ชุดข้อมูลนี้เป็นส่วนหนึ่งของแคตตาล็อกผู้เผยแพร่โฆษณาและ Google Earth Engine ไม่ได้เป็นผู้จัดการ ติดต่อ biosphere-models@google.com หากพบข้อบกพร่องหรือดูชุดข้อมูลเพิ่มเติม จากแคตตาล็อก Nature Trace ดูข้อมูลเพิ่มเติมเกี่ยวกับชุดข้อมูลของผู้เผยแพร่โฆษณา
- เจ้าของแคตตาล็อก
- Nature Trace
- ความพร้อมใช้งานของชุดข้อมูล
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- ผู้ผลิตชุดข้อมูล
- แท็ก
คำอธิบาย
ชุดข้อมูล Forest Typology (ForTy) v1 ประกอบด้วยแผนที่ความน่าจะเป็นต่อคลาสทั่วโลกที่ความละเอียด 10 เมตร ซึ่งครอบคลุมพื้นที่ทั้งหมดระหว่างละติจูด 65°S ถึง 84°N สำหรับปี 2020
การจัดประเภท 6 คลาสสอดคล้องกับคำจำกัดความของ FAO และกฎระเบียบว่าด้วยการตัดไม้ทำลายป่าของสหภาพยุโรป (EUDR) ดังนี้
- คลาส 1 - ป่าดั้งเดิม: ป่าธรรมชาติที่มีพืชพื้นเมืองและไม่มีร่องรอยการรบกวนที่เกิดจากมนุษย์ให้เห็น
- คลาส 2 - ป่าที่ฟื้นตัวตามธรรมชาติ: ป่าที่เกิดขึ้นส่วนใหญ่ผ่านการฟื้นตัวตามธรรมชาติ ซึ่งรวมถึงป่ารุ่นที่ฟื้นตัวจากการรบกวนและป่าผสมที่การฟื้นตัวตามธรรมชาติเป็นส่วนใหญ่
- คลาส 3 - ป่าปลูก: ป่าที่เกิดขึ้นส่วนใหญ่ผ่านการปลูกหรือหว่านเมล็ด โดยมีระยะเวลาการหมุนเวียนในการดำเนินงานมากกว่า 40 ปี
- คลาส 4 - สวนป่า: ป่าที่มีการจัดการอย่างเข้มข้นซึ่งมีลักษณะเป็นพืช 1 หรือ 2 ชนิด อายุเท่ากัน ระยะห่างสม่ำเสมอ และระยะเวลาการหมุนเวียน 40 ปีหรือน้อยกว่า
- คลาส 5 - พืชเศรษฐกิจและวนเกษตร: สวนเกษตรที่ผลิตสินค้าโภคภัณฑ์ที่ไม่ใช่ไม้ (เช่น ปาล์มน้ำมัน ยางพารา สวนผลไม้) ซึ่งรวมถึงระบบวนเกษตร จัดเป็นพื้นที่เกษตรกรรมภายใต้ EUDR
- คลาส 6 - ที่ดินอื่นๆ: การใช้ที่ดินทั้งหมดที่ไม่ใช่ต้นไม้ พืชพรรณไม้กระจัดกระจาย (การปกคลุมของเรือนยอด < 10%) ที่ดินป่าไม้อื่นๆ ต้นไม้ในสภาพแวดล้อมในเมือง และพื้นที่ต้นไม้ขนาดเล็กที่ไม่เป็นไปตามเกณฑ์ของป่า
บันทึกข้อมูลหลักคือแรสเตอร์ 5 แบนด์ที่มีค่าจำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย (0–250) ซึ่งแสดงค่าความน่าจะเป็นที่กำหนดเป็นช่วงๆ สำหรับคลาสประเภทป่า 5 คลาส ความน่าจะเป็นสำหรับคลาสที่ 6 (ที่ดินอื่นๆ) ได้จากการคำนวณส่วนเติมเต็ม: p_other = 250 − sum(p_i) แผนที่ใช้ระบบพิกัด Universal Transverse Mercator (UTM)
