Se puede acceder al archivo con los códigos en el siguiente enlace:
https://colombia.mapbiomas.org/codigos-de-la-leyenda/
| Mapa | Fuente | Descripción | Link de descarga |
| Mapa de bosque/no bosque para Colombia. 2000. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2000. | Acceder |
| Mapa de bosque/no bosque para Colombia. 2005. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2005. | Acceder |
| Mapa de bosque/no bosque para Colombia. 2010. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2010. | Acceder |
| Mapa de bosque/no bosque para Colombia. 2012. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2012. | Acceder |
| Mapa de bosque/no bosque para Colombia. 2013. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2013. | Acceder |
| Mapa de bosque/no bosque para Colombia. 2014. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2014. | Acceder |
| Mapa de cambio de bosque 2012- 2013 para Colombia. | IDEAM | Mapa de Bosque/no bosque para el área continental colombiana a partir de imágenes Landsat para el año 2012. | Acceder |
| Cobertura de la Tierra Metodología CORINE Land Cover adaptada para Colombia. 2018. | IDEAM, SINCHI, PNN | El objetivo geográfico del mapa de la Cobertura de la Tierra periodo 2018 a escala 1:100.000 corresponde a la reinterpretación y/o interpretación visual de imágenes Landsat 8 para la parte continental e imágenes Sentinel 2 para el archipiélago de San Andrés, Providencia y Santa Catalina, todas con fecha de captura dentro del periodo (año) 2018. Consta de 54 clases temáticas en el atributo nivel 3 y 130 clases temáticas en el atributo leyenda, según leyenda Nacional de Coberturas de la Tierra, que van hasta el máximo nivel interpretado, llegando así a los niveles tercero, cuarto, quinto y sexto en algunas coberturas. | Acceder |
| Cobertura de la tierra 2000 – 2002. | IDEAM | Mapa de Coberturas de la Tierra Metodología Corine Land Cover Adaptada para Colombia Escala 1:100.000Periodo 2000 – 2002 | Acceder |
| Cobertura de la tierra 2005 – 2009. | IDEAM | Mapa de Coberturas de la Tierra Metodología Corine Land Cover Adaptada para Colombia Escala 1:100.000Periodo 2005 – 2009 | Acceder |
| Ecosistemas continentales, marinos y costeros de Colombia. | IDEAM | Mapa de ecosistemas continentales, costeros y marinos de Colombia, escala 1:100.000 versión 2.1 elaborado a partir de información base corresponde a: a) clasificación climática de Caldas Lang del IDEAM b) Mapa de geopedología del IGAC c) Mapa de cobertura de la tierra del IDEAM, et al d) Mapa de unidades bióticas generado por el IAvH. | Acceder |
| Evolución multitemporal de la superficie glaciar de la Sierra Nevada del Cocuy 1850-2016. | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre la Sierra Nevada del Cocuy. | Acceder |
| Evolución multitemporal de la superficie glaciar del Volcán Nevado del Huila 1850-2016. | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre el Volcán Nevado del Huila. | Acceder |
| Evolución multitemporal de la superficie glaciar del Volcán Nevado del Ruiz 1850-2016 | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre laVolcán Nevado del Ruiz . | Acceder |
| Evolución multitemporal de la superficie glaciar del Volcán Nevado del Tolima de 1850-2016. | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre el Volcán Nevado del