Forwarded from Спутник ДЗЗ
GLanCE: глобальный набор данных о земном покрове с 1984 по 2020 год
Глобальный набор данных GLanCE (Global Land Cover Estimation) содержит почти 2 миллиона образцов земного покрова для семи первичных и двенадцати вторичных классов почвенно-растительного покрова.
GLanCE основан на спутниковых снимках Landsat, сделанных в период с 1984 по 2020 год, с пространственным разрешением 30 м. Географически и спектрально набор данных представляет все глобальные экорегионы и содержит до 23 характеристик почвенно-растительного покрова на образец.
Схема классификации, используемая в GLanCE, совместима с общепринятыми системами классификации земного покрова, такими как категории землепользования МГЭИК (для отчетности по выбросам парниковых газов) и система классификации земного покрова ФАО (Land Cover Classification System).
Доступ к данным, описание и ссылки на публикации: https://beta.source.coop/repositories/boston-university/bu-glance/description/
#датасет #LULC
Глобальный набор данных GLanCE (Global Land Cover Estimation) содержит почти 2 миллиона образцов земного покрова для семи первичных и двенадцати вторичных классов почвенно-растительного покрова.
GLanCE основан на спутниковых снимках Landsat, сделанных в период с 1984 по 2020 год, с пространственным разрешением 30 м. Географически и спектрально набор данных представляет все глобальные экорегионы и содержит до 23 характеристик почвенно-растительного покрова на образец.
Схема классификации, используемая в GLanCE, совместима с общепринятыми системами классификации земного покрова, такими как категории землепользования МГЭИК (для отчетности по выбросам парниковых газов) и система классификации земного покрова ФАО (Land Cover Classification System).
Доступ к данным, описание и ссылки на публикации: https://beta.source.coop/repositories/boston-university/bu-glance/description/
#датасет #LULC
Forwarded from Спутник ДЗЗ
BigEarthNet (https://bigearth.net) — набор данных, состоящий из 590 326 пар образцов земного покрова, изображенных на снимках спутников Sentinel-1 и Sentinel-2. Каждый образец размечен по принадлежности к нескольким классам земного покрова. Названия классов взяты из данных CORINE Land Cover за 2018 год.
Первоначально, данные BigEarthNet состояли только из образцов снимков Sentinel-2, сделанных с июня 2017 по май 2018 года над 10 странами Европы (Австрия, Бельгия, Финляндия, Ирландия, Косово, Литва, Люксембург, Португалия, Сербия, Швейцария). Все снимки прошли атмосферную коррекцию с помощью sen2cor v2.5.5 и относятся к уровню обработки 2A. В настоящее время эта часть набора данных называется BigEarthNet-S2 и занимает объем около 66 Гб.
Позже данные были дополнены равным количеством образцов снимков Sentinel-1, сделанных в тот же период на тех же участках. Эти данные называются BigEarthNet-S1 и имеют объем около 55 Гб.
Скачать данные, а также получить детальное описание их самих и методики их создания можно на странице проекта BigEarthNet.
#датасет #LULC
Первоначально, данные BigEarthNet состояли только из образцов снимков Sentinel-2, сделанных с июня 2017 по май 2018 года над 10 странами Европы (Австрия, Бельгия, Финляндия, Ирландия, Косово, Литва, Люксембург, Португалия, Сербия, Швейцария). Все снимки прошли атмосферную коррекцию с помощью sen2cor v2.5.5 и относятся к уровню обработки 2A. В настоящее время эта часть набора данных называется BigEarthNet-S2 и занимает объем около 66 Гб.
Позже данные были дополнены равным количеством образцов снимков Sentinel-1, сделанных в тот же период на тех же участках. Эти данные называются BigEarthNet-S1 и имеют объем около 55 Гб.
Скачать данные, а также получить детальное описание их самих и методики их создания можно на странице проекта BigEarthNet.
