ประกาศ: โปรเจ็กต์ที่ไม่ใช่เชิงพาณิชย์ทั้งหมดที่ลงทะเบียนเพื่อใช้ Earth Engine ก่อนวันที่ 15 เมษายน 2025 ต้องยืนยันการมีสิทธิ์ที่ไม่ใช่เชิงพาณิชย์เพื่อรักษาสิทธิ์เข้าถึง Earth Engine

หน้านี้ได้รับการแปลโดย Cloud Translation API

การวัดการเปลี่ยนแปลงของป่า

มาเริ่มกันที่การคำนวณที่จำเป็นต่อการสร้างแถบที่แสดงพิกเซลซึ่งข้อมูลของ Hansen และคณะแสดงทั้งการสูญเสียและการเพิ่มขึ้น

ชุดข้อมูล Hansen et al. มีแบนด์ที่มีพิกเซลเป็น 1 เมื่อเกิดการสูญเสีย และ 0 ในกรณีอื่นๆ (loss) และแบนด์ที่มีพิกเซลเป็น 1 เมื่อเกิดการเพิ่มขึ้น และ 0 ในกรณีอื่นๆ (gain) หากต้องการสร้างแบนด์ที่มีพิกเซลเป็น 1 ทั้งในแบนด์ loss และ gain คุณสามารถใช้วิธีตรรกะ and() กับรูปภาพได้ and() เมธอดจะเรียกใช้เหมือนกับ image1.and(image2) และแสดงผลรูปภาพที่พิกเซลเป็น 1 เมื่อ ทั้ง image1 และ image2 เป็น 1 และเป็น 0 ในที่อื่นๆ

โปรแกรมแก้ไขโค้ด (JavaScript)

// Load the data and select the bands of interest.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossImage = gfc2014.select(['loss']);
var gainImage = gfc2014.select(['gain']);

// Use the and() method to create the lossAndGain image.
var gainAndLoss = gainImage.and(lossImage);

// Show the loss and gain image.
Map.addLayer(gainAndLoss.updateMask(gainAndLoss),
    {palette: 'FF00FF'}, 'Gain and Loss');

ผลลัพธ์ที่ได้เมื่อซูมเข้าไปที่รัฐอาร์คันซอด้วยมุมมองดาวเทียมควรมีลักษณะคล้ายกับรูปที่ 1

Loss Arkansas — รูปที่ 1 พิกเซลที่มีการสูญเสียและเพิ่มขึ้นของป่าในอาร์คันซอ

เมื่อรวมตัวอย่างนี้กับผลลัพธ์จากส่วนก่อนหน้า ตอนนี้คุณสามารถสร้างกราฟจากตอนต้นของบทแนะนำขึ้นมาใหม่ได้แล้ว

โปรแกรมแก้ไขโค้ด (JavaScript)

// Displaying forest, loss, gain, and pixels where both loss and gain occur.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossImage = gfc2014.select(['loss']);
var gainImage = gfc2014.select(['gain']);
var treeCover = gfc2014.select(['treecover2000']);

// Use the and() method to create the lossAndGain image.
var gainAndLoss = gainImage.and(lossImage);

// Add the tree cover layer in green.
Map.addLayer(treeCover.updateMask(treeCover),
    {palette: ['000000', '00FF00'], max: 100}, 'Forest Cover');

// Add the loss layer in red.
Map.addLayer(lossImage.updateMask(lossImage),
    {palette: ['FF0000']}, 'Loss');

// Add the gain layer in blue.
Map.addLayer(gainImage.updateMask(gainImage),
    {palette: ['0000FF']}, 'Gain');

// Show the loss and gain image.
Map.addLayer(gainAndLoss.updateMask(gainAndLoss),
    {palette: 'FF00FF'}, 'Gain and Loss');

การวัดปริมาณการเปลี่ยนแปลงของป่าในภูมิภาคที่สนใจ

ตอนนี้คุณคุ้นเคยกับแถบข้อมูลในชุดข้อมูลของ Hansen และคณะมากขึ้นแล้ว เราจึงสามารถ ใช้แนวคิดที่ได้เรียนรู้มาจนถึงตอนนี้เพื่อคำนวณสถิติเกี่ยวกับการเพิ่มขึ้นและการลดลงของป่าในภูมิภาค ที่สนใจ เราจึงต้องใช้ข้อมูลเวกเตอร์ (จุด เส้น และรูปหลายเหลี่ยม) ชุดข้อมูลเวกเตอร์จะแสดงเป็น FeatureCollection ใน Earth Engine (ดูข้อมูลเพิ่มเติมเกี่ยวกับคอลเล็กชันฟีเจอร์และวิธี นำเข้าข้อมูลเวกเตอร์)

