Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3

COPERNICUS/Landcover/100m/Proba-V-C3/Global
Dataset-Verfügbarkeit
2015-01-01T00:00:00Z–2019-12-31T23:59:59Z
Dataset-Anbieter
Earth Engine-Snippet
ee.ImageCollection("COPERNICUS/Landcover/100m/Proba-V-C3/Global")
Tags
copernicus eea esa eu landcover landuse-landcover proba probav vito

Beschreibung

Der Copernicus Global Land Service (CGLS) ist als Komponente des Land Service vorgesehen, um eine Mehrzweck-Servicekomponente zu betreiben, die eine Reihe von biogeophysikalischen Produkten zum Status und zur Entwicklung der Landoberfläche auf globaler Ebene bereitstellt.

Die Karte zur dynamischen Bodenbedeckung mit einer Auflösung von 100 m (CGLS-LC100) ist ein neues Produkt im CGLS-Portfolio und bietet eine globale Karte zur Bodenbedeckung mit einer räumlichen Auflösung von 100 m. Das CGLS-Produkt zur Landbedeckung bietet ein primäres Schema zur Landbedeckung. Neben diesen diskreten Klassen enthält das Produkt auch kontinuierliche Feld-Layer für alle grundlegenden Landbedeckungsklassen, die proportionale Schätzungen für die Vegetations-/Bodenbedeckung für die Landbedeckungstypen liefern. Dieses kontinuierliche Klassifizierungsschema kann Gebiete mit heterogener Landbedeckung besser darstellen als das Standardschema und kann daher für verschiedene Anwendungen angepasst werden, z. B. für die Überwachung von Wäldern und Ernten, für Biodiversität und Naturschutz, für die Überwachung von Umwelt und Sicherheit in Afrika sowie für die Klimamodellierung.

Diese konsistenten Karten zur Landbedeckung (Version 3.0.1) werden für den Zeitraum 2015–2019 für die gesamte Welt bereitgestellt. Sie basieren auf den PROBA-V-Zeitreihen mit einer Auflösung von 100 m, einer Datenbank mit hochwertigen Trainingsstandorten für die Landbedeckung und mehreren zusätzlichen Datasets. Die Genauigkeit auf Ebene 1 liegt über alle Jahre hinweg bei 80 %. Es ist geplant, ab 2020 jährliche Updates mithilfe einer Sentinel-Zeitreihe bereitzustellen.

Siehe auch:

Bänder

Pixelgröße
100 Meter

Bänder

Name Einheiten Min. Max. Pixelgröße Beschreibung
discrete_classification 0 200 Meter

Klassifizierung der Bodenbedeckung

discrete_classification-proba % 0 100 Meter

Qualitätsindikator (Klassifizierungswahrscheinlichkeit) der diskreten Klassifizierung

forest_type 0 5 Meter

Waldtyp für alle Pixel mit einer Baumvegetationsdecke von mehr als 1 %

bare-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Klasse „Bare-sparse-vegetation“ (Kahl-spärliche Vegetation)

crops-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Landoberflächenklasse „Ackerland“

grass-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Klasse „Krautige Vegetation“

moss-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Landbedeckungsklasse „Moos und Flechten“

shrub-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Klasse „Strauchland“

tree-coverfraction % 0 100 Meter

Prozentuale Vegetationsbedeckung für die Klasse „Wald“

snow-coverfraction % 0 100 Meter

Prozentuale Bodenbedeckung für die Landbedeckungsklasse „Schnee und Eis“

urban-coverfraction % 0 100 Meter

Prozentuale Bodenbedeckung für die Klasse „Bebaute Fläche“

water-permanent-coverfraction % 0 100 Meter

Prozentuale Bodenbedeckung für die Landbedeckungsklasse „Dauerhaftes Gewässer“

water-seasonal-coverfraction % 0 100 Meter

Prozentuale Bodenbedeckung für die saisonale Wasser-Landbedeckungsklasse

data-density-indicator 0 100 Meter

Indikator für die Datendichte für Algorithmus-Eingabedaten

change-confidence 0 3 Meter

Diese Ebene ist nur für Jahre nach dem Basisjahr 2015 verfügbar.

