Mapa pokrycia terenu Wybrzeża Kości Słoniowej BNETD 2020 została opracowana przez rząd Wybrzeża Kości Słoniowej za pośrednictwem instytucji krajowej, Centrum Informacji Geograficznej i Cyfrowej z Krajowego Biura Studiów i Rozwoju Technik (BNETD-CIGN), przy wsparciu technicznym i finansowym Unii Europejskiej. Metodologia użyta do utworzenia mapy była przejrzysta, oparta na współpracy i zgodna z międzynarodowymi standardami.
Aby opracować tę mapę, przetworzyliśmy w Google Earth Engine mozaikę zdjęć satelitarnych (Sentinel-2) z 2020 r. i uzupełniliśmy ją danymi zebranymi w terenie, aby wytrenować algorytm klasyfikacji nadzorowanej (Random Forest).
W całym kraju przeprowadzono 2 kampanie terenowe: od 10 listopada do 9 grudnia 2022 r. i od 26 stycznia do 13 lutego 2023 r. W tych misjach uczestniczyły 33 osoby z różnych organizacji partnerskich, ponieważ metody zbierania danych i definicje niektórych klas użytkowania gruntów przyjęte przez zainteresowane strony mogą się czasami różnić.
W ramach procesu należytej staranności wymaganego przez rozporządzenie UEDR dane geolokalizacyjne działek, na których uprawiane są produkty objęte tym rozporządzeniem, mogą być nakładane na dane dotyczące pokrywy leśnej z 2020 roku, aby ocenić ryzyko, że działka znajduje się na obszarze, który był zalesiony przed datą graniczną 2020 roku. W tym celu potrzebne są dane dotyczące pokrywy leśnej zgodne z definicją lasów FAO i datą graniczną 2020 r. Mapa pokrycia terenu Wybrzeża Kości Słoniowej z 2020 r. spełnia te potrzeby.
Klasy na mapie pokrycia terenu można połączyć, aby utworzyć mapę lasów i obszarów nieleśnych zgodną z definicją lasów FAO.
Platforma do uzyskiwania dostępu do danych o pokryciu terenu z 2020 r., metadanych i metodologii została opracowana przy użyciu rozwiązań ESRI z Africa GeoPortal do analizy i wizualizacji danych:
Mapa pokrycia terenu Wybrzeża Kości Słoniowej BNETD 2020 została opracowana przez rząd Wybrzeża Kości Słoniowej za pośrednictwem instytucji krajowej, Centrum Informacji Geograficznej i Cyfrowej z Narodowego Biura Studiów i Rozwoju Technicznego (BNETD-CIGN), przy wsparciu technicznym i finansowym Unii Europejskiej. Metodologia użyta do utworzenia mapy…
BNETD/land_cover/v1,
klasyfikacja,wylesianie,las,pokrycie terenu,użytkowanie terenu i pokrycie terenu
[null,null,[],[[["\u003cp\u003eThe Cote d'Ivoire BNETD 2020 Land Cover Map provides a detailed classification of land cover across Cote d'Ivoire for the year 2020, created using Sentinel 2 satellite imagery and ground-truthed data.\u003c/p\u003e\n"],["\u003cp\u003eThis dataset, produced by the Ivorian Government with support from the European Union, follows international standards and offers 10-meter resolution for analysis.\u003c/p\u003e\n"],["\u003cp\u003eUsers can access the dataset through Google Earth Engine and the Africa GeoPortal for visualization and analysis, with the possibility of overlaying it with other data for due diligence purposes like assessing deforestation risk.\u003c/p\u003e\n"],["\u003cp\u003eThe land cover classifications include a variety of forest types, plantations, agricultural areas, water bodies, and human infrastructure, allowing for comprehensive land use assessments.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset is available under a CC-BY-4.0 license, encouraging open access and use for research, education, and non-profit purposes.\u003c/p\u003e\n"]]],[],null,["# Cote d'Ivoire BNETD 2020 Land Cover Map\n\nDataset Availability\n: 2020-01-01T00:00:00Z--2021-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [BNETD-CIGN](https://africageoportal.maps.arcgis.com/home/user.html?user=bnetdcignCI)\n\nCadence\n: 1 Year\n\nTags\n:\n[classification](/earth-engine/datasets/tags/classification) [deforestation](/earth-engine/datasets/tags/deforestation) [forest](/earth-engine/datasets/tags/forest) [landcover](/earth-engine/datasets/tags/landcover) [landuse-landcover](/earth-engine/datasets/tags/landuse-landcover) \n\n#### Description\n\nThe Cote d'Ivoire BNETD 2020 Land Cover Map was produced by the Ivorian\nGovernment through a national institution, the Center for Geographic\nInformation and Digital from the National Study Office Techniques and\nDevelopment (BNETD-CIGN), with technical and financial support from the\nEuropean Union. The methodology used to produce the map was transparent,\nparticipatory and in line with international standards.\n\nTo develop this map, a mosaic of satellite images (Sentinel 2) from 2020 was\nprocessed via Google Earth Engine and supplemented with data collected in the\nfield, to train a supervised classification algorithm (Random Forest).