Datasets tagged forest-biomass in Earth Engine

• EC JRC の森林被覆グローバル マップ（2020 年版、V3）

  森林被覆のグローバル マップは、2020 年の森林の有無を 10 メートルの空間分解能で空間的に明示的に表現したものです。2020 年は、欧州連合の「…の市場での利用に関する規則」の期限に対応しています。

  eudr forest forest-biomass jrc

• EC JRC の森林タイプ グローバル マップ（2020 年版、V1）

  森林タイプのグローバル マップは、2020 年の原生林、自然再生林、植林（プランテーション林を含む）を 10 m の空間解像度で空間的に明示的に表現したものです。これらの森林タイプをマッピングするためのベースレイヤは、森林被覆の範囲です。

  eudr forest forest-biomass jrc landcover primary-forest

• 欧州の原生林データセット - ポイント

  ヨーロッパの原生林データは、原生林の 48 種類のデータセット（主にフィールドベース）を調和させたもので、33 か国にまたがる 18,411 個のパッチ（4,110 万ヘクタール）が含まれています。主に老齢林や後期遷移林が含まれますが、自然撹乱後に発生した初期遷移段階の森林や若齢林も含まれます。

  europe forest forest-biomass table

• ヨーロッパの原生林データセット - ポリゴン

  ヨーロッパの原生林データは、原生林の 48 種類のデータセット（主にフィールドベース）を調和させたもので、33 か国にまたがる 18,411 個のパッチ（4,110 万ヘクタール）が含まれています。主に老齢林や後期遷移林が含まれますが、自然撹乱後に発生した初期遷移段階の森林や若齢林も含まれます。

  europe forest forest-biomass table

• FORMA Raw Output NDVI

  WRI からの注: WRI は FORMA アラートの更新を停止することにしました。これは、Global Forest Watch のユーザー エクスペリエンスを簡素化し、冗長性を減らすことを目的としたものです。Terra-i と GLAD の方が頻繁に使用されていることがわかりました。また、GLAD を標準として使用した場合、Terra-i の方が FORMA よりもパフォーマンスが高いことがわかりました。

  daily deforestation forest forest-biomass forma gfw

• FORMA 植生 T 統計量

  WRI からの注: WRI は FORMA アラートの更新を停止することにしました。これは、Global Forest Watch のユーザー エクスペリエンスを簡素化し、冗長性を減らすことを目的としたものです。Terra-i と GLAD の方が頻繁に使用されていることがわかりました。また、GLAD を標準として使用した場合、Terra-i の方が FORMA よりもパフォーマンスが高いことがわかりました。

  daily deforestation forest forest-biomass forma gfw

• Forest Persistence v0

  この画像は、2020 年にピクセル領域が手つかずの森林で占められているかどうかを示すピクセル単位のスコア（[0, 1]）を提供します。これらのスコアは 30 メートルの解像度で提供され、複数の森林を組み合わせる証拠の収束アプローチによって生成されています。

  biodiversity conservation deforestation eudr forest-biomass forestdatapartnership

• Forest Typology（ForTy）2020 v1.0

  Forest Typology（ForTy）v1 データセットは、2020 年の緯度 65°S ～ 84°N のすべての陸地を対象とする、10 m 解像度のクラスごとの確率マップで構成されています。6 つのクラスの分類は、FAO と EU 森林破壊防止規則（EUDR）の定義に沿ったものです。クラス 1 …

  alphaearth-derived biodiversity climate conservation deforestation eudr

• GEDI L2A ラスター キャノピー上部高さ（バージョン 2）

  GEDI のレベル 2A の位置情報付き標高と高さの指標プロダクト（GEDI02_A）は、主に 100 個の相対高度（RH）指標で構成されており、これらは GEDI によって収集された波形をまとめて表します。元の GEDI02_A プロダクトは、空間解像度（平均フットプリント）が 25 メートルのポイントのテーブルです。…

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L2A ベクトル キャノピーの最上部の高さ（バージョン 2）

