{"id":269,"date":"2023-10-03T15:09:33","date_gmt":"2023-10-03T15:09:33","guid":{"rendered":"https:\/\/staging-colombia.mapbiomas.org\/?post_type=map&p=269"},"modified":"2023-12-08T18:51:27","modified_gmt":"2023-12-08T18:51:27","slug":"coleccion-1-0","status":"publish","type":"map","link":"https:\/\/colombia.mapbiomas.org\/en\/map\/coleccion-1-0\/","title":{"rendered":"Colecci\u00f3n 1.0"},"content":{"rendered":"\n
Mapa<\/td>Fuente<\/td>Descripci\u00f3n<\/td>Link de descarga<\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2000.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2000.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2005.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2005.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2010.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2010.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2012.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2012.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2013.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2013.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de bosque\/no bosque para Colombia. 2014.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2014.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de cambio de bosque 2012- 2013 para Colombia.<\/td>IDEAM<\/td>Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2012.<\/td>Acceder<\/a><\/td><\/tr>
Cobertura de la Tierra Metodolog\u00eda CORINE Land Cover adaptada para Colombia. 2018.<\/td>IDEAM, SINCHI, PNN<\/td>El objetivo geogr\u00e1fico del mapa de la Cobertura de la Tierra periodo 2018 a escala 1:100.000 corresponde a la reinterpretaci\u00f3n y\/o interpretaci\u00f3n visual de im\u00e1genes Landsat 8 para la parte continental e im\u00e1genes Sentinel 2 para el archipi\u00e9lago de San Andr\u00e9s, Providencia y Santa Catalina, todas con fecha de captura dentro del periodo (a\u00f1o) 2018. Consta de 54 clases tem\u00e1ticas en el atributo nivel 3 y 130 clases tem\u00e1ticas en el atributo leyenda, seg\u00fan leyenda Nacional de Coberturas de la Tierra, que van hasta el m\u00e1ximo nivel interpretado, llegando as\u00ed a los niveles tercero, cuarto, quinto y sexto en algunas coberturas.<\/td>Acceder<\/a><\/td><\/tr>
Cobertura de la tierra 2000 – 2002.<\/td>IDEAM<\/td>Mapa de Coberturas de la Tierra Metodolog\u00eda Corine Land Cover Adaptada para Colombia Escala 1:100.000Periodo 2000 – 2002<\/td>Acceder<\/a><\/td><\/tr>
Cobertura de la tierra 2005 – 2009.<\/td>IDEAM<\/td>Mapa de Coberturas de la Tierra Metodolog\u00eda Corine Land Cover Adaptada para Colombia Escala 1:100.000Periodo 2005 – 2009<\/td>Acceder<\/a><\/td><\/tr>
Ecosistemas continentales, marinos y costeros de Colombia.<\/td>IDEAM<\/td>Mapa de ecosistemas continentales, costeros y marinos de Colombia, escala 1:100.000 versi\u00f3n 2.1 elaborado a partir de informaci\u00f3n base corresponde a: a) clasificaci\u00f3n clim\u00e1tica de Caldas Lang del IDEAM b) Mapa de geopedolog\u00eda del IGAC c) Mapa de cobertura de la tierra del IDEAM, et al d) Mapa de unidades bi\u00f3ticas generado por el IAvH.<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar de la Sierra Nevada del Cocuy 1850-2016.<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre la Sierra Nevada del Cocuy.<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar del Volc\u00e1n Nevado del Huila 1850-2016.<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre el Volc\u00e1n Nevado del Huila.<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar del Volc\u00e1n Nevado del Ruiz 1850-2016<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre laVolc\u00e1n Nevado del Ruiz .<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar del Volc\u00e1n Nevado del Tolima de 1850-2016.<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre el Volc\u00e1n Nevado del Tolima .<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar del Volc\u00e1n Nevado de Santa Isabel de 1850-2016.<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre el Volc\u00e1n Nevado de Santa Isabel.<\/td>Acceder<\/a><\/td><\/tr>
Evoluci\u00f3n multitemporal de la superficie glaciar de la Sierra Nevada de Santa Marta 1850-2017.<\/td>IDEAM<\/td>An\u00e1lisis multitemporal del cambio del \u00e1rea de cobertura glaciar sobre la Sierra Nevada de Santa Marta.<\/td>Acceder<\/a><\/td><\/tr>