  • 0 – Keine Änderung. Zwischen dem Jahr und dem Vorjahr wurde keine Änderung bei der diskreten Klasse festgestellt.
  • 1 – Potenzielle Änderung. BFASTmon hat in der zweiten Hälfte des NRT-Jahres eine Unterbrechung erkannt – potenzielle Änderung.
  • 2 – Mittlere Zuverlässigkeit. Abdruck von städtischen Gebieten, permanentem Wasser, Schnee oder Feuchtgebieten ODER Änderung, die von BFAST erkannt wurde, aber vom HMM-Modell nicht in höherer Auflösung bestätigt wurde ODER Änderung, die von BFASTmon in der ersten Hälfte des NRT-Jahres erkannt wurde.
  • 3 – Hohe Zuverlässigkeit. BFAST hat eine Änderung erkannt und HMM hat diese Änderung in höherer Auflösung bestätigt.

Klassentabelle „discrete_classification“

Wert Farbe Beschreibung
0 #282828

Unbekannt Es sind keine oder nicht genügend Satellitendaten verfügbar.

20 #ffbb22

Sträucher. Mehrjährige Holzpflanzen mit dauerhaften und holzigen Stängeln und ohne definierten Hauptstamm, die weniger als 5 m hoch sind. Das Laub der Sträucher kann immergrün oder laubabwerfend sein.

30 #ffff4c

Krautige Vegetation. Pflanzen ohne dauerhaften Stängel oder oberirdische Triebe und ohne feste Struktur. Die Baum- und Strauchbedeckung beträgt weniger als 10 %.

40 #f096ff

Angebautes und bewirtschaftetes Grün / Landwirtschaft. Flächen, die mit temporären Kulturen bedeckt sind, gefolgt von der Ernte und einer Zeit mit unbedecktem Boden (z.B. Einzel- und Mehrfachanbausysteme). Mehrjährige Holzgewächse werden als die entsprechende Wald- oder Strauchlandbedeckung klassifiziert.

50 #fa0000

Städtisch / bebaut Land, das von Gebäuden und anderen von Menschen geschaffenen Bauwerken bedeckt ist.

60 #b4b4b4

Karge / spärliche Vegetation. Flächen mit freiliegendem Boden, Sand oder Felsen, die zu keiner Jahreszeit mehr als 10 % Vegetationsbedeckung aufweisen.

70 #f0f0f0

Schnee und Eis. Gebiete, die das ganze Jahr über mit Schnee oder Eis bedeckt sind.

80 #0032c8

Dauerhafte Gewässer. Seen, Stauseen und Flüsse. Kann entweder ein Süß- oder Salzwasserkörper sein.

90 #0096a0

Krautiges Feuchtgebiet. Flächen mit einer permanenten Mischung aus Wasser und krautiger oder holziger Vegetation. Die Vegetation kann in Salz-, Brack- oder Süßwasser vorhanden sein.

100 #fae6a0

Moos und Flechten

111 #58481f

Geschlossener Wald, immergrüne Nadelbäume. Baumbestand >70 %, fast alle Nadelbäume bleiben das ganze Jahr über grün. Die Baumkrone ist nie ohne grünes Laub.

112 #009900

Geschlossener Wald, immergrüne Laubblätter. Baumbestand > 70 %, fast alle Laubbäume bleiben das ganze Jahr über grün. Die Baumkrone ist nie ohne grünes Laub.

113 #70663e

Geschlossener Wald, laubabwerfende Nadelblätter. Baumkronenbedeckung > 70 %, besteht aus saisonalen Nadelbaumgemeinschaften mit einem jährlichen Zyklus von Perioden mit und ohne Blätter.

114 #00cc00

Geschlossener Wald, Laubbaum. Baumbestand >70 %, bestehend aus saisonalen Laubbaumgemeinschaften mit einem jährlichen Zyklus von Perioden mit und ohne Blätter.

115 #4e751f

Geschlossener Wald, gemischt.

116 #007800

Geschlossener Wald, der keiner der anderen Definitionen entspricht.

121 #666000

Offener Wald, immergrüne Nadelbäume. Die obere Schicht besteht aus Bäumen (15–70 %), die zweite Schicht aus einer Mischung aus Sträuchern und Grasland. Fast alle Nadelbäume bleiben das ganze Jahr über grün. Die Baumkrone ist nie ohne grünes Laub.

