data is any data that relates to a time that is …
WeatherNext 2 Mean is the mean of 64 ensembles of an experimental dataset of global medium-range ensemble weather forecasts produced by an operational version of Google DeepMind's Functional Network Generative weather model. For a dataset containing all ensemble members, please see the (non-mean) WeatherNext 2 …
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],[],[],[]]