#датасет #LULC
Forwarded from Спутник ДЗЗ
Natural Lands Map
Лаборатория Land & Carbon Lab в сотрудничестве с Всемирным фондом дикой природы и компанией Systemiq разработала Natural Lands Map (NLM) — карту естественного земного покрова на 2020 год с пространственным разрешением 30 метров.
NLM разграничивает естественные и искусственные почвенно-растительные покровы. Для измерения преобразования естественного покрова использованы определения естественных экосистем и естественных лесов, принятые в рамках инициативы Accountability Framework Initiative (AFi).
Карта объединила глобальные и локальные данные. В первую очередь, это глобальные данные о растительном покрове 2020 года лаборатории GLAD Университета Мэриленда и данные ESA WorldCover 2020 года. Локальные данные добавлялись в уже полученную глобальную карту, где получали приоритет над глобальными данными.
Средняя общая точность карты составляет 91,2%. Районы с локальными данными в целом лучше отражают местные ландшафты. Проблемы с точностью по некоторым территориям и земным покровам связаны с недостатком соответствующих данных. Так, на момент публикации карты не существовало глобальных данных, разграничивающих естественные луга и пастбища, в результате чего классы естественной и искусственной короткой растительности (short vegetation) оказались неточными. Аналогичным образом, во многих странах Европейского союза и в России есть лесопосадки, но нет общедоступных данных о лесопосадках, которые помогли бы лучше различать естественные и посаженные леса.
Подробности о принятых определениях и технической стороне реализации NLM приведены в:
📖 SBTN Natural Lands Map – Technical Documentation
Компании могут использовать данные NLM, чтобы оценить, не привела ли их деятельность к обезлесению (деградации леса) после 2020 года. Для этого используется класс естественных лесов (natural forests) в NLM. Однако нужно учитывать различия в определении обезлесения, между NLM и другими документами, например, European Union Deforestation Regulation (EUDR). Подробная информация об этих различиях содержится в технической документации к NLM ⬆️, а также в AFi Operational Guidance on Applying the Definitions Related to Deforestation and Conversion.
Текущая версия карты находится в открытом доступе, имеет открытый исходный код, а также доступна на Google Earth Engine:
🛢 GitHub репозиторий
🌍 GEE: SBTN Natural Lands Map v1
#лес #данные #LULC
Лаборатория Land & Carbon Lab в сотрудничестве с Всемирным фондом дикой природы и компанией Systemiq разработала Natural Lands Map (NLM) — карту естественного земного покрова на 2020 год с пространственным разрешением 30 метров.
NLM разграничивает естественные и искусственные почвенно-растительные покровы. Для измерения преобразования естественного покрова использованы определения естественных экосистем и естественных лесов, принятые в рамках инициативы Accountability Framework Initiative (AFi).
Карта объединила глобальные и локальные данные. В первую очередь, это глобальные данные о растительном покрове 2020 года лаборатории GLAD Университета Мэриленда и данные ESA WorldCover 2020 года. Локальные данные добавлялись в уже полученную глобальную карту, где получали приоритет над глобальными данными.
Средняя общая точность карты составляет 91,2%. Районы с локальными данными в целом лучше отражают местные ландшафты. Проблемы с точностью по некоторым территориям и земным покровам связаны с недостатком соответствующих данных. Так, на момент публикации карты не существовало глобальных данных, разграничивающих естественные луга и пастбища, в результате чего классы естественной и искусственной короткой растительности (short vegetation) оказались неточными. Аналогичным образом, во многих странах Европейского союза и в России есть лесопосадки, но нет общедоступных данных о лесопосадках, которые помогли бы лучше различать естественные и посаженные леса.
Подробности о принятых определениях и технической стороне реализации NLM приведены в:
📖 SBTN Natural Lands Map – Technical Documentation
Компании могут использовать данные NLM, чтобы оценить, не привела ли их деятельность к обезлесению (деградации леса) после 2020 года. Для этого используется класс естественных лесов (natural forests) в NLM. Однако нужно учитывать различия в определении обезлесения, между NLM и другими документами, например, European Union Deforestation Regulation (EUDR). Подробная информация об этих различиях содержится в технической документации к NLM ⬆️, а также в AFi Operational Guidance on Applying the Definitions Related to Deforestation and Conversion.