122 #8db400

Offener Wald, immergrüne Laubblätter. Die oberste Schicht besteht aus Bäumen (15–70 %), die zweite Schicht aus Sträuchern und Grasland. Fast alle Laubbäume bleiben das ganze Jahr über grün. Die Baumkrone ist nie ohne grünes Laub.

123 #8d7400

Offener Wald, laubabwerfende Nadelbäume. Die oberste Schicht besteht zu 15–70 % aus Bäumen und die zweite Schicht aus einer Mischung aus Sträuchern und Grasland. Sie besteht aus saisonalen Nadelbaumgemeinschaften mit einem jährlichen Zyklus von Blatt- und Blattverlustperioden.

124 #a0dc00

Offener Wald, Laubwald. Die oberste Schicht besteht aus Bäumen (15–70 %), die zweite Schicht aus einer Mischung aus Sträuchern und Grasland. Sie besteht aus saisonalen Laubbaumgemeinschaften mit einem jährlichen Zyklus von Blatt- und Blattverlustperioden.

125 #929900

Offener Mischwald.

126 #648c00

Offener Wald, der keiner der anderen Definitionen entspricht.

200 #000080

Ozeane, Meere. Kann entweder ein Süß- oder Salzwasserkörper sein.

Klassentabelle für forest_type

Wert Farbe Beschreibung
0 #282828

Unbekannt

1 #666000

Immergrüne Nadelblätter

2 #009900

Immergrüne Laubblätter

3 #70663e

Laubabwerfende Nadelblätter

4 #a0dc00

Laubbaum mit breiten Blättern

5 #929900

Mischung aus Waldtypen

Bildattribute

Bildattribute

Name Typ Beschreibung
discrete_classification_class_names STRING_LIST

Namen von Bodenbedeckungsklassen

discrete_classification_class_palette STRING_LIST

Palette für Bodenbedeckungsklassen

discrete_classification_class_values INT_LIST

Wert der Landbedeckungsklassifizierung.

forest_type_class_names STRING_LIST

Klassennamen für Waldbedeckung

forest_type_class_palette STRING_LIST

Farbpalette für die Klasse „Waldbedeckung“

forest_type_class_values INT_LIST

Werte der Klasse für Waldbedeckung

Nutzungsbedingungen

Nutzungsbedingungen

Als offizielles Produkt der globalen Komponente des Copernicus Land Service ist der Zugriff auf dieses Datenset zur Landbedeckung für alle Nutzer völlig kostenlos und offen.

Zitate

Quellenangaben:
  • Buchhorn, M. ; Lesiv, M. ; Tsendbazar, N. – E. ; Herold, M. ; Bertels, L. ; Smets, B. Copernicus Global Land Cover Layers-Collection 2. Remote Sensing 2020, 12Volume 108, 1044. doi:10.3390/rs12061044

  • Buchhorn, M., Smets, B., Bertels, L., Roo, B. D., Lesiv, M., Tsendbazar, N.-E., Herold, M., & Fritz, S. (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2017: Globe (Version V3.0.1) [Datensatz]. Zenodo.

  • Buchhorn, M., Smets, B., Bertels, L., Roo, B. D., Lesiv, M., Tsendbazar, N.-E., Herold, M., & Fritz, S. (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2018: Globe (Version V3.0.1) [Datensatz]. Zenodo.

  • Buchhorn, M., Smets, B., Bertels, L., Roo, B. D., Lesiv, M., Tsendbazar, N.-E., Herold, M., & Fritz, S. (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2015: Globe (Version V3.0.1) [Datensatz]. Zenodo.

  • Buchhorn, M., Smets, B., Bertels, L., Roo, B. D., Lesiv, M., Tsendbazar, N.-E., Herold, M., & Fritz, S. (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2019: Globe (Version V3.0.1) [Datensatz]. Zenodo.

DOIs

Earth Engine nutzen

Code-Editor (JavaScript)

var dataset = ee.Image('COPERNICUS/Landcover/100m/Proba-V-C3/Global/2019')
.select('discrete_classification');

Map.setCenter(-88.6, 26.4, 1);

Map.addLayer(dataset, {}, 'Land Cover');

Python einrichten

Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.Image('COPERNICUS/Landcover/100m/Proba-V-C3/Global/2019').select(
    'discrete_classification'
)

m = geemap.Map()
m.set_center(-88.6, 26.4, 1)
m.add_layer(dataset, {}, 'Land Cover')
m
Im Code-Editor öffnen