Mapa de ecosistemas. 2012.<\/td>SINCHI<\/td>Capa de ecosistemas acu\u00e1ticos y terrestres del a\u00f1o 2012 de la Regi\u00f3n de la Amazonia escala 1:100.000, seg\u00fan la metodolog\u00eda CORINE Land Cover y la delimitaci\u00f3n y clasificaci\u00f3n de las unidades de geoformas, el clima (temperaturas – pisos clim\u00e1ticos y las precipitaciones).<\/td>Acceder<\/a><\/td><\/tr>
Coberturas de la tierra en la Amazonia colombiana. 2002.<\/td>SINCHI<\/td>Mapa de coberturas de la tierra de la Amazon\u00eda Colombiana a escala 1:100.000 para el a\u00f1o 2002.<\/td>Acceder<\/a><\/td><\/tr>
Coberturas de la tierra en la Amazonia colombiana. 2007.<\/td>SINCHI<\/td>Mapa de coberturas de la tierra de la Amazon\u00eda Colombiana a escala 1:100.000 para el a\u00f1o 2007.<\/td>Acceder<\/a><\/td><\/tr>
Coberturas de la tierra en la Amazonia colombiana. 2012.<\/td>SINCHI<\/td>Mapa de coberturas de la tierra de la Amazon\u00eda Colombiana a escala 1:100.000 para el a\u00f1o 2012.<\/td>Acceder<\/a><\/td><\/tr>
Coberturas de la tierra en la Amazonia colombiana. 2014.<\/td>SINCHI<\/td>Mapa de coberturas de la tierra de la Amazon\u00eda Colombiana a escala 1:100.000 para el a\u00f1o 2014.<\/td>Acceder<\/a><\/td><\/tr>
Paisajes agropecuarios de la Amazon\u00eda Colombiana. 2002.<\/td>SINCHI<\/td>Mapa de paisajes agropecuarios periodo 2002 a escala 1:100.000 correspondiente a la zona transformada antr\u00f3picamente por actividades agr\u00edcolas o pecuarias.<\/td>Acceder<\/a><\/td><\/tr>
Paisajes agropecuarios de la Amazon\u00eda Colombiana. 2007.<\/td>SINCHI<\/td>Mapa de paisajes agropecuarios periodo 2007 a escala 1:100.000 correspondiente a la zona transformada antr\u00f3picamente por actividades agr\u00edcolas o pecuarias.<\/td>Acceder<\/a><\/td><\/tr>
Paisajes agropecuarios de la Amazon\u00eda Colombiana. 2012.<\/td>SINCHI<\/td>Mapa de paisajes agropecuarios periodo 2012 a escala 1:100.000 correspondiente a la zona transformada antr\u00f3picamente por actividades agr\u00edcolas o pecuarias.<\/td>Acceder<\/a><\/td><\/tr>
Paisajes agropecuarios de la Amazon\u00eda Colombiana. 2014.<\/td>SINCHI<\/td>Mapa de paisajes agropecuarios periodo 2014 a escala 1:100.000 correspondiente a la zona transformada antr\u00f3picamente por actividades agr\u00edcolas o pecuarias.<\/td>Acceder<\/a><\/td><\/tr>
Frontera agr\u00edcola nacional.<\/td>UPRA<\/td>Mapa de la frontera agr\u00edcola nacional, bosques naturales y \u00e1reas no agropecuarias y exclusiones legales.<\/td>Acceder<\/a><\/td><\/tr>
Monitoreo de coberturas en Parques Nacionales de Colombia. 2019.<\/td>PNN<\/td>Monitoreo satelital de las coberturas de la tierra que cubren los Parques Nacionales Naturales (PNN) de Colombia a escala 1:25.000 con el objetivo de analizar las din\u00e1micas de las coberturas al interior de los PNN con un nivel de detalle mayor al realizado por la escala 1:100.000 que se realiza desde el a\u00f1o 2000.
Este monitoreo hace una lectura anual, a partir de la interpretaci\u00f3n de im\u00e1genes satelitales Planet Scope para los 53 parques continentales del Sistema de Parques Nacionales Naturales de Colombia, con una identificaci\u00f3n y clasificaci\u00f3n de coberturas mayores a 1 hect\u00e1rea.<\/td>		Acceder<\/a><\/td><\/tr>
Monitoreo de coberturas en Parques Nacionales de Colombia. 2020.<\/td>PNN<\/td>Monitoreo satelital de las coberturas de la tierra que cubren los Parques Nacionales Naturales (PNN) de Colombia a escala 1:25.000 con el objetivo de analizar las din\u00e1micas de las coberturas al interior de los PNN.<\/td>Acceder<\/a><\/td><\/tr>
Monitoreo de coberturas en Parques Nacionales de Colombia. 2021.<\/td>PNN<\/td>Monitoreo satelital de las coberturas de la tierra que cubren los Parques Nacionales Naturales (PNN) de Colombia a escala 1:25.000 con el objetivo de analizar las din\u00e1micas de las coberturas al interior de los PNN.<\/td>Acceder<\/a><\/td><\/tr>
P\u00e1ramos delimitados. 2020.<\/td>Ministerio de ambiente y desarrollo sostenible<\/td>Capa que contiene los l\u00edmites de los p\u00e1ramos delimitados a Junio de 2020 (escalas 1:25.000 y 1:100.000).<\/td>Acceder<\/a><\/td><\/tr>
