-
科特迪瓦 BNETD 2020 土地覆盖图
科特迪瓦 BNETD 2020 土地覆盖图由科特迪瓦政府通过国家机构(国家研究办公室技术和发展地理信息中心 [BNETD-CIGN])制作,并获得了欧盟的技术和财政支持。方法… 分类 森林砍伐 森林 土地覆盖 土地利用-土地覆盖 -
EC JRC 2020 年全球森林覆盖地图,第 2 版
全球森林覆盖地图以 10 米的空间分辨率,直观地呈现了 2020 年存在和不存在森林的区域。2020 年是欧盟“关于在线平台和搜索引擎上提供食品 eudr forest forest-biomass jrc -
欧洲主森林数据集 - 点
欧洲主要森林数据整合了 48 个主要森林数据集,其中大部分是基于实地的数据集,并包含分布在 33 个国家/地区的 18,411 个单个地块(4110 万公顷)。它主要包括老龄、后期演替阶段的森林,但也包括一些早期演替阶段和在自然干扰后形成的幼林… europe forest forest-biomass table -
欧洲主要森林数据集 - 多边形
欧洲主要森林数据整合了 48 个主要森林数据集,其中大部分是基于实地的数据集,并包含分布在 33 个国家/地区的 18,411 个单个地块(4110 万公顷)。它主要包括老龄、后期演替阶段的森林,但也包括一些早期演替阶段和在自然干扰后形成的幼林… europe forest forest-biomass table -
FORMA 提醒阈值
WRI 的注意事项:WRI 决定停止更新 FORMA 提醒。目标是简化全球森林观察的用户体验并减少冗余。我们发现 Terra-i 和 GLAD 的使用频率较高。此外,以 GLAD 为标准,我们发现 Terra-i 的效果优于 FORMA… daily deforestation fire forest forma gfw -
FORMA 提醒
WRI 的注意事项:WRI 决定停止更新 FORMA 提醒。目标是简化全球森林观察的用户体验并减少冗余。我们发现 Terra-i 和 GLAD 的使用频率较高。此外,以 GLAD 为标准,我们发现 Terra-i 的效果优于 FORMA… daily deforestation fire forest forma gfw -
FORMA 原始输出 FIRMS
WRI 的注意事项:WRI 决定停止更新 FORMA 提醒。目标是简化全球森林观察的用户体验并减少冗余。我们发现 Terra-i 和 GLAD 的使用频率较高。此外,以 GLAD 为标准,我们发现 Terra-i 的效果优于 FORMA… daily deforestation fire forest forma gfw -
FORMA 原始输出 NDVI
WRI 的注意事项:WRI 决定停止更新 FORMA 提醒。目标是简化全球森林观察的用户体验并减少冗余。我们发现 Terra-i 和 GLAD 的使用频率较高。此外,以 GLAD 为标准,我们发现 Terra-i 的效果优于 FORMA… daily deforestation forest forest-biomass forma gfw -
FORMA 植被 T 统计
WRI 的注意事项:WRI 决定停止更新 FORMA 提醒。目标是简化全球森林观察的用户体验并减少冗余。我们发现 Terra-i 和 GLAD 的使用频率较高。此外,以 GLAD 为标准,我们发现 Terra-i 的效果优于 FORMA… daily deforestation forest forest-biomass forma gfw -
森林附近的人 (FPP) 1.0
“与森林相关联的人民”(FPP)数据集是森林伙伴关系 (CPF) 全球森林相关指标核心组合 (GCS) 指标 13“极度贫困的森林依赖型人口数量”开发过程中所用的数据层之一。FPP 数据集提供了… agriculture fao forest global plant-productivity population -
2020 年全球森林分类(适用于 IPCC 地上生物量第 1 层级估算值),V1
此数据集按 2020 年的状态/条件划分了全球森林类别,分辨率约为 30 米。这些数据有助于根据 2006 年 IPCC 国家温室气体排放指南的 2019 年修订版,生成自然森林地上干木质生物量密度 (AGBD) 的第一级估算值。 地上 生物量 碳 分类 森林 森林生物量 -
全球 3 类 PALSAR-2/PALSAR 森林/非森林地图
您可以在 JAXA/ALOS/PALSAR/YEARLY/FNF4 中找到此数据集的较新版本,其中包含 2017 年至 2020 年的 4 个类。全球森林/非森林地图 (FNF) 是通过对全球 25 米分辨率 PALSAR-2/PALSAR SAR 拼接图中的 SAR 图像(回波系数)进行分类而生成的,以便强回波像素和弱回波像素… alos alos2 classification eroc forest forest-biomass -
全球 4 类 PALSAR-2/PALSAR 森林/非森林地图
全球森林/非森林图 (FNF) 是通过对全球 25 米分辨率 PALSAR-2/PALSAR SAR 拼接图中的 SAR 图像(回波系数)进行分类而生成的,以便将强回波像素和弱回波像素分别分配为“森林”和“非森林”。在这里,“森林”是指具有以下特征的自然森林: alos alos2 classification eroc forest forest-biomass -
全球地上和地下生物质碳密度图
此数据集提供了 2010 年地上和地下生物量碳密度的时间一致且协调一致的全球地图,空间分辨率为 300 米。地上生物量地图整合了特定于土地覆盖的木本植物、草地、农地和冻原生物量的遥感地图。输入映射… 地上 生物量 碳 密度 森林 森林生物量 -
2005 年全球森林冠层高度
此数据集基于地球科学激光测高系统 (GLAS) 的空间激光测距数据 (2005) 与辅助地理空间数据的融合,表示全球树木高度。如需了解详情,请参阅 Simard 等人 (2011) 的论文。 冠层 森林 森林生物量 地球物理 jpl nasa -
全球森林覆盖变化 (GFCC) 树木覆盖率 多年期 全球 30 米