\nTwo field campaigns were conducted, from 10 November to 9 December 2022 and\nfrom 26 January to 13 February 2023, throughout the country. These missions\ninvolved 33 people from multiple partner organizations because the data\ncollection methods and definitions of certain land use classes\nadopted by stakeholders may sometimes differ.\n\nAs part of the EUDR due diligence process, geolocation data for plots of\nland producing EUDR-relevant products could be overlaid with 2020 forest\ncover data in order to assess the risk that the plot is located in an area\nthat was forested before the 2020 cut-off date. To do this, forest cover\ndata aligned with the FAO definition of forests and the 2020 cut-off date\nis required. The 2020 land cover map of Cote d'Ivoire meets these needs.\nIndeed, the classes in the land cover map can be combined to create a\nforest/non-forest map that is aligned with the FAO definition of forests.\n\nA platform for accessing 2020 land cover data, metadata and the methodology\nhas been developed using ESRI solutions, from Africa GeoPortal, for data\nanalysis and visualization:\n\nThe address is: \u003chttps://bit.ly/carte-ci-2020\u003e\n\nDocumentation:\n\n- [Detailed documentation](https://africageoportal.maps.arcgis.com/sharing/rest/content/items/26a717d4c13f4f3db2c6056f7e5c0bab/data)\n\n- [Methodology in French](https://africageoportal.maps.arcgis.com/sharing/rest/content/items/76dc18767b89472eb89e8aa54e08a6c9/data)\n\n### Bands\n\n\n**Pixel Size**\n\n10 meters\n\n**Bands**\n\n| Name | Min | Max | Pixel Size | Description |\n|------------------|-----|-----|------------|------------------|\n| `classification` | 1 | 23 | meters | Land Cover class |\n\n**classification Class Table**\n\n| Value | Color | Description |\n|-------|---------|-------------------------------------------------------------------------------------------------------------------|\n| 1 | #276300 | Dense forest (Forêt dense) |\n| 2 | #59D757 | Light forest (Forêt claire) |\n| 3 | #569D6E | Forest gallery (Forêt galerie) |\n| 4 | #79CFAD | Secondary forest/degraded forest (Forêt secondaire/forêt dégradée) |\n| 5 | #34734C | Mangrove |\n| 6 | #B4FFAD | Forest plantation/Reforestation (Plantation forestière/Reboisement) |\n| 7 | #6EFA9A | Swamp forest/Forest on hydromorphic soil (Forêt marécageuse/Forêt sur sol hydromorphe) |\n| 8 | #D68589 | Coffee Plantation (Plantation de Café) |\n| 9 | #EBD37F | Cocoa Plantation (Plantation de Cacao) |\n| 10 | #D0E09D | Rubber plantation (Plantation d'Hévéa) |\n| 11 | #E8BEFF | Oil palm plantation (Plantation de Palmier à huile) |\n| 12 | #E751FE | Coconut Plantation (Plantation de Coco) |\n| 13 | #F3BFF2 | Cashew plantation (Plantation d'Anacarde) |\n| 14 | #9DFD00 | Fruit plantation / Arboriculture (Plantation fruitière / Arboricultures) |\n| 15 | #F2F38D | Agricultural development/Other crops/Orchards/Fallow land (Aménagement agricole/Autres cultures/Vergers/Jachères) |\n| 16 | #B6D322 | Tree savannah (Savane arborée) |\n| 17 | #E2FE5F | Shrub formations/ Thickets (Formations arbustives/ Fourrés) |\n| 18 | #F9FDCC | Herbaceous formations (Formations herbacées) |\n| 19 | #4A70C0 | Body of water, Courses and waterways (Plan d'eau, Cours et voies deau) |\n| 20 | #BEFFE8 | Swampy area (Zone marécageuse) |\n| 21 | #D20A02 | Human habitat, Infrastructure (Habitat humain, Infrastructures) |\n| 22 | #DBECEF | Rocky outcrop (Affleurement rocheux) |\n| 23 | #DCDCDC | Bare ground (Sol nu) |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- BNETD Land Cover Map 2020.\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.Image('BNETD/land_cover/v1/2020').select('classification');\n\nMap.setCenter(-5.4400, 7.5500, 7);\n\nMap.addLayer(dataset, {}, \"Cote d'Ivoire Land Cover Map 2020\");\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/BNETD/BNETD_land_cover_v1) \n[Cote d'Ivoire BNETD 2020 Land Cover Map](/earth-engine/datasets/catalog/BNETD_land_cover_v1) \nThe Cote d'Ivoire BNETD 2020 Land Cover Map was produced by the Ivorian Government through a national institution, the Center for Geographic Information and Digital from the National Study Office Techniques and Development (BNETD-CIGN), with technical and financial support from the European Union. The methodology used to produce the map ... \nBNETD/land_cover/v1, classification,deforestation,forest,landcover,landuse-landcover \n2020-01-01T00:00:00Z/2021-01-01T00:00:00Z \n4.3603 -8.602 10.74 -2.493 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://africageoportal.maps.arcgis.com/home/user.html?user=bnetdcignCI)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/BNETD_land_cover_v1)"]]
