全球逐年森林管理类型空间数据（2001-2020）

基于MOD13Q1、人类足迹、高程等多源数据，提取植被生长特征、局部纹理信息、人类活动和地形特征，使用机器学习和变化检测方法，从森林管理角度对2001-2020年的森林精细组成进行了250 m空间分辨率的全球制图。 森林管理类型定义为以下六种：自然更新森林（非管理和管理）、人工林（轮作 >15 年且≤15 年）、油棕种植园和农业经济林。 点尺度验证结果显示总体准确度为75.55%~96.26%。逐年的森林管理类型数据对于了解森林的精细组成具有重大意义。

Utilizing multi-source datasets such as MOD13Q1, Human Footprint, and Elevation, features including vegetation growth characteristics, local texture information, human activity patterns, and topographic traits were extracted. Employing machine learning and change detection approaches, a global 250 m spatial resolution mapping of fine-scale forest composition was generated from the perspective of forest management for the years 2001 to 2020. The forest management types are defined as the following six categories: naturally regenerated forests (unmanaged and managed), planted forests (with a rotational period of ≤15 years), oil palm plantations, and agro-economic forests. Point-scale validation results indicate that the overall accuracy ranges from 75.55% to 96.26%. Annual forest management type datasets hold great significance for understanding the fine-scale composition of forest ecosystems.

搜集汇总

背景与挑战

背景概述

该数据集提供了2001年至2020年全球逐年森林管理类型的空间分布数据，空间分辨率为250米，基于MOD13Q1、人类足迹等多源数据，采用机器学习和变化检测方法，将森林管理类型划分为六类（如自然更新森林、人工林等），点尺度验证总体准确度在75.55%至96.26%之间。数据以tif格式存储，每年一个文件，总大小为4.91 GB，开放获取，适用于全球森林精细组成和变化分析研究。