Landsat 植被连续场 (VCF) 树冠层图层包含每个 30 米像素水平地面被高度超过 5 米的木本植被覆盖的百分比估算值。该数据集适用于以 2000 年、2005 年、2010 年等为中心的四个时代 forest forest-biomass glcf landsat-derived nasa umd -
2020 年全球森林类型地图
全球森林类型地图以 10 米空间分辨率,清晰地呈现了 2020 年的原始森林、自然再生森林和人工林(包括人工林)。用于绘制这些森林类型的基础图层是森林覆盖率… eudr forest forest-biomass jrc landcover primary-forest -
网格化 GEDI 植被结构指标和生物量密度(含 COUNTS 指标),像素大小为 12 公里
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
网格化 GEDI 植被结构指标和生物量密度(含 COUNTS 指标),像素大小为 1 千米
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
网格化 GEDI 植被结构指标和生物量密度(含 COUNTS 指标),像素大小为 6 千米
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
网格化 GEDI 植被结构指标和生物量密度,像素大小为 12 公里
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
网格化 GEDI 植被结构指标和生物量密度,像素大小为 1 千米
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
网格化 GEDI 植被结构指标和生物量密度,像素大小为 6 千米
此数据集包含与直径 25 米的激光测距仪足迹相关的 NASA 全球生态系统动力学调查 (GEDI) 级别 2 和 4A 产品派生的、可直接用于分析的近乎全球多分辨率网格化植被结构指标。此数据集全面呈现了近乎全球的植被结构,包括… biomass canopy forest forest-biomass gedi larse -
Hansen 全球森林变化 v1.12(2000-2024 年)
对 Landsat 图像进行时间序列分析,以描述全球森林面积和变化情况所得出的结论。“第一个”和“最后一个”波段是指 Landsat 光谱波段(分别对应于红色、近红外、SWIR1 和 SWIR2)在可用年份中的第一个和最后一个参考多光谱图像。参照复合图像表示… 森林 森林生物量 地球物理 Landsat 派生 umd -
2019 年加拿大的 Landsat 派生森林年龄
“加拿大主要森林数据集”是基于卫星数据绘制的 2019 年加拿大森林生态区的森林年龄地图,空间分辨率为 30 米。我们利用 Landsat 遥感数据(干扰、地表反射率复合图、森林结构)和 MODIS(总初级生产力)数据来确定树龄。森林年龄可以是… 加拿大 森林 森林生物量 -
监控烧屏严重程度 (MTBS) 烧屏严重程度图片的趋势
烧伤严重程度拼接图由 MTBS 烧伤严重程度类别的主题光栅图像组成,涵盖美国本土、阿拉斯加、夏威夷和波多黎各目前所有已完成的 MTBS 火灾。我们每年都会按美国各州和哥伦比亚特区编制经过马赛克处理的火烧严重程度图片,以便… eros fire forest gtac landcover landsat-derived -
NEON 冠层高度模型 (CHM)
冠层顶部相对于裸露地面的高度(冠层高度模型;CHM)。CHM 派生自 NEON LiDAR 点云,通过在 LiDAR 调查的整个空间域内创建连续的冠层高度估算表面来生成。… airborne canopy forest forest-biomass lidar neon -
NEON 数字海拔模型 (DEM)
从 NEON LiDAR 数据派生的地表数字模型 (DSM) 和地形数字模型 (DTM)。DSM:地表地图项(包含植被和人工结构的地形信息)。DTM:裸地海拔(去除植被和人工结构的地形信息)。图片以海拔为单位… airborne dem elevation-topography forest lidar neon -
NEON RGB 摄像头图像
高分辨率红-绿-蓝 (RGB) 正射摄像头图像经过拼接,并使用最近邻重采样输出到固定的均匀空间网格;空间分辨率为 0.1 米。该数码相机是 NEON 机载观测平台 (AOP) 上一系列仪器的一部分,该平台还包括… airborne forest highres neon neon-prod-earthengine orthophoto -
NEON Surface 双向反射
NEON AOP 地表双向反射率是一种高光谱 VSWIR(可见光到短波红外)数据产品,包含 426 个波段,波长范围介于 380 纳米到 2510 纳米之间。反射率会按 10000 的比例缩放。将波长介于 1340-1445 nm 和 1790-1955 nm 之间的频段设置为… airborne forest hyperspectral neon neon-prod-earthengine publisher-dataset -
NEON Surface Directional Reflectance
NEON AOP 地表方向反射率是一种高光谱 VSWIR(可见光到短波红外)数据产品,包含 426 个波段,波长范围介于 380 纳米到 2510 纳米之间。反射率会按 10000 的比例缩放。将波长介于 1340-1445 nm 和 1790-1955 nm 之间的频段设置为… airborne forest hyperspectral neon neon-prod-earthengine publisher-dataset -
热带森林监测 NICFI 卫星数据计划地图底图 - 非洲
此图片集提供热带地区的高分辨率卫星监测数据,其主要目的是减少和扭转热带森林的流失,为应对气候变化、保护生物多样性、促进森林重新生长、恢复和增强以及促进可持续发展做出贡献。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
热带森林监测 NICFI 卫星数据计划基本地图 - 美洲
