Regiowood: Forest types 2021

Forest types in the Greater Region 2021 (Lorraine: 2020) — Source: Interreg VA project Regiowood II (https://www.regiowood2.info/en) — Data: Sentinel-2 from summer 2020 (Grand-Est), spring 2021 (Rhineland-Palatinate, Saarland, Luxembourg) and early summer 2021 (Wallonia). Although the classification is based on different methodologies in different regions, the final result is a consist cross-border map. The accuracy of the classification is 88 %. — Method classifications: — France: SPOT4-5 images acquired in 2005 from the vegetation layer of the BD Topo (IGN). Data processing: ICube-SERTIT University of Strasbourg (https://sertit.unistra.fr) — Belgium: aerial image coverage from 2009, 2012 and 2016, LiDAR coverage 2014. Data processing: Gembloux Agro-Bio Tech University of Liège (https://www.gembloux.ulg.ac.be/gestion-des-ressources-forestieres) — Rhineland-Palatinate and Saarland: use of cadastral data (ATKIS). Data processing: Umweltfernerkundung & GeoInformatik University of Trier (https://www.uni-trier.de/universitaet/fachbereiche-faecher/fachbereich-vi/faecher/erdbeobachtung-und-klimaprozesse/umweltfernerkundung-und-geoinformatik) — Luxembourg: use of the dataset “forest districts” from ANF. Data processing: Umweltfernerkundung & GeoInformatik University of Trier (https://www.uni-trier.de/universitaet/fachbereiche-faecher/fachbereich-vi/faecher/erdbeobachtung-und-klimaprozesse/umweltfernerkundung-und-geoinformatik) Please note that the date of the “Aerial Imagery” background map data may differ from the Regiowood data depending on the sub-entity of the Greater Region.《大区域2021年森林类型数据集（洛林地区：2020年）》 — 数据来源：Interreg VA级项目Regiowood II（https://www.regiowood2.info/en） — 数据覆盖：大东部大区（Grand-Est）采用2020年夏季的Sentinel-2（哨兵二号）影像；莱茵兰-普法尔茨州、萨尔兰州及卢森堡采用2021年春季的Sentinel-2影像；瓦隆大区采用2021年夏初的Sentinel-2影像。尽管各区域采用了差异化的分类方法，最终产出的跨境地图仍具有一致性，分类准确率达88%。 — 各区域分类实现方式： — 法国区域：采用2005年获取的SPOT4-5卫星影像及BD Topo（IGN）植被图层，数据处理由斯特拉斯堡大学ICube-SERTIT实验室完成（https://sertit.unistra.fr） — 比利时区域：采用2009、2012及2016年的航空影像覆盖数据，以及2014年的LiDAR（激光雷达）覆盖数据，数据处理由列日大学Gembloux农业与生物科技学院完成（https://www.gembloux.ulg.ac.be/gestion-des-ressources-forestieres） — 莱茵兰-普法尔茨州与萨尔兰州：采用地籍数据（ATKIS），数据处理由特里尔大学环境遥感与地理信息学教研室完成（https://www.uni-trier.de/universitaet/fachbereiche-faecher/fachbereich-vi/faecher/erdbeobachtung-und-klimaprozesse/umweltfernerkundung-und-geoinformatik） — 卢森堡区域：采用国家森林局（ANF）的“森林分区”数据集，数据处理由特里尔大学环境遥感与地理信息学教研室完成（https://www.uni-trier.de/universitaet/fachbereiche-faecher/fachbereich-vi/faecher/erdbeobachtung-und-klimaprozesse/umweltfernerkundung-und-geoinformatik） — 请注意：根据大区域内不同子区域的划分，“航空影像”底图数据的采集日期可能与Regiowood项目数据集的采集日期存在差异。