  GEDI のレベル 2A の位置情報付き標高と高さの指標プロダクト（GEDI02_A）は、主に 100 個の相対高度（RH）指標で構成されており、これらは GEDI によって収集された波形をまとめて表します。元の GEDI02_A プロダクトは、空間解像度（平均フットプリント）が 25 メートルのポイントのテーブルです。…

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L2A テーブル インデックス

  これは、LARSE/GEDI/GEDI02_A_002 の L2A テーブルのジオメトリから作成されたフィーチャー コレクションです。各フィーチャーは、アセット ID と開始/終了タイムスタンプを含むソーステーブルのポリゴン フットプリントです。詳細については、ユーザーガイドをご覧ください。Global Ecosystem Dynamics Investigation GEDI ミッション…

  elevation forest-biomass gedi larse nasa table

• GEDI L2B ラスター キャノピー被覆垂直プロファイル指標（バージョン 2）

  GEDI レベル 2B の樹冠被覆と垂直プロファイル指標プロダクト（GEDI02_B）は、各 GEDI 波形から生物物理学的指標を抽出します。これらの指標は、L1B 波形から導出された方向ギャップ確率プロファイルに基づいています。植生プロファイル測定間の垂直方向のステップ（GEDI では dZ と呼ばれます）。

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L2B ベクター キャノピー カバー垂直プロファイル指標（バージョン 2）

  GEDI レベル 2B の樹冠被覆と垂直プロファイル指標プロダクト（GEDI02_B）は、各 GEDI 波形から生物物理学的指標を抽出します。これらの指標は、L1B 波形から導出された方向ギャップ確率プロファイルに基づいています。植生プロファイル測定間の垂直方向のステップ（GEDI では dZ と呼ばれます）。

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L2B テーブル インデックス

  これは、LARSE/GEDI/GEDI02_B_002 の L2B テーブルのジオメトリから作成されたフィーチャー コレクションです。各フィーチャーは、アセット ID と開始/終了タイムスタンプを含むソーステーブルのポリゴン フットプリントです。詳細については、ユーザーガイドをご覧ください。Global Ecosystem Dynamics Investigation GEDI ミッション…

  elevation forest-biomass gedi larse nasa table

• GEDI L4A 地上バイオマス密度、バージョン 2.1

  このデータセットには、地上バイオマス密度（AGBD、Mg/ha 単位）の Global Ecosystem Dynamics Investigation（GEDI）レベル 4A（L4A）バージョン 2 の予測と、サンプリングされた各位置情報付きレーザー フットプリント内の予測標準誤差の推定値が含まれています。このバージョンでは、グラニュールはサブ軌道にあります。身長の指標 …

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L4A ラスター地上バイオマス密度、バージョン 2.1

  このデータセットには、地上バイオマス密度（AGBD、Mg/ha 単位）の Global Ecosystem Dynamics Investigation（GEDI）レベル 4A（L4A）バージョン 2 の予測と、サンプリングされた各位置情報付きレーザー フットプリント内の予測標準誤差の推定値が含まれています。このバージョンでは、グラニュールはサブ軌道にあります。身長の指標 …

  elevation forest-biomass gedi larse nasa tree-cover

• GEDI L4A テーブル インデックス

  これは、LARSE/GEDI/GEDI04_A_002 の L4A テーブルのジオメトリから作成されたフィーチャー コレクションです。各フィーチャーは、アセット ID と開始/終了タイムスタンプを含むソーステーブルのポリゴン フットプリントです。詳細については、ユーザーガイドをご覧ください。Global Ecosystem Dynamics Investigation GEDI ミッション…

  elevation forest-biomass gedi larse nasa table

• GEDI L4B 格子化された地上バイオマス密度（バージョン 2）

  この Global Ecosystem Dynamics Investigation（GEDI）L4B プロダクトは、2019 年 4 月 18 日から始まるミッション ウィーク 19 から 2021 年 8 月 4 日に終了するミッション ウィーク 138 までの観測に基づいて、地上バイオマス密度（AGBD）の平均値を 1 km × 1 km の単位で推定します。GEDI L4A フットプリント バイオマス プロダクトは、…

