1990-2021 年全球油棕面积和种植年份数据集

2024-05-27 20:12

本文主要是介绍1990-2021 年全球油棕面积和种植年份数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

该数据集利用 2016 年至 2021 年的哨兵-1 号数据,以 10 米的分辨率提供了油棕种植园的全球综合地图,包括工业用地和小农地块。此外,该数据集还包括根据 Landsat-5、-7 和-8 图像得出的 1990 年至 2021 年 30 米空间分辨率的种植年份估计值。该数据集旨在通过提供有关全球油棕种植园范围和树龄的最新详细信息,为环境监测和政策讨论提供支持。您可在此阅读预印本。

您可以在这里找到该数据储存库,它提供了有关全球油棕种植园的全面数据,包括分辨率为 10 米的 2021 年全球油棕种植范围图层和分辨率为 30 米的 1990 年至 2021 年油棕种植年份图层。范围层是利用应用于哨兵-1 数据的卷积神经网络生成的,可识别工业种植园和小农种植园。种植年份层是利用大地遥感卫星的时间序列来探测早期油棕生长阶段的。

数据集的主要发现显示,测绘的油棕种植园总面积为 2,398 万公顷(Mha),其中工业油棕种植园面积为 1,666 ± 0.25 万公顷,小农油棕种植园面积为 759 ± 0.29 万公顷。数据的准确性很高,生产者和用户对工业种植园的准确性分别为 91.9 ± 3.4% 和 91.8 ± 1.0%,对小农的准确性分别为 72.7 ± 1.3% 和 75.7 ± 2.5%。种植园的平均树龄为 14.1 年,其中 628 万公顷的树龄超过 20 年,这表明未来十年内有很大的补种需求。

数据集说明

数据层

1.Grid_OilPalm2016-2021


格式:形状文件
格式: Shapefile划定检测到油棕的 609 个 100 x 100 千米网格单元。
用例:为全球油棕种植园的分布提供空间参考,对制图和分析任务至关重要。


2.GlobalOilPalm_OP-extent全球油棕榈树分布图


格式:Geotiff (栅格瓦片)
说明:包含 609 个栅格图块:包含 609 个栅格图块(每个 100x100 公里),显示深度学习分类在 10 米空间分辨率下的结果。
类别:
[0] 非油棕的其他土地覆盖。
[1] 工业油棕种植园。
[2] 小农油棕种植园。
使用案例:有助于对油棕分布进行详细的空间分析,并区分不同类型的种植园。


3.全球油棕榈树分布图


格式:Geotiff (栅格图块)
说明:包含 609 个栅格图块:包括 609 个栅格图块(每个 100x100 千米),以 30 米的空间分辨率描述油棕榈树种植园的建立年份。
用例:可对油棕榈树种植园的扩展进行时间分析,并监测种植园随时间变化的树龄。


4.Validation_points_GlobalOP2016-2021


格式: Shapefile形状文件
描述: 包含 17,812 个点:包含 17,812 个点,用于验证全球油棕榈树范围和树龄图层。每个点包括
等级":通过目视判读分配(类别值与范围图层相同)。
OP2016-2021" 和 "OP2019":分别为本数据集和 2019 年全球油棕图层(Descals et al.
类别:
[0] 非油棕的其他土地覆盖。
[1] 工业油棕种植园。
[2] 小农油棕种植园。
用例:对于验证和评估油棕榈树范围和树龄数据集的准确性至关重要。


可视化 

油棕范围和种植年份数据可通过以下网站的网络地图进行查询:1990-2021 年全球油棕种植年。用户可通过该工具查看 Landsat 时间序列,并查看油棕种植园的历史卫星图像。

代码

/*
GlobalOilPalm_YoP_2021:建立油棕榈树种植园的年份 grid_oilpalm: 划定检测到油棕榈的 609 个 100 x 100 千米网格单元 globaloilpalm_extent2021: 10 米空间分辨率的深度学习分类
- 类别:**- [0] 非油棕的其他土地覆盖。- [1] 工业油棕种植园。- [2] 小农油棕种植园。
验证: 包含 17,812 个点,用于验证全球油棕范围和树龄图层。每个点包括- 类别": 通过目视判读分配(类别值与范围图层相同)。- OP2016-2021' 和 'OP2019': 分别为本数据集和 2019 年全球油棕图层(Descals et al.- 类别:**- [0] 非油棕的其他土地覆盖。- [1] 工业油棕种植园。- [2] 小农油棕种植园。*/
var grid_oilpalm = ee.FeatureCollection('projects/sat-io/open-datasets/global-oil-palm/Grid_OilPalm_2021_v1-1');
var globaloilpalm_extent = ee.ImageCollection('projects/sat-io/open-datasets/global-oil-palm/GlobalOilPalm_extent_2021');
var globaloilpalm_yop_2021 = ee.ImageCollection("projects/sat-io/open-datasets/global-oil-palm/GlobalOilPalm_YoP_2021");
var validation = ee.FeatureCollection("projects/sat-io/open-datasets/global-oil-palm/Validation_points_GlobalOP2016-2021_v1-1")

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:/global-landuse-landcover/GLOBAL-OIL-PALM-1990-2021-APP

APP链接

 Global oil palm planting year 1990 2021

结果

引用

Descals, A., Gaveau, D. L. A., Wich, S., Szantoi, Z., and Meijaard, E.: Global mapping of oil palm planting year from 1990 to 2021 Earth Syst. Sci Data Discuss. [preprint], https://doi.org/10.5194/essd-2024-157, in review, 2024.

https://essd.copernicus.org/preprints/essd-2024-157/essd-2024-157.pdf

Descals, A. (2024). Global oil palm extent and planting year from 1990 to 2021 (v1.1) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11034131

许可

This product is licensed under a Creative Commons Attribution 4.0 International license.

Curated in GEE by: Descals et al 2024 and Samapriya Roy

Keywords: oil palm, planting year, global crop mapping, remote sensing, deep learning, Sentinel-1

Last updated in GEE: 2024-04-28

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

这篇关于1990-2021 年全球油棕面积和种植年份数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1008476

相关文章

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

Python实现数据可视化图表生成(适合新手入门)

《Python实现数据可视化图表生成(适合新手入门)》在数据科学和数据分析的新时代,高效、直观的数据可视化工具显得尤为重要,下面:本文主要介绍Python实现数据可视化图表生成的相关资料,文中通过... 目录前言为什么需要数据可视化准备工作基本图表绘制折线图柱状图散点图使用Seaborn创建高级图表箱线图热

MySQL数据脱敏的实现方法

《MySQL数据脱敏的实现方法》本文主要介绍了MySQL数据脱敏的实现方法,包括字符替换、加密等方法,通过工具类和数据库服务整合,确保敏感信息在查询结果中被掩码处理,感兴趣的可以了解一下... 目录一. 数据脱敏的方法二. 字符替换脱敏1. 创建数据脱敏工具类三. 整合到数据库操作1. 创建服务类进行数据库

MySQL中处理数据的并发一致性的实现示例

《MySQL中处理数据的并发一致性的实现示例》在MySQL中处理数据的并发一致性是确保多个用户或应用程序同时访问和修改数据库时,不会导致数据冲突、数据丢失或数据不一致,MySQL通过事务和锁机制来管理... 目录一、事务(Transactions)1. 事务控制语句二、锁(Locks)1. 锁类型2. 锁粒