หากต้องการดูคะแนนความน่าจะเป็นของคลาสที่ 6 "ที่ดินอื่นๆ" ให้นำผลรวมของความน่าจะเป็น 5 ข้อแรกไปลบออกจาก 250 คุณสามารถสร้างแผนที่เชิงหมวดหมู่ได้โดยกำหนดพิกเซลแต่ละพิกเซลให้กับคลาสที่มีความน่าจะเป็นสูงสุด (argmax) การแสดงความน่าจะเป็นช่วยให้ผู้ใช้ใช้เกณฑ์ที่กำหนดเอง ประเมินความเชื่อมั่นในการคาดการณ์ และคำนวณค่าประมาณความไม่แน่นอนสำหรับการใช้งานปลายทางได้
ข้อมูลต้นฉบับมีให้ในรูปแบบ Cloud Optimized GeoTIFF (COG) ที่จัดเก็บไว้ใน Google Cloud Storage ที่ gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ ImageCollection ของ Earth Engine ได้รับการสนับสนุนโดย COG เหล่านี้
ข้อจำกัด: แม้ว่าแผนที่นี้จะเป็นข้อมูลพื้นฐานทั่วโลกที่มีคุณค่า แต่ผู้ใช้ควรทราบข้อจำกัดบางประการดังนี้
- วันที่อ้างอิงตามเวลา: แผนที่แสดงสถานะของพื้นผิวปกคลุมดิน ณ ปี 2020 โดยอิงตามภาพผสมจากดาวเทียมหลายช่วงเวลา การเปลี่ยนแปลงการใช้ที่ดินอย่างรวดเร็วที่เกิดขึ้นภายในระยะเวลาการสร้างภาพผสมอาจไม่ได้รับการบันทึกอย่างครบถ้วน
- ความคลุมเครือของคำจำกัดความ: คำจำกัดความที่อิงตาม FAO ซึ่งเป็นพื้นฐานของการจัดประเภท EUDR อาศัยความตั้งใจและประวัติการจัดการ ซึ่งไม่สามารถสังเกตได้โดยตรงจากภาพถ่ายจากดาวเทียม โมเดลอนุมานหมวดหมู่เหล่านี้จากตัวบ่งชี้พร็อกซี (ลายเซ็นสเปกตรัม โครงสร้างเรือนยอด รูปแบบเชิงพื้นที่) ซึ่งทำให้เกิดความไม่แน่นอนที่ลดไม่ได้ที่ขอบเขตคลาส ตัวอย่างเช่น ป่ารุ่นที่ฟื้นตัวตามธรรมชาติ (ป่ารุ่นที่ 2) ที่โตเต็มที่อาจแยกแยะจากป่าดั้งเดิมที่ไม่ถูกรบกวนไม่ได้ในเชิงสเปกตรัมและโครงสร้าง
- ความคลุมเครือของวนเกษตร: ระบบวนเกษตรแบบผสม ซึ่งมีพืชเศรษฐกิจ เช่น โกโก้หรือกาแฟเติบโตใต้เรือนยอดของพืชพื้นเมือง เป็นคลาสที่แยกแยะได้ยากที่สุด ป่าวนเกษตรที่มีโกโก้และกาแฟที่ร่มรื่นอาจยังคงถูกจัดประเภทผิดเป็นป่าธรรมชาติในบางภูมิภาค
- ความสับสนของป่าปลูก: ป่าปลูกมีความแม่นยำในการจัดประเภทต่ำที่สุดในบรรดาคลาสป่าทั้งหมด (F1 = 58.2%) คลาสนี้อาจคล้ายกับป่าที่ฟื้นตัวตามธรรมชาติในเชิงสเปกตรัมและโครงสร้างที่ปลายด้านหนึ่ง และคล้ายกับสวนป่าที่ปลายอีกด้านหนึ่ง ซึ่งส่งผลให้เกิดการจัดประเภทผิดบ่อยครั้งในทั้ง 2 ทิศทาง
- พื้นที่ขนาดเล็กและการปกคลุมของเรือนยอดตามเกณฑ์: พื้นที่ต้นไม้ที่แยกออกมาซึ่งอยู่ใกล้เกณฑ์พื้นที่ป่าของ FAO (0.5 เฮกตาร์) และพื้นที่ที่ขอบเขตการปกคลุมของเรือนยอด (10%) มีความคลุมเครือโดยธรรมชาติ
- การปรับเทียบความน่าจะเป็น: ความน่าจะเป็นต่อคลาสแสดงถึงเอาต์พุต softmax ที่เฉลี่ยจาก Ensemble และยังไม่ได้รับการปรับเทียบภายหลัง ผู้ใช้ที่ต้องการความน่าจะเป็นที่ปรับเทียบอย่างดีสำหรับการประเมินความเสี่ยงเชิงปริมาณควรพิจารณาการปรับเทียบใหม่ระดับภูมิภาคโดยใช้ข้อมูลอ้างอิงอิสระ