Manglares de Colombia.<\/td>Instituto de Investigaciones Marinas y Costeras “Jos\u00e9 Benito Vives de Andreis” (INVEMAR)<\/td>Capa vectorial de manglares de Colombia realizada a partir de t\u00e9cnicas de procesamiento digital de im\u00e1genes. Para el Caribe y Pac\u00edfico a escala 1:25.000, la metodolog\u00eda se bas\u00f3 en un proceso semiautomatizado en la plataforma Google Earth Engine donde se emplearon im\u00e1genes \u00f3pticas y de radar para clasificar de manera supervisada el manglar y otras coberturas generales. Se emplearon puntos de campo y de im\u00e1genes de alta resoluci\u00f3n para entrenar y validar la clasificaci\u00f3n. Se utilizaron algoritmos diferentes para Caribe y Pac\u00edfico debido a las condiciones particulares de cada zona, para el Pac\u00edfico se procesaron im\u00e1genes de los a\u00f1os 2019 y 2020, en el caso del Caribe se procesaron im\u00e1genes del a\u00f1o 2020. Para los dos casos la unidad m\u00ednima cartografiable es de 1600 m2. En cuanto a San Andr\u00e9s, Providencia y Santa Catalina la escala de la cartograf\u00eda es de 1:5.000, y su metodolog\u00eda consisti\u00f3 en el procesamiento e interpretaci\u00f3n visual de im\u00e1genes de alta resoluci\u00f3n.<\/td>Acceder<\/a><\/td><\/tr>
The Global Mangrove Watch (GMW).<\/td>Nathan Thomas et al., s. f.; Pete Bunting et al.<\/td>Plataforma que genera un mapa de l\u00ednea base global de manglares para 2010 utilizando datos ALOS PALSAR y Landsat (\u00f3pticos), y los cambios de esta l\u00ednea base para \u00e9pocas entre 1996 y 2020 derivados de JERS-1 SAR, ALOS PALSAR y ALOS-2 PALSAR-2.<\/td><\/a>Acceder<\/a>]<\/td><\/tr>
Global Mangrove Forests Distribution. 2000.<\/td>NASA SEDAC at the Center for International Earth Science Information Network<\/td>Base de datos preparada a partir de datos satelitales Landsat del a\u00f1o 2000. M\u00e1s de 1,000 escenas Landsat obtenidas del Centro de Ciencias y Observaci\u00f3n de Recursos Terrestres (EROS) de USGS se clasificaron utilizando t\u00e9cnicas h\u00edbridas de clasificaci\u00f3n de im\u00e1genes digitales supervisadas y no supervisadas con financiaci\u00f3n de la NASA.<\/td>Acceder<\/a><\/td><\/tr>
Distribuci\u00f3n Global de Manglares USGS.<\/td>The UN Environment Programme World Conservation Monitoring Centre (UNEP-WCMC)<\/td>Conjunto de datos que muestra la distribuci\u00f3n global de los bosques de manglares, derivados de im\u00e1genes satelitales de observaci\u00f3n de la tierra. El conjunto de datos se cre\u00f3 utilizando datos de Global Land Survey ( GLS ) y el archivo Landsat. Se interpretaron aproximadamente 1000 escenas Landsat utilizando t\u00e9cnicas h\u00edbridas de clasificaci\u00f3n de im\u00e1genes digitales supervisadas y no supervisadas. V\u00e9ase Giri et al. (2011) para m\u00e1s detalles.<\/td>Acceder<\/a><\/td><\/tr>
Global Distribution of Modelled Mangrove Biomass. 2014.<\/td>The UN Environment Programme World Conservation Monitoring Centre (UNEP-WCMC)<\/td>Conjunto de datos que muestra los patrones globales modelados de la biomasa a\u00e9rea de los bosques de manglares. Con base en una revisi\u00f3n de 95 estudios de campo en todo el mundo sobre el almacenamiento y los flujos de carbono en los manglares, se desarroll\u00f3 un modelo basado en el clima para la biomasa potencial sobre el suelo de los manglares, con casi cuatro veces el poder explicativo del \u00fanico modelo publicado anteriormente. El mapa destaca la alta variabilidad en la biomasa a\u00e9rea de los manglares e indica \u00e1reas que podr\u00edan priorizarse para la conservaci\u00f3n y restauraci\u00f3n de manglares.<\/td>Acceder<\/a><\/td><\/tr>
Global cropland expansion in the 21st century.<\/td>P. Potapov, S. Turubanova, M.C. Hansen, A. Tyukavina, V. Zalles, A. Khan, X.-P. Song, A. Pickens, Q. Shen, J. Cortez<\/td>Serie temporal de la extensi\u00f3n de tierras de cultivo a escala global con una resoluci\u00f3n espacial de 30 m se deriv\u00f3 del archivo de datos del sat\u00e9lite Landsat con intervalos de mapeo de cuatro a\u00f1os. Se entiende como \u00e1reas cultivadas a toda tierra utilizadas para cultivos herb\u00e1ceos anuales y perennes para consumo humano, forrajes (incluido el heno) y biocombustibles.<\/td>Acceder<\/a><\/td><\/tr>