Текущая версия карты находится в открытом доступе, имеет открытый исходный код, а также доступна на Google Earth Engine:
🛢 GitHub репозиторий
🌍 GEE: SBTN Natural Lands Map v1
#лес #данные #LULC
🔥1
Forwarded from Спутник ДЗЗ
This media is not supported in your browser
VIEW IN TELEGRAM
Данные Global Land Cover Estimation (GLanCE) v1
Global Land Cover Estimation (GLanCE) — ежегодные глобальные данные о растительном покрове и его изменениях с 2001 по 2019 год, полученные с помощью снимков Landsat с пространственным разрешением 30 метров. Данные охватывают весь земной шар, кроме Антарктиды и включает 10 наборов научных данных (Science Data Sets, SDS). Для определения почвенно-растительного покрова и его изменений используется алгоритм Continuous Change Detection and Classification (CCDC).
SDS GLanCE разделены на три категории:
1️⃣ Почвенно-растительный покров и его изменения. Четыре набора данных содержат (1) класс почвенно-растительного покрова, (2) оценку качества классификации почвенно-растительного покрова, (3) предыдущий почвенно-растительный покров для тех мест, где произошли изменения и (4) приблизительный день года, когда произошли изменения (DOY).
2️⃣ Динамика озеленения (Greenness Dynamics). Четыре набора данных характеризуют годовую “озелененность” (greenness) с помощью Enhanced Vegetation Index (EVI2), включая (1) медиану, (2) амплитуду, (3) скорость изменения (если присутствует) и (4) величину изменения медианы EVI2 для тех пикселей, где произошли изменения.
3️⃣ Тип листьев и фенология. Два набора данных определяют тип листьев и фенологию для пикселей, покрытых деревьями.
🌍 GLanCE на GEE
Руководство пользователя с подробной информацией о каждом слое данных: 🔗 ссылка.
❗️В первой версии GLanCE есть 7 из 10 обещанных SDS. Оценка качества классификации почвенно-растительного покрова, а также данные о типах листьях и фенологии будут добавлены в следующих версиях. Кроме того, текущий набор данных включает данные по Северной и Южной Америке, Европе и Океании, а Африка и Азия будут добавлены в начале 2025 года.
Описание методики создания данных:
📖 Friedl M.A. et al. 2022. Medium Spatial Resolution Mapping of Global Land Cover and Land Cover Change Across Multiple Decades From Landsat. Frontiers in Remote Sensing 3. https://doi.org/10.3389/frsen.2022.894571
#данные #GEE #LULC
Global Land Cover Estimation (GLanCE) — ежегодные глобальные данные о растительном покрове и его изменениях с 2001 по 2019 год, полученные с помощью снимков Landsat с пространственным разрешением 30 метров. Данные охватывают весь земной шар, кроме Антарктиды и включает 10 наборов научных данных (Science Data Sets, SDS). Для определения почвенно-растительного покрова и его изменений используется алгоритм Continuous Change Detection and Classification (CCDC).
SDS GLanCE разделены на три категории:
1️⃣ Почвенно-растительный покров и его изменения. Четыре набора данных содержат (1) класс почвенно-растительного покрова, (2) оценку качества классификации почвенно-растительного покрова, (3) предыдущий почвенно-растительный покров для тех мест, где произошли изменения и (4) приблизительный день года, когда произошли изменения (DOY).
2️⃣ Динамика озеленения (Greenness Dynamics). Четыре набора данных характеризуют годовую “озелененность” (greenness) с помощью Enhanced Vegetation Index (EVI2), включая (1) медиану, (2) амплитуду, (3) скорость изменения (если присутствует) и (4) величину изменения медианы EVI2 для тех пикселей, где произошли изменения.