ในส่วนนี้ เราจะเปรียบเทียบปริมาณการสูญเสียป่าไม้ทั้งหมด ที่เกิดขึ้นในสาธารณรัฐคองโกในปี 2012 กับปริมาณการสูญเสียป่าไม้ ที่เกิดขึ้นในพื้นที่คุ้มครองของประเทศในช่วงเวลาเดียวกัน

ดังที่ได้เรียนรู้ในบทแนะนำเกี่ยวกับ Earth Engine API วิธีหลักในการคำนวณสถิติในภูมิภาคของรูปภาพคือ reduceRegion() (ดูข้อมูลเพิ่มเติมเกี่ยวกับการลด ภูมิภาคของรูปภาพ) ตัวอย่างเช่น สมมติว่าเราต้องการคำนวณจำนวนพิกเซลที่ประมาณ เพื่อแสดงการสูญเสียป่าไม้ในช่วงระยะเวลาการศึกษา ด้วยเหตุนี้ ให้พิจารณาโค้ดต่อไปนี้

โปรแกรมแก้ไขโค้ด (JavaScript)

// Load country features from Large Scale International Boundary (LSIB) dataset.
var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

// Subset the Congo Republic feature from countries.
var congo = countries.filter(ee.Filter.eq('country_na', 'Rep of the Congo'));

// Get the forest loss image.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossImage = gfc2014.select(['loss']);

// Sum the values of forest loss pixels in the Congo Republic.
var stats = lossImage.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: congo,
  scale: 30
});
print(stats);

ตัวอย่างนี้ใช้ตัวลด ee.Reducer.sum() เพื่อหาผลรวมของค่าพิกเซลใน lossImage ภายในฟีเจอร์ congo เนื่องจาก lossImage ประกอบด้วยพิกเซลที่มีค่าเป็น 1 หรือ 0 (สำหรับการสูญเสียหรือไม่สูญเสียตามลำดับ) ผลรวมของค่าเหล่านี้จึงเทียบเท่ากับจำนวนพิกเซลของการสูญเสียในภูมิภาค

ขออภัย การเรียกใช้สคริปต์ตามที่เป็นอยู่จะทำให้เกิดข้อผิดพลาด เช่น

จำนวนพิกเซลสูงสุดเริ่มต้นใน reduceRegion() คือ 10 ล้านพิกเซล ข้อความแสดงข้อผิดพลาดนี้ระบุว่าสาธารณรัฐคองโกครอบคลุมพิกเซล Landsat ประมาณ 383 ล้านพิกเซล โชคดีที่ reduceRegion() รับพารามิเตอร์ได้หลายรายการ ซึ่งหนึ่งในนั้น (maxPixels) ช่วยให้คุณควบคุมจำนวน พิกเซลที่ใช้ในการคำนวณได้ การระบุพารามิเตอร์นี้จะช่วยให้การคำนวณสำเร็จ ได้

โปรแกรมแก้ไขโค้ด (JavaScript)

// Load country features from Large Scale International Boundary (LSIB) dataset.
var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

// Subset the Congo Republic feature from countries.
var congo = countries.filter(ee.Filter.eq('country_na', 'Rep of the Congo'));

// Get the forest loss image.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossImage = gfc2014.select(['loss']);

// Sum the values of forest loss pixels in the Congo Republic.
var stats = lossImage.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: congo,
  scale: 30,
  maxPixels: 1e9
});
print(stats);

เมื่อขยายออบเจ็กต์ที่พิมพ์ไปยังคอนโซล คุณจะเห็นว่าผลลัพธ์คือ สูญเสียผืนป่าไป 4,897,933 พิกเซล คุณสามารถล้างข้อมูลที่พิมพ์ออกมาในคอนโซลได้เล็กน้อยโดย ติดป้ายกำกับเอาต์พุตและรับผลลัพธ์ที่สนใจจากพจนานุกรมที่ส่งคืน โดย reduceRegion():

โปรแกรมแก้ไขโค้ด (JavaScript)

print('pixels representing loss: ', stats.get('loss'));

การคำนวณพื้นที่พิกเซล

คุณเกือบพร้อมที่จะตอบคำถามเกี่ยวกับพื้นที่ที่สูญเสียไปในสาธารณรัฐคองโก และพื้นที่ที่สูญเสียไปในพื้นที่คุ้มครอง ส่วนที่เหลือคือการแปลงพิกเซล เป็นพื้นที่จริง Conversion นี้มีความสำคัญเนื่องจากเราไม่ทราบขนาดของอินพุตพิกเซลที่ป้อนไปยัง reduceRegion() Earth Engine มีเมธอด ee.Image.pixelArea() ซึ่งสร้างรูปภาพที่ค่าของแต่ละพิกเซลคือพื้นที่ของพิกเซลในหน่วยตารางเมตร เพื่อช่วยคำนวณพื้นที่ การคูณรูปภาพการสูญเสียกับรูปภาพพื้นที่นี้ แล้วบวกผลลัพธ์เข้าด้วยกันจะทำให้เราได้การวัดพื้นที่ ดังนี้