Global Map of Oil Palm Plantations. 2019.<\/td>Descals, Adri\u00e0, et al. “High-resolution global map of smallholder and industrial closed-canopy oil palm plantations.” Earth System Science Data 13.3 (2021): 1211-1231<\/td>Estudio que presenta el primer mapa global de plantaciones de palma aceitera para el a\u00f1o 2019 derivado de datos de sensores remotos con una resoluci\u00f3n espacial de 10 m. Para ello se utilizaron datos de Sentinel-1 y Sentinel-2 en un mapa que discrimina entre peque\u00f1os agricultores y plantaciones industriales de palma aceitera.<\/td>Acceder<\/a><\/td><\/tr>
ESA WorldCover 10m. 2020-2021.<\/td>ESA (Agencia Espacial Europea)<\/td>El producto WorldCover 10m de la Agencia Espacial Europea (ESA) proporciona un mapa global de cobertura terrestre con una resoluci\u00f3n de 10 m basado en datos de Sentinel-1 y Sentinel-2. El producto WorldCover viene con 11 clases de cobertura terrestre, alineado con el Sistema de Clasificaci\u00f3n de Cobertura Terrestre de la ONU-FAO, y ha sido generado en el marco del proyecto ESA WorldCover.<\/td>Acceder<\/a><\/td><\/tr>
Rapid expansion of human impact on natural land in South America since 1985.<\/td>Global Land Analysis & Discovery<\/td>C\u00f3digos de clase de los estratos son las siguientes clases:
Fuera del \u00e1rea de estudio, otro uso de la tierra, cobertura terrestre estable, cobertura terrestre estable, Amazonas, rebrote, plantaciones de \u00e1rboles, tierras de cultivo 2016-2018, tierras de cultivo 1985-1994 y agua.<\/td>		Acceder<\/a><\/td><\/tr>
Global Lakes and Wetlands Database.<\/td>World Wild Life (WWF)<\/td>Combinaci\u00f3n de m\u00faltiples fuentes disponibles para lagos y humedales a escala global (resoluci\u00f3n de 1:1 a 1:3 millones) y la aplicaci\u00f3n de la funcionalidad GIS. Esto permite la generaci\u00f3n de una base de datos que se enfoca en tres niveles coordinados en (1) grandes lagos y embalses, (2) cuerpos de agua m\u00e1s peque\u00f1os y (3) humedales.<\/td>https:\/\/www.worldwildlife.org\/pages\/global-lakes-and-wetlands-database<\/a><\/td><\/tr>
Mapa Global de Humedales.<\/td>CIFOR, USAID y CGIAR – FTA<\/td>El Mapa Global de Humedales cubre las regiones tropicales y subtropicales (desde 40\u00b0 N hasta 60\u00b0 S; desde 180\u00b0 E hasta -180\u00b0 O), excluyendo las islas peque\u00f1as. Este mapeo es un modelo hidrogeomorfol\u00f3gico basado en un enfoque de Sistema Experto para estimar \u00e1reas de humedales, que se basa en tres \u00edndices biof\u00edsicos relacionados con la formaci\u00f3n de humedales y turberas: (1) suministro de agua a largo plazo que supera la demanda atmosf\u00e9rica de agua; (2) suelos encharcados anual o estacionalmente; y (3) una posici\u00f3n geomorfol\u00f3gica donde se suministra y retiene agua (Gumbricht et al. 2017).<\/td>Acceder<\/a><\/td><\/tr>
<\/a>Global high-resolution floodplains (GFPLAIN250m).<\/td>Nardi, Fernando; Annis, Antonio (2018): GF PLAIN 250 m. figshare. Dataset. https:\/\/doi.org\/10.6084\/m9.figshare.6665165.v1<\/td><\/a>El GF PLAIN 250 m incluye datos r\u00e1ster de las llanuras aluviales de la Tierra identificadas mediante un enfoque geom\u00e9trico presentado en Nardi et al. (2006, 2018). El conjunto de datos de la planicie de inundaci\u00f3n de 250 m se deriva del procesamiento del modelo de elevaci\u00f3n digital SRTM de la NASA recopilado de (http:\/\/srtm.csi.cgiar.org\/), y en particular los 250 m SRTM versi\u00f3n 4.1 DTM.<\/td>Acceder<\/a><\/td><\/tr>
Tensor Flow Hydra Flood Models.<\/td>Mayer, T., Poortinga, A., Bhandari, B., Nicolau, A.P., Markert, K., Thwal, N.S., Markert, A., Haag, A., Kilbride, J., Chishtie, F. and Wadhwa, A.<\/td>Este conjunto de datos es una imagen de salida de agua superficial del sistema Hydrologic Remote Sensing Analysis for Floods (HYDRAFloods) que utiliza un enfoque de Deep Learning Tensor Flow. Espec\u00edficamente, este modelo y metodolog\u00eda de datos de entrop\u00eda cruzada binaria (BCE) de tasa de aprendizaje ajustada del Centro de Investigaci\u00f3n Conjunta (JRC) se analizan en detalle en el reciente.<\/td>Acceder<\/a><\/td><\/tr>
GLIMS: Global Land Ice Measurements From Space.<\/td>National Snow and Ice Data Center (NSIDC)<\/td>Global Land Ice Measurements from Space (GLIMS) es una iniciativa internacional con el objetivo de inspeccionar repetidamente los aproximadamente 200.000 glaciares del mundo.