3️⃣ Тип листьев и фенология. Два набора данных определяют тип листьев и фенологию для пикселей, покрытых деревьями.
🌍 GLanCE на GEE
Руководство пользователя с подробной информацией о каждом слое данных: 🔗 ссылка.
❗️В первой версии GLanCE есть 7 из 10 обещанных SDS. Оценка качества классификации почвенно-растительного покрова, а также данные о типах листьях и фенологии будут добавлены в следующих версиях. Кроме того, текущий набор данных включает данные по Северной и Южной Америке, Европе и Океании, а Африка и Азия будут добавлены в начале 2025 года.
Описание методики создания данных:
📖 Friedl M.A. et al. 2022. Medium Spatial Resolution Mapping of Global Land Cover and Land Cover Change Across Multiple Decades From Landsat. Frontiers in Remote Sensing 3. https://doi.org/10.3389/frsen.2022.894571
#данные #GEE #LULC
Forwarded from Спутник ДЗЗ
Данные LUCAS и LUCAS Copernicus
Land Use/Cover Area frame Survey (LUCAS) — это обследование, проводимое в странах Европейского союза (ЕС) для сбора данных о землепользовании и земном покрове. Оно проводится статистической службой ЕС Eurostat каждые три года, начиная с 2006 года, и охватывает около 1 миллиона точек наблюдения.
Данные LUCAS содержит информацию о почвенно-растительном покрове и землепользовании, переменных агроэкологических условий, почвах и пастбищах.
🌍 GEE: LUCAS Harmonized (Theoretical Location, 2006-2018) V1
Точечные данные, включающие информацию о земном покрове, землепользовании, экологических параметрах.
🌍 GEE: LUCAS Copernicus (Polygons with attributes, 2018) V1
LUCAS Copernicus 2018 — наземные данные, собранные (в 2018 году) так, чтобы их можно было использовать вместе с данными дистанционного зондирования Земли, полученными спутниками программы Copernicus. В частности, в отличие от контрольных точек в LUCAS (круг радиусом 1,5 м), в LUCAS Copernicus данные собраны на полигонах, площадью до 0,52 га.
Данные LUCAS Copernicus состоят из 63 287 полигонов различных размеров и форм с согласованным почвенно-растительным покровом. Легенда соответствует уровню LUCAS Level-3.
🛢 LUCAS Copernicus 2022
📖 О методике сбора данных
📸Примеры полигонов LUCAS Copernicus (зеленая точка — контрольная точка сбора данных LUCAS).
#данные #LULC #GEE
Land Use/Cover Area frame Survey (LUCAS) — это обследование, проводимое в странах Европейского союза (ЕС) для сбора данных о землепользовании и земном покрове. Оно проводится статистической службой ЕС Eurostat каждые три года, начиная с 2006 года, и охватывает около 1 миллиона точек наблюдения.
Данные LUCAS содержит информацию о почвенно-растительном покрове и землепользовании, переменных агроэкологических условий, почвах и пастбищах.
🌍 GEE: LUCAS Harmonized (Theoretical Location, 2006-2018) V1
Точечные данные, включающие информацию о земном покрове, землепользовании, экологических параметрах.
🌍 GEE: LUCAS Copernicus (Polygons with attributes, 2018) V1
LUCAS Copernicus 2018 — наземные данные, собранные (в 2018 году) так, чтобы их можно было использовать вместе с данными дистанционного зондирования Земли, полученными спутниками программы Copernicus. В частности, в отличие от контрольных точек в LUCAS (круг радиусом 1,5 м), в LUCAS Copernicus данные собраны на полигонах, площадью до 0,52 га.
Данные LUCAS Copernicus состоят из 63 287 полигонов различных размеров и форм с согласованным почвенно-растительным покровом. Легенда соответствует уровню LUCAS Level-3.
🛢 LUCAS Copernicus 2022
📖 О методике сбора данных
📸Примеры полигонов LUCAS Copernicus (зеленая точка — контрольная точка сбора данных LUCAS).
#данные #LULC #GEE