  elevation forest-biomass gedi larse nasa tree-cover

• IPCC 地上バイオマス Tier 1 推定値の 2020 年グローバル森林分類、V1

  このデータセットは、2020 年のステータス/状態別に分類された全球の森林を約 30 m の解像度で提供します。このデータは、2006 年の IPCC の国別温室効果ガスインベントリに関するガイドラインの 2019 年の改訂版で、天然林の地上部乾燥木質バイオマス密度（AGBD）のティア 1 推定値を生成するために使用されます。

  aboveground biomass carbon classification forest forest-biomass

• グローバル 3 クラス PALSAR-2/PALSAR 森林/非森林マップ

  このデータセットの新しいバージョン（2017 ～ 2020 年の 4 つのクラス）は、JAXA/ALOS/PALSAR/YEARLY/FNF4 にあります。森林/非森林のグローバル マップ（FNF）は、グローバル 25 m 解像度の PALSAR-2/PALSAR SAR モザイクで SAR 画像（後方散乱係数）を分類して生成されます。これにより、強い後方散乱ピクセルと弱い後方散乱ピクセルが…

  alos alos2 classification eroc forest forest-biomass

• グローバル 4 クラス PALSAR-2/PALSAR 森林/非森林マップ

  森林/非森林グローバル マップ（FNF）は、グローバル 25 m 解像度の PALSAR-2/PALSAR SAR モザイクで SAR 画像（後方散乱係数）を分類し、強い後方散乱ピクセルと弱い後方散乱ピクセルをそれぞれ「森林」と「非森林」に割り当てることで生成されます。ここで「森林」とは、…

  alos alos2 classification eroc forest forest-biomass

• 地上バイオマスと地下バイオマスの炭素密度に関するグローバル マップ

  このデータセットは、2010 年の地上バイオマスと地下バイオマスの炭素密度の時間的に一貫性のある調和されたグローバル マップを 300 m の空間解像度で提供します。地上バイオマス マップは、森林、草原、農地、ツンドラのバイオマスの土地被覆固有の遠隔探査マップを統合したものです。入力マップは…

  地上バイオマス バイオマス 炭素 密度 森林 森林バイオマス

• 世界の年間マングローブ分布（1984 ～ 2023 年）

  CGMD-Extent30（Continuous Global Mangrove Dynamics-Annual Mangrove Extent at 30-m resolution）データセットは、1984 年から 2023 年までの全球の年間のマングローブ分布を提供します。データセットは単一の Earth Engine FeatureCollection として配布され、各フィーチャーは特定の年のマングローブ ポリゴンを表します。データセット …

  annual coastal forest-biomass global landsat-derived landuse-landcover

• 世界の年間マングローブの樹冠被覆率（1984 ～ 2023 年）

  このデータセットは、1984 年から 2023 年までの 30 m の空間解像度で、世界中のマングローブの年間樹冠被覆率（FCC）を提供します。樹冠の劣化と回復、ブルーカーボン評価、沿岸生態系のモニタリングなど、長期的なマングローブの動態の大規模な分析をサポートします。FCC は、各 Landsat の割合を定量化します。

  annual coastal forest-biomass global landsat-derived mangrove

• Global Forest Canopy Height, 2005

  このデータセットは、Geoscience Laser Altimeter System（GLAS）の宇宙搭載型ライダーデータ（2005 年）と補助的な地理空間データを融合した、地球規模の樹高を表しています。詳しくは、Simard et al.（2011）をご覧ください。

  canopy forest forest-biomass geophysical jpl nasa

• Global Forest Cover Change（GFCC）樹木被覆の複数年グローバル（30 m）

  Landsat Vegetation Continuous Fields（VCF）の樹木エリアレイヤには、高さが 5 m を超える木本植物で覆われた各 30 m ピクセルの水平地面の割合の推定値が含まれています。このデータセットは、2000 年、2005 年、2010 年を中心とする 4 つのエポックで使用できます。