El proyecto busca crear un inventario completo a nivel mundial del hielo terrestre, incluidas las mediciones del \u00e1rea del glaciar, la geometr\u00eda, la velocidad de la superficie y la elevaci\u00f3n de la l\u00ednea de nieve. Para realizar estos an\u00e1lisis, el proyecto GLIMS utiliza datos satelitales, principalmente del Radi\u00f3metro Avanzado de Emisi\u00f3n T\u00e9rmica y Reflexi\u00f3n Espacial (ASTER) y del Landsat Enhanced Thematic Mapper Plus (ETM+), as\u00ed como informaci\u00f3n hist\u00f3rica derivada de mapas y fotograf\u00edas a\u00e9reas.<\/td>		Acceder<\/a><\/td><\/tr>
Global land cover and land use. 2019, v1.0.<\/td>M.C. Hansen, P.V. Potapov, A.H. Pickens, A. Tyukavina, A. Hernandez-Serna, V. Zalles, S. Turubanova, I. Kommareddy, S.V. Stehman.<\/td>Mapa global de cobertura y uso de la tierra de 2019 derivado de im\u00e1genes satelitales de Landsat y, a partir de \u00e9l, donde se estima la extensi\u00f3n espacial y la dispersi\u00f3n del uso de la tierra desagregada por dominio clim\u00e1tico y ecozona.<\/td>Acceder<\/a><\/td><\/tr>
ESRI Global Land Use Land Cover from Sentinel-2.<\/td>ESRI<\/td>Mapa mundial de uso de la tierra\/cobertura terrestre (LULC) desarrollado con Esri y en colaboraci\u00f3n con IA de Microsoft para la Tierra. Este fue construido utilizando la resoluci\u00f3n m\u00e1s alta y con datos satelitales disponibles p\u00fablicamente de la Agencia Espacial Europea.<\/td>Acceder<\/a><\/td><\/tr>
ESA WorldCover 10 m. 2020.<\/td>ESA (Agencia Espacial Europea)<\/td>El producto WorldCover 10 m 2020 de la Agencia Espacial Europea (ESA) proporciona un mapa global de cobertura terrestre para 2020 con una resoluci\u00f3n de 10 m basado en datos de Sentinel-1 y Sentinel-2. El producto WorldCover viene con 11 clases de cobertura terrestre, alineado con el Sistema de Clasificaci\u00f3n de Cobertura Terrestre de la ONU-FAO, y ha sido generado en el marco del proyecto ESA WorldCover.<\/td>Acceder<\/a><\/td><\/tr>
High Resolution Population Density Maps + Demographic Estimates.<\/td>Facebook Connectivity Lab and Center for International Earth Science Information Network – CIESIN – Columbia University<\/td>M\u00e9todo de visi\u00f3n por computadora basado en el aprendizaje autom\u00e1tico para crear mapas de poblaci\u00f3n a partir de im\u00e1genes de sat\u00e9lite a escala global, con una sensibilidad espacial correspondiente a edificios individuales y adecuada para el despliegue global. Al combinar estos datos de asentamientos con los datos del censo, se crean mapas de poblaci\u00f3n con una resoluci\u00f3n de ~30 metros<\/td>Acceder<\/a><\/td><\/tr>
World Settlement Footprint 2015, 2019 y World Settlement Footprint Evolution (1985-2015)<\/td>Marconcini, Mattia; Metz-Marconcini, Annekatrin; \u00dcreyen, Soner; Palacios-Lopez, Daniela; Hanke, Wiebke; Bachofer, Felix; et al<\/td>La Huella Mundial de Asentamientos (WSF) es una m\u00e1scara binaria de resoluci\u00f3n de 10 m que describe la extensi\u00f3n de los asentamientos humanos a nivel mundial derivada por medio de im\u00e1genes multitemporales Landsat-8 y Sentinel-1 (de las cuales ~217,000 y ~107,000 escenas han sido procesadas, respectivamente).<\/td>Acceder<\/a><\/td><\/tr>
GHS-BUILT<\/td>Comisi\u00f3n Europea<\/td>Capa de informaci\u00f3n multitemporal sobre la presencia de \u00e1rea edificada derivada de colecciones de im\u00e1genes Landsat (GLS1975, GLS1990, GLS2000 y colecci\u00f3n ad-hoc Landsat 8 2013\/2014).<\/td>Acceder<\/a><\/td><\/tr>
Sentinel-2 forest loss alert.<\/td>A.H. Pickens, M.C. Hansen, B. Adusei, P. Potapov, University of Maryland<\/td>P\u00e9rdida de bosque primario mapeado casi en tiempo real con una resoluci\u00f3n de 10 m utilizando datos multiespectrales de Sentinel-2. Se detectan nubes, sombras y agua en cada nueva imagen de Sentinel-2 y se aplica un algoritmo de p\u00e9rdida de bosque a todas las observaciones restantes de terreno despejado. El algoritmo se basa en los datos espectrales de cada nueva imagen en combinaci\u00f3n con m\u00e9tricas espectrales de un per\u00edodo de referencia de los dos a\u00f1os anteriores. La confianza se construye a trav\u00e9s de observaciones repetidas de p\u00e9rdidas en las im\u00e1genes consiguientes.<\/td>Acceder<\/a><\/td><\/tr>
Global-scale data set of mining areas.<\/td>FINEPRINT<\/td>Basado en la interpretaci\u00f3n visual de im\u00e1genes satelitales con Sentinel-2, se presenta el mapa de las actividades mineras en todo el mundo y el estimado del \u00e1rea utilizada directamente para actividades mineras, en particular de carb\u00f3n y minerales met\u00e1licos. Los pol\u00edgonos mineros incluyen todas las caracter\u00edsticas identificadas desde sat\u00e9lites en \u00e1reas mineras, como pozos abiertos, presas de residuos, acumulaciones de rocas de desecho, estanques de agua e infraestructura de procesamiento.<\/td><\/a>Acceder<\/a>.<\/td><\/tr>