- ไฟป่า: ในบางครั้งก็ไม่สามารถระบุการใช้ที่ดินหลังเกิดไฟป่าได้
- การทำแผนที่ป่าดั้งเดิมแบบอนุรักษนิยม: ขอบเขตคลาสป่าดั้งเดิมเป็นแบบอนุรักษนิยมใกล้โครงสร้างพื้นฐานของมนุษย์ เนื่องจากเอฟเฟกต์การบัฟเฟอร์เชิงพื้นที่ที่สืบทอดมาจากข้อมูลการฝึก โมเดลจึงยกเว้นขอบป่าใกล้ถนน การตั้งถิ่นฐาน หรือการเกษตรออกจากคลาสป่าดั้งเดิมอย่างเป็นระบบ และมักจะติดป้ายกำกับเป็นป่าที่ฟื้นตัวตามธรรมชาติแทน
- พื้นที่ที่ไม่มีต้นไม้ชั่วคราว: ภายใต้คำจำกัดความของ FAO พื้นที่ที่ไม่มีต้นไม้ชั่วคราว (เช่น สวนป่าที่เพิ่งเก็บเกี่ยวและรอการปลูกใหม่ หรือป่าที่ฟื้นตัวในระยะแรกหลังการรบกวน) ยังคงถือเป็นป่า อย่างไรก็ตาม เนื่องจากแผนที่นี้อิงตามการสังเกตการณ์เพียงปีเดียว (2020) พื้นที่เหล่านี้จึงอาจปรากฏเป็นพื้นที่ที่ไม่ใช่ป่าและถูกจัดประเภทผิดเป็น "ที่ดินอื่นๆ"
- พร็อกซีป่าปลูกเทียบกับสวนป่า: การแยกแยะระหว่างป่าปลูกกับสวนป่าใช้เกณฑ์ระยะเวลาการหมุนเวียนในการดำเนินงาน 40 ปีเป็นพร็อกซี เกณฑ์ความเข้มข้นในการจัดการ EUDR/FAO ที่แท้จริง (เช่น คลาสอายุเท่ากัน ระยะห่างสม่ำเสมอ) ไม่สามารถสังเกตได้โดยตรงจากภาพถ่ายจากดาวเทียม
- การละเว้นที่ดินป่าไม้อื่นๆ (OWL): EUDR รับรู้ "ที่ดินป่าไม้อื่นๆ" (OWL) เป็นหมวดหมู่ที่แยกต่างหาก แต่ในชุดข้อมูลนี้ OWL ไม่ได้ถูกแยกแยะเป็นคลาสที่แยกต่างหากและรวมอยู่ในหมวดหมู่ "ที่ดินอื่นๆ" ทั้งหมด
- ความไม่เป็นเนื้อเดียวกันระดับพิกเซลย่อย: พิกเซลแบบผสม โดยเฉพาะอย่างยิ่งในภูมิทัศน์ของเกษตรกรรายย่อยที่ซับซ้อน อาจลดความแม่นยำในการจัดประเภท นอกจากนี้ แม้ว่าเอาต์พุตจะอยู่ที่ 10 เมตร แต่ความละเอียดที่มีประสิทธิภาพของข้อมูลอินพุตของโมเดลอาจหยาบกว่า 10 เมตร
แบนด์
แบนด์
ขนาดพิกเซล: 10 เมตร (ทุกแบนด์)
| ชื่อ | ต่ำสุด | สูงสุด | สเกล | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0.004 | 10 เมตร | ความน่าจะเป็นที่กำหนดเป็นช่วงๆ (จำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย, 0–250) ที่พิกเซลอยู่ในคลาสป่าดั้งเดิม |
NaturallyRegeneratingForest |
0 | 250 | 0.004 | 10 เมตร | ความน่าจะเป็นที่กำหนดเป็นช่วงๆ (จำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย, 0–250) ที่พิกเซลอยู่ในคลาสป่าที่ฟื้นตัวตามธรรมชาติ |
PlantedForest |