  forest forest-biomass glcf landsat-derived nasa umd

• 世界のマングローブ林の分布、v1（2000 年）

  このデータベースは、2000 年のランドサット衛星データを使用して作成されました。USGS Earth Resources Observation and Science Center（EROS）から取得した 1,000 を超えるランドサット シーンが、教師ありと教師なしのハイブリッド デジタル画像分類手法を使用して分類されました。このデータベースは、最初で最も…

  annual ciesin forest-biomass global landsat-derived mangrove

• グリッド化された GEDI 植生構造指標とバイオマス密度（COUNTS 指標付き）、ピクセル サイズ 12 km

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• グリッド化された GEDI 植生構造指標とバイオマス密度（COUNTS 指標付き）、1 km ピクセル サイズ

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• グリッド化された GEDI 植生構造指標とバイオマス密度（COUNTS 指標付き）、6 km のピクセル サイズ

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• グリッド化された GEDI 植生構造指標とバイオマス密度、12 km のピクセルサイズ

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• グリッド化された GEDI の植生構造指標とバイオマス密度、1 km のピクセルサイズ

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• グリッド化された GEDI 植生構造指標とバイオマス密度、6 km ピクセルサイズ

  このデータセットは、NASA の Global Ecosystem Dynamics Investigation（GEDI）レベル 2 および 4A プロダクトから導出された、ほぼグローバルな分析対応の多重解像度グリッド植生構造指標で構成されています。これらの指標は、直径 25 m の LiDAR フットプリントに関連付けられています。このデータセットは、ほぼグローバルな植生構造を包括的に表しており、…

  biomass canopy forest forest-biomass gedi larse

• Hansen の世界的な森林の変化 v1.13（2000 ～ 2025 年）

  地球規模の森林の範囲と変化を特徴づける Landsat 画像の時系列分析の結果。「first」バンドと「last」バンドは、赤、NIR、SWIR1、SWIR2 に対応する Landsat スペクトル バンドの最初の年と最後の年の参照マルチスペクトル画像です。参照コンポジット画像は、…

  forest forest-biomass geophysical landsat-derived umd

• LANDFIRE BPS（生物物理学的設定）v1.4.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE ESP AK（環境サイトの潜在能力）v1.2.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE ESP CONUS（環境サイトの可能性）v1.2.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE ESP HI（環境サイトの潜在能力）v1.2.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE EVC（既存植生被覆）v1.4.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE EVH（既存植生高）v1.4.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• LANDFIRE EVT（既存の植生タイプ）v1.4.0

  LANDFIRE（LF）、Landscape Fire and Resource Management Planning Tools は、米国農務省林野部、米国内務省地質調査所、ザ ネイチャー コンサーバンシーの山火事管理プログラム間の共有プログラムです。LANDFIRE（LF）レイヤは、予測を使用して作成されます。

  doi fire forest-biomass landfire nature-conservancy usda

• カナダの 2019 年の Landsat 由来の森林年齢

  カナダの原生林データセットは、カナダの森林地帯の 2019 年の森林年齢マップを 30 m の空間解像度で提供する衛星ベースのデータセットです。Landsat（撹乱、地表反射率複合、森林構造）と MODIS（総一次生産）のリモート センシング データを使用して、年齢を特定します。森林の樹齢は…

  canada forest forest-biomass

• NEON Canopy Height Model（CHM）

  樹冠上部の高さ（樹冠高モデル（CHM））。CHM は NEON LiDAR ポイントクラウドから導出され、LiDAR 調査の空間領域全体にわたって樹冠の高さの推定値の連続した表面を作成することで生成されます。カラーは、RGB 値とアルファ チャンネルで指定します。

  airborne canopy forest forest-biomass highres lidar

• 世界の天然林 2020

  Natural Forests of the World 2020 は、2020 年の全球天然林の確率マップ（10 m 解像度）を提供します。このマップは、欧州連合の森林破壊防止規制（EUDR）などの取り組みや、森林の保全とモニタリングに向けたその他の取り組みをサポートするために開発されました。このマップは…