Colombian Mining Monitoring (COMIMO).<\/td>Universidad del Rosario<\/td>CoMiMo es una herramienta de libre acceso que analiza mensualmente todo el pa\u00eds en b\u00fasqueda de minas a cielo abierto para visualizar su ubicaci\u00f3n. CoMiMo permitir\u00e1 detectar la miner\u00eda ilegal y actuar oportunamente para contrarrestar sus impactos.<\/td>Acceder<\/a><\/td><\/tr>
Global Mining Areas and Validation Datasets.<\/td>Maus, Victor; Giljum, Stefan; Gutschlhofer, Jakob; da Silva, Dieison M; Probst, Michael; Gass, Sidnei L B; Luckeneder, Sebastian; Lieber, Mirko; McCallum, Ian<\/td><\/a>Contiene m\u00e1s de 21.000 pol\u00edgonos de actividades relacionadas con la miner\u00eda, principalmente de carb\u00f3n y minerales met\u00e1licos. Se compilaron varias fuentes de datos para identificar la ubicaci\u00f3n aproximada de las minas activas en cualquier momento entre los a\u00f1os 2000 y 2017. Este conjunto de datos no cubre todas las ubicaciones mineras existentes en todo el mundo. Los pol\u00edgonos fueron delineados por expertos usando Sentinel-2 sin nubes e im\u00e1genes satelitales de muy alta resoluci\u00f3n disponibles en Google Satellite y Bing Imagery.<\/td>Acceder<\/a><\/td><\/tr>
Hansen Global Forest Change v1.8.<\/td>Hansen, M. C., P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, y J. R. G. Townshend<\/td>Resultados del an\u00e1lisis de series temporales de im\u00e1genes Landsat para caracterizar la extensi\u00f3n y el cambio de los bosques a nivel mundial.<\/td><\/a>Acceder<\/a>;<\/td><\/tr>
WWF HydroSHEDS Free Flowing Rivers Network v1.<\/td>World Wildlife Fund<\/td>HydroSHEDS es un producto de mapeo que proporciona informaci\u00f3n hidrogr\u00e1fica para aplicaciones a escala regional y global.<\/td>Acceder<\/a><\/td><\/tr>
Global surface water dynamics.<\/td>Pickens, A.H., Hansen, M.C., Hancher, M., Stehman, S.V., Tyukavina, A., Potapov, P., Marroquin, B., y Sherani, Z<\/td>Los mapas globales derivados de todas las escenas de Landsat 5, 7 y 8 resaltan los cambios en la extensi\u00f3n del agua superficial durante este per\u00edodo, y una evaluaci\u00f3n basada en muestras probabil\u00edsticas proporciona estimadores imparciales del \u00e1rea de agua permanente, agua estacional, p\u00e9rdida de agua, ganancia de agua, tierra temporal, agua temporal y cambio de alta frecuencia.<\/td>Acceder<\/a><\/td><\/tr>
Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3.<\/td>Buchhorn, M. ; Lesiv, M. ; Tsendbazar, N. – E. ; Herold, M. ; Bertels, L. y Smets, B<\/td>El mapa din\u00e1mico de cobertura terrestre con una resoluci\u00f3n de 100 m (CGLS-LC100) proporciona un esquema primario de cobertura terrestre. Adem\u00e1s de estas clases discretas, el producto tambi\u00e9n incluye capas de campo continuas para todas las clases b\u00e1sicas de cobertura del suelo que brindan estimaciones proporcionales de vegetaci\u00f3n\/cobertura del suelo para los tipos de cobertura del suelo. P.ej. fracci\u00f3n de cobertura de cultivos, fracci\u00f3n de cobertura de pasto.<\/td>Acceder<\/a><\/td><\/tr>
Global 1-km Consensus Land Cover.<\/td>NCEAS, NASA, NSF, y Yale University<\/td>Los conjuntos de datos integran m\u00faltiples productos de cobertura terrestre derivados de sensores remotos globales y brindan informaci\u00f3n de consenso sobre la prevalencia de 12 clases de cobertura terrestre con una resoluci\u00f3n de 1 km.<\/td>Acceder<\/a><\/td><\/tr>
GLC_FCS30: Global land-cover product with fine classification system at 30 m using time-series Landsat imagery.<\/td>Liangyun,Liu, Xiao,Zhang, Xidong,Chen, Yuan,Gao, y Jun, Mi<\/td>Un nuevo producto global de cobertura terrestre de 30 m con un sistema de clasificaci\u00f3n fina para el a\u00f1o 2015 (GLC_FCS30-2015). El producto se produjo mediante la combinaci\u00f3n de series temporales de im\u00e1genes Landsat y datos de entrenamiento de alta calidad de GSPECLib (Biblioteca de espectros temporales espaciales globales) en la plataforma inform\u00e1tica Google Earth Engine.<\/td>Acceder<\/a><\/td><\/tr>
Global PALSAR-2\/PALSAR Forest\/Non-Forest Map.<\/td>Masanobu Shimada, Takuya Itoh, Takeshi Motooka, Manabu Watanabe, Shiraishi Tomohiro, Rajesh Thapa, y Richard Lucas<\/td>El mapa global forestal\/no forestal (FNF) se genera clasificando la imagen SAR (coeficiente de retrodispersi\u00f3n) en el mosaico global PALSAR-2\/PALSAR SAR de resoluci\u00f3n de 25 m, de modo que los p\u00edxeles de retrodispersi\u00f3n fuerte y baja se asignan como “bosque” y “no -bosque”, respectivamente.<\/td>Acceder<\/a><\/td><\/tr>