此图片集提供热带地区的高分辨率卫星监测数据,其主要目的是减少和扭转热带森林的流失,为应对气候变化、保护生物多样性、促进森林重新生长、恢复和增强以及促进可持续发展做出贡献。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
适用于热带森林监测的 NICFI 卫星数据计划基本地图 - 亚洲
此图片集提供热带地区的高分辨率卫星监测数据,其主要目的是减少和扭转热带森林的流失,为应对气候变化、保护生物多样性、促进森林重新生长、恢复和增强以及促进可持续发展做出贡献。 basemaps forest nicfi planet planet-nicfi publisher-dataset -
原始湿热带森林
原始湿热热带森林提供众多全球生态系统服务,但一直受到经济驱动因素的清除威胁。为了协助制定国家土地利用规划,并平衡经济发展和维护生态系统服务的目标,我们创建了一张主要的湿润热带森林地图… 森林 森林生物量 全球 Landsat 派生 umd -
树木附近有人 (TPP) 1.0
“与树木亲近的人民”(TPP)数据集是森林伙伴关系 (CPF) 全球森林相关指标核心组合 (GCS) 指标 13(极度贫困的森林依赖型人口数量)的开发数据集之一。TPP 数据集提供了 4 种不同的估算值… agriculture fao forest global plant-productivity population -
USFS Landscape Change Monitoring System v2024.10(美国本土和美国境外)
此产品属于景观变化监测系统 (LCMS) 数据套件。该数据集显示了 LCMS 模型模拟的每年变化、土地覆盖和/或土地利用类别,涵盖美国大陆 (CONUS) 以及美国大陆以外 (OCONUS) 的区域,包括阿拉斯加州 (AK)、波多黎各 … change-detection forest gtac landcover landuse landuse-landcover -
USFS 树冠覆盖率 v2023-5(美国本土和美国境外)
此产品属于树冠覆盖率 (TCC) 数据套件。其中包含每年的模拟 TCC、标准误差 (SE) 和美国国家土地覆盖数据库 (NLCD) 的 TCC 数据。美国农业部森林服务局 (USFS) 生成的 TCC 数据具有以下特点: forest gtac landuse-landcover redcastle-resources usda usfs -
USFS TreeMap v2016(美国大陆)
此产品属于 TreeMap 数据套件。该数据集提供了有关 2016 年美国大陆整个森林区域的森林特征(包括活树和枯树数量、生物量和碳含量)的详细空间信息。TreeMap v2016 包含一张图片,一个… 生物质 碳 气候变化 conus 森林 森林生物质 -
WRI/Google DeepMind 全球森林消失驱动因素 2001-2022 v1.0
此数据集以 1 公里的分辨率绘制了 2001 年至 2022 年全球树冠覆盖率减少的主要原因。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作,使用基于收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成。 农业 森林砍伐 森林 森林生物量 google landandcarbon -
WRI/Google DeepMind 全球森林消失驱动因素 2001-2023 v1.1
此数据集以 1 公里的分辨率绘制了 2001 年至 2023 年全球树冠覆盖率损失的主要驱动因素。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作,使用基于收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成。 农业 森林砍伐 森林 森林生物量 google landandcarbon -
WRI/Google DeepMind 全球森林消失驱动因素 2001-2024 v1.2
此数据集以 1 公里的分辨率绘制了 2001 年至 2024 年全球树冠覆盖率减少的主要原因。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作,使用基于收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成。 农业 森林砍伐 森林 森林生物量 google landandcarbon
Datasets tagged forest in Earth Engine
[null,null,[],[[["\u003cp\u003eThe Google Earth Engine hosts a variety of datasets related to forest monitoring, land cover, and biomass.\u003c/p\u003e\n"],["\u003cp\u003eThese datasets offer global and regional coverage, including specific areas like Canada, Cote d'Ivoire, and Europe.\u003c/p\u003e\n"],["\u003cp\u003eData sources include satellite imagery (Landsat, MODIS, PALSAR), LiDAR, and field-based observations.\u003c/p\u003e\n"],["\u003cp\u003eDatasets provide information on forest extent, age, type, biomass, canopy height, and deforestation alerts.\u003c/p\u003e\n"],["\u003cp\u003eFORMA alerts, previously included, are no longer updated, with users directed towards alternative deforestation monitoring systems like Terra-i and GLAD.\u003c/p\u003e\n"]]],[],null,[]]