0 | 250 | 0.004 | 10 เมตร | ความน่าจะเป็นที่กำหนดเป็นช่วงๆ (จำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย, 0–250) ที่พิกเซลอยู่ในคลาสป่าปลูก |
PlantationForest |
0 | 250 | 0.004 | 10 เมตร | ความน่าจะเป็นที่กำหนดเป็นช่วงๆ (จำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย, 0–250) ที่พิกเซลอยู่ในคลาสสวนป่า |
TreeCropsAndAgroforestry |
0 | 250 | 0.004 | 10 เมตร | ความน่าจะเป็นที่กำหนดเป็นช่วงๆ (จำนวนเต็ม 8 บิตแบบไม่มีเครื่องหมาย, 0–250) ที่พิกเซลอยู่ในคลาสพืชเศรษฐกิจและวนเกษตร ความน่าจะเป็นสำหรับคลาสที่ 6 (ที่ดินอื่นๆ) ได้จากการคำนวณส่วนเติมเต็ม: p_other = 250 − ผลรวมของค่าแบนด์ทั้ง 5 |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
ชุดข้อมูลนี้ได้รับอนุญาตภายใต้ CC-BY 4.0 และต้องมีการระบุแหล่งที่มาดังนี้ [PLACEHOLDER ATTRIBUTION]
การอ้างอิง
Maxim Neumann, Anton Raichuk, Peter Potapov, Myroslava Lesiv, Matthew Overlan, Melanie Rey, Ravindran Rajakumar, Michelangelo Conserva, Radost Stanimirova, Michelle Sims, Sarah Carter, Elizabeth Goldman, Yuchang Jiang, Linus Scheibenreif, Ivelina Georgieva, Maria Shchepashchenko, Steffen Fritz, Nicholas Clinton, Charlotte Stanton, Dan Morris, Drew Purves: "Global forest typology at 10-meter resolution for forest and land-use monitoring", May 2026 (preprint: doi.org/10.31223/X58R27).
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (JavaScript)
var dataset = ee.ImageCollection( 'projects/nature-trace/assets/forest_typology/forest_typology_2020_v1_0_collection') .mosaic(); // Compute argmax class: 1=Primary, 2=Naturally Regenerating, // 3=Planted, 4=Plantation, 5=Tree Crops & Agroforestry, 6=Other land. var b5 = ee.Image(250).subtract(dataset.select([0, 1, 2, 3, 4]).reduce('sum')); var classified = dataset.addBands(b5).toArray().arrayArgmax().arrayGet([0]).add(1); // Palette: Primary=dark green, Naturally Regenerating=light green, // Planted=blue, Plantation=pink, TreeCrops=orange, Other=yellow. var colors = ['1B7837', '7FBF7B', '1D91C0', 'E65FA9', 'E6AB02', 'FDE278']; Map.addLayer( classified, {min: 1, max: 6, palette: colors}, 'Forest Typology 2020 (v1)'); Map.setOptions('HYBRID'); Map.setCenter(116.21, -33.31, 12);