MCD12Q1.006 MODIS Land Cover Type Yearly Global 500m.<\/td>NASA LP DAAC at the USGS EROS Center<\/td>El producto MCD12Q1 V6 proporciona tipos de cobertura terrestre global a intervalos anuales (2001-2016) derivados de seis esquemas de clasificaci\u00f3n diferentes. Se obtiene utilizando clasificaciones supervisadas de datos de reflectancia MODIS Terra y Aqua.<\/td>Acceder<\/a><\/td><\/tr>
Planet & NICFI Basemaps for Tropical Forest Monitoring – Tropical Americas.<\/td>Planet Team<\/td>Mosaicos de im\u00e1genes de Planet Scope semestrales o mensuales.<\/td>Acceder<\/a><\/td><\/tr>
Global Forest Cover Change (GFCC) Tree Cover Multi-Year Global 30m.<\/td>Sexton, J. O., Song, X.-P., Feng, M., Noojipady, P., Anand, A., Huang, C., Kim, D.-H., Collins, K.M., Channan, S., DiMiceli, C., y Townshend, J.R.G<\/td>Las capas de cobertura de \u00e1rboles Landsat Vegetation Continuous Fields (VCF) contienen estimaciones del porcentaje de suelo horizontal en cada p\u00edxel de 30 m cubierto por vegetaci\u00f3n le\u00f1osa de m\u00e1s de 5 metros de altura. El conjunto de datos est\u00e1 disponible para cuatro \u00e9pocas centradas en los a\u00f1os 2000, 2005, 2010 y 2015. El conjunto de datos se deriva del producto GFCC Surface Reflectance (GFCC30SR), que se basa en conjuntos de datos mejorados de Global Land Survey (GLS). Los conjuntos de datos GLS est\u00e1n compuestos por im\u00e1genes de Landsat 5 Thematic Mapper (TM) y Landsat 7 Enhanced Thematic Mapper Plus (ETM+) de alta resoluci\u00f3n con una resoluci\u00f3n de 30 metros.<\/td>Acceder<\/a><\/td><\/tr>
Primary Humid Tropical Forests.<\/td>Turubanova S., Potapov P., Tyukavina, A., y Hansen M<\/td>Mapa primario de bosque tropical h\u00famedo. La extensi\u00f3n del bosque primario fue mapeada para el a\u00f1o 2001 a una resoluci\u00f3n espacial de 30 metros utilizando im\u00e1genes Landsat adquiridas a nivel mundial, gratuitas y procesadas constantemente.<\/td>Acceder<\/a><\/td><\/tr>
Global 2010 Tree Cover (30 m).<\/td>Hansen, M.C., Potapov, P.V., Moore, R., Hancher, M., Turubanova, S.A., Tyukavina, A., Thau, D., Stehman, S.V., Goetz, S.J., Loveland, T.R., Kommareddy, A., Egorov, A., Chini, L., Justice, C.O., y Townshend, J.R.G<\/td>Los datos globales de cobertura de \u00e1rboles (treecover2010) son estimaciones por p\u00edxel del porcentaje m\u00e1ximo de cobertura de \u00e1rboles de alrededor de 2010 (pico de la temporada de crecimiento) derivadas de los datos compuestos de Landsat 7 ETM+ de la temporada de crecimiento anual sin nubes. Se aplic\u00f3 un modelo de \u00e1rbol de regresi\u00f3n que estima el porcentaje de cubierta de dosel de \u00e1rboles por p\u00edxel a compuestos anuales de 2000 a 2012 inclusive. Las lagunas de datos y el ruido de a\u00f1os individuales se reemplazaron utilizando valores medios de varios a\u00f1os. En primer lugar, se utiliz\u00f3 una mediana de los valores anuales de cobertura de dosel de \u00e1rboles de 2009-2011 para estimar la cobertura de \u00e1rboles de 2010. Para los p\u00edxeles que a\u00fan no tienen una estimaci\u00f3n, el c\u00e1lculo de la mediana se ampli\u00f3 para incluir los valores de cobertura de \u00e1rboles de 2008 a 2011 y luego de 2008 a 2012. La capa resultante representa la cobertura m\u00e1xima estimada de dosel de \u00e1rboles por p\u00edxel, 1-100% para el a\u00f1o 2010 en valores enteros (1-100).<\/td>Acceder<\/a><\/td><\/tr>
Global 2010 Bare Ground (30 m).<\/td>Hansen, M.C., Potapov, P.V., Moore, R., Hancher, M., Turubanova, S.A., Tyukavina, A., Thau, D., Stehman, S.V., Goetz, S.J., Loveland, T.R., Kommareddy, A., Egorov, A., Chini, L., Justice, C.O., y Townshend, J.R.G<\/td>Mapa de la cobertura global de suelo desnudo a trav\u00e9s de estimaciones por p\u00edxel del porcentaje de cobertura de suelo desnudo alrededor de 2010, derivadas de valores de reflectancia mediana por banda del Landsat 7 ETM+ de todas las observaciones libres de nubes\/sombras durante la temporada de crecimiento.<\/td>Acceder<\/a><\/td><\/tr>