  biodiversity climate conservation deforestation eudr forest

• 一次湿潤熱帯林

  一次熱帯雨林は、多くのグローバルな生態系サービスを提供していますが、経済的な要因による伐採の脅威にさらされ続けています。国土利用計画を促進し、経済発展と生態系サービスの維持という目標のバランスを取るために、一次熱帯雨林の地図が作成されました。

  forest forest-biomass global landsat-derived umd

• SCANFI: Spatialized CAnadian National Forest Inventory データ プロダクト 1.2

  このデータ公開には、2020 年のカナダ全土の広範囲の土地被覆タイプ、森林の樹冠の高さ、樹冠の閉鎖度、地上部の樹木バイオマスを表す 30 m 解像度のラスタファイルと、いくつかの主要な樹種の種構成が含まれています。Spatialized CAnadian National …

  canada forest forest-biomass publisher-dataset tree-cover

• USFS TreeMap v2016（米国本土）

  このプロダクトは、TreeMap データスイートの一部です。2016 年に米国本土の森林全体にわたって、生きた木と枯れた木の数、バイオマス、炭素など、森林の特性に関する詳細な空間情報を提供します。TreeMap v2016 には 1 つの画像が含まれています。

  バイオマス 炭素 気候変動 conus 森林 森林バイオマス

• USFS TreeMap v2020

  このプロダクトは TreeMap データスイートの一部です。米国全土の森林の特性（生きた木と枯れた木の数、バイオマス、炭素など）に関する詳細な空間情報が 2020 年に提供されました。TreeMap v2020 には、22 バンドの 30×30 m の…

  aboveground biomass carbon climate-change conus forest

• USFS TreeMap v2022

  このプロダクトは TreeMap データスイートの一部です。米国全土の森林の特性（生きた木と枯れた木の数、バイオマス、炭素など）に関する詳細な空間情報が 2022 年に提供されました。TreeMap v2022 には、22 バンドの 30 × 30 m の…

  aboveground biomass carbon climate-change conus forest

• WCMC 地上および地下バイオマス炭素密度

  このデータセットは、2010 年頃の地上および地下の陸上炭素貯留量（炭素トン（t）/ ヘクタール（ha））を表しています。このデータセットは、最も信頼性の高い一般公開データセットを組み合わせて、2010 年の ESA CCI 土地被覆地図（ESA、…）に重ね合わせて作成されました。

  バイオマス 炭素 森林バイオマス wcmc

• WHRC Pantropical National Level Carbon Stock Dataset

  熱帯諸国の地上生木質バイオマス密度の全国レベルの地図（500 m）。このデータセットは、同じ場所で測定されたデータ、LiDAR 観測データ、中分解能撮像分光放射計（MODIS）で記録された画像データを組み合わせて作成されました。

  aboveground biomass carbon forest-biomass geophysical umd

• WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0

  このデータセットは、2001 ～ 2022 年の樹木エリアの減少の主な原因を 1 km の解像度でグローバルにマッピングしています。世界資源研究所（WRI）と Google DeepMind によって作成されたこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル（ResNet）を使用して開発されました。

  agriculture deforestation forest forest-biomass google landandcarbon

• WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1

  このデータセットは、2001 ～ 2023 年の樹木エリアの減少の主な原因を 1 km の解像度でグローバルにマッピングしています。世界資源研究所（WRI）と Google DeepMind によって作成されたこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル（ResNet）を使用して開発されました。

  agriculture deforestation forest forest-biomass google landandcarbon

• WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2

  このデータセットは、2001 年から 2024 年までの全球の樹木エリアの減少の主な要因を 1 km の解像度でマッピングしています。世界資源研究所（WRI）と Google DeepMind が作成したこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル（ResNet）を使用して開発されました。

  agriculture deforestation forest forest-biomass google landandcarbon

• WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3

  このデータセットは、2001 ～ 2025 年の樹木エリアの減少の主な原因を 1 km の解像度でグローバルにマッピングしています。世界資源研究所（WRI）と Google DeepMind によって作成されたこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル（ResNet）を使用して開発されました。

  agriculture deforestation forest forest-biomass google landandcarbon