โปรแกรมแก้ไขโค้ด (JavaScript)

// Load country features from Large Scale International Boundary (LSIB) dataset.
var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

// Subset the Congo Republic feature from countries.
var congo = countries.filter(ee.Filter.eq('country_na', 'Rep of the Congo'));

// Get the forest loss image.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossImage = gfc2014.select(['loss']);
var areaImage = lossImage.multiply(ee.Image.pixelArea());

// Sum the values of forest loss pixels in the Congo Republic.
var stats = areaImage.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: congo,
  scale: 30,
  maxPixels: 1e9
});
print('pixels representing loss: ', stats.get('loss'), 'square meters');

ตอนนี้ผลลัพธ์คือ 4,372,575,052 ตารางเมตรที่สูญเสียไปในช่วงระยะเวลาการศึกษา

ตอนนี้คุณพร้อมที่จะตอบคำถามที่จุดเริ่มต้นของส่วนนี้แล้ว นั่นคือ พื้นที่ป่าในสาธารณรัฐคองโกสูญเสียไปเท่าใดในปี 2012 และพื้นที่ป่าที่สูญเสียไปนั้นอยู่ในพื้นที่คุ้มครองเท่าใด

โปรแกรมแก้ไขโค้ด (JavaScript)

// Load country features from Large Scale International Boundary (LSIB) dataset.
var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');

// Subset the Congo Republic feature from countries.
var congo = ee.Feature(
  countries
    .filter(ee.Filter.eq('country_na', 'Rep of the Congo'))
    .first()
);

// Subset protected areas to the bounds of the congo feature
// and other criteria. Clip to the intersection with congo.
var protectedAreas = ee.FeatureCollection('WCMC/WDPA/current/polygons')
  .filter(ee.Filter.and(
    ee.Filter.bounds(congo.geometry()),
    ee.Filter.neq('IUCN_CAT', 'VI'),
    ee.Filter.neq('STATUS', 'proposed'),
    ee.Filter.lt('STATUS_YR', 2010)
  ))
  .map(function(feat){
    return congo.intersection(feat);
  });

// Get the loss image.
var gfc2014 = ee.Image('UMD/hansen/global_forest_change_2015');
var lossIn2012 = gfc2014.select(['lossyear']).eq(12);
var areaImage = lossIn2012.multiply(ee.Image.pixelArea());

// Calculate the area of loss pixels in the Congo Republic.
var stats = areaImage.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: congo.geometry(),
  scale: 30,
  maxPixels: 1e9
});
print(
  'Area lost in the Congo Republic:',
  stats.get('lossyear'),
  'square meters'
);

// Calculate the area of loss pixels in the protected areas.
var stats = areaImage.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: protectedAreas.geometry(),
  scale: 30,
  maxPixels: 1e9
});
print(
  'Area lost in protected areas:',
  stats.get('lossyear'),
  'square meters'
);

เอาต์พุตระบุว่าจากพื้นที่ป่า 348,036,295 ตารางเมตรที่สูญเสียไปในสาธารณรัฐคองโก ในปี 2012 มีพื้นที่ 11,880,976 ตารางเมตรอยู่ในพื้นที่คุ้มครองตามที่แสดงใน ตารางฐานข้อมูลโลกเกี่ยวกับพื้นที่คุ้มครอง

การเปลี่ยนแปลงเพียงอย่างเดียวระหว่างสคริปต์นี้กับสคริปต์ก่อนหน้าคือการเพิ่ม ข้อมูลพื้นที่คุ้มครอง และการเปลี่ยนสคริปต์จากการดูการสูญเสียโดยรวมเป็นการดู การสูญเสียในปี 2012 ซึ่งต้องมีการเปลี่ยนแปลง 2 อย่าง ประการแรกคือlossIn2012 รูปภาพใหม่ซึ่งมีค่า 1 ในตำแหน่งที่มีการบันทึกการสูญเสียในปี 2012 และ 0 ในตำแหน่งอื่นๆ ประการที่ 2 เนื่องจาก ชื่อวงดนตรีแตกต่างกัน (lossyear แทน loss) จึงต้อง เปลี่ยนชื่อพร็อพเพอร์ตี้ในคำสั่งพิมพ์

ในส่วนถัดไป เราจะมาดูวิธีการขั้นสูงบางอย่าง ในการคำนวณและทำแผนภูมิการสูญเสียป่าไม้ในแต่ละปี แทนที่จะเป็นเพียงปีเดียวอย่างที่เราทำ ในส่วนนี้