Global Forest Canopy Height. 2019.<\/td>P. Potapov, X. Li, A. Hernandez-Serna, A. Tyukavina, M.C. Hansen, A. Kommareddy, A. Pickens, S. Turubanova, H. Tang, C.E. Silva, J. Armston, R. Dubayah, J. B. Blair, M<\/td>Se desarroll\u00f3 un nuevo mapa global de la altura del dosel del bosque con una resoluci\u00f3n espacial de 30 m mediante la integraci\u00f3n de las mediciones de la estructura del bosque lidar de la Investigaci\u00f3n de la Din\u00e1mica de los Ecosistemas Globales (GEDI) y la serie temporal de datos listos para el an\u00e1lisis de Landsat. El GEDI de la NASA es un instrumento espacial que opera a bordo de la Estaci\u00f3n Espacial Internacional desde abril de 2019. Proporciona mediciones de la estructura de la vegetaci\u00f3n basadas en la huella, incluida la altura del dosel del bosque entre 52 \u00b0 N y 52 \u00b0 S a nivel mundial. Las m\u00e9tricas multitemporales de Landsat que representan la fenolog\u00eda de la superficie sirven como variables independientes para el modelado global de la altura del bosque. Se implement\u00f3 el modelo de conjunto de \u00e1rbol de regresi\u00f3n en bolsa aplicado y calibrado localmente de “ventana m\u00f3vil” para garantizar una alta calidad de la predicci\u00f3n de la altura del bosque y la consistencia del mapa global.<\/td>Acceder<\/a><\/td><\/tr>
Tree Cover Height.<\/td>World Resources Institute (WRI)<\/td>Este conjunto de datos muestra la altura anual de la cubierta arb\u00f3rea en metros para Am\u00e9rica del Sur durante el per\u00edodo 1985-2016. La altura de la cubierta arb\u00f3rea se estima utilizando im\u00e1genes satelitales Landsat calibradas con datos LIDAR.<\/td>Acceder<\/a><\/td><\/tr>
Trees in Mosaic Landscapes (beta).<\/td>Brandt J., y Stolle F<\/td>Extensi\u00f3n de \u00e1rboles en \u00e1reas urbanas, tierras agr\u00edcolas y en ecosistemas de dosel abierto y bosque seco. Aqu\u00ed presentamos un m\u00e9todo consistente a nivel mundial para identificar \u00e1rboles con di\u00e1metros de dosel superiores a 3 m con im\u00e1genes \u00f3pticas y de radar de resoluci\u00f3n media. Las im\u00e1genes \u00f3pticas Sentinel-2 de 10 metros y las im\u00e1genes de radar Sentinel-1 se utilizan cada dos semanas, sin nubes y con nitidez panor\u00e1mica, para entrenar una red totalmente convolucional, que consiste en una capa de unidad recurrente con compuerta convolucional y una capa de atenci\u00f3n de pir\u00e1mide de caracter\u00edsticas.<\/td>Acceder<\/a><\/td><\/tr>
Global coverage of mangroves for select years from 1996 to 2016.<\/td>Bunting P., Rosenqvist A., Lucas R., Rebelo L-M., Hilarides L., Thomas N., Hardy A., Itoh T., Shimada M. y Finlayson C.M<\/td>Este conjunto de datos fue generado por la Universidad de Aberystwyth en el marco del proyecto Global Mangrove Watch (GMW), que forma parte de la Iniciativa Kyoto & Carb\u00f3n de la Agencia de Exploraci\u00f3n Aeroespacial de Jap\u00f3n (JAXA) y el Programa Mangrove Capital Africa coordinado por Wetlands International y financiado por DOB Ecolog\u00eda. El mapa (v2.0) muestra la extensi\u00f3n global de los bosques de manglares para el a\u00f1o 2010, derivada de la clasificaci\u00f3n aleatoria de bosques de una combinaci\u00f3n de datos satelitales de radar de banda L (ALOS PALSAR) y \u00f3pticos (Landsat-5, -7).<\/td>Acceder<\/a><\/td><\/tr>
Mapa de cultivos.<\/td>ESA (Agencia Espacial Europea)<\/td>WorldCereal desarroll\u00f3 un sistema eficiente, \u00e1gil y robusto basado en observaci\u00f3n de la Tierra para el monitoreo oportuno de cultivos a escala de campo a nivel global.
El sistema de c\u00f3digo abierto WorldCereal permite crear mapas de extensi\u00f3n de tierras de cultivo anuales locales a globales con una resoluci\u00f3n de 10 m, actualizar los mapas de cultivos de manera estacional, diferenciar entre campos de regad\u00edo y campos de secano activos, producir mapas globales de ma\u00edz y trigo, dos de los principales cultivos b\u00e1sicos.<\/td>		Acceder<\/a><\/td><\/tr><\/tbody><\/table><\/figure>\n","protected":false},"featured_media":0,"template":"","acf":[],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"trp-custom-language-flag":false,"infographic":false,"team":false},"uagb_author_info":{"display_name":"Adriel Fernandes","author_link":"https:\/\/colombia.mapbiomas.org\/en\/author\/"},"uagb_comment_info":0,"uagb_excerpt":"Mapa Fuente Descripci\u00f3n Link de descarga Mapa de bosque\/no bosque para Colombia. 2000. IDEAM Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat para el a\u00f1o 2000. Acceder Mapa de bosque\/no bosque para Colombia. 2005. IDEAM Mapa de Bosque\/no bosque para el \u00e1rea continental colombiana a partir de im\u00e1genes Landsat…","_links":{"self":[{"href":"https:\/\/colombia.mapbiomas.org\/en\/wp-json\/wp\/v2\/map\/269"}],"collection":[{"href":"https:\/\/colombia.mapbiomas.org\/en\/wp-json\/wp\/v2\/map"}],"about":[{"href":"https:\/\/colombia.mapbiomas.org\/en\/wp-json\/wp\/v2\/types\/map"}],"wp:attachment":[{"href":"https:\/\/colombia.mapbiomas.org\/en\/wp-json\/wp\/v2\/media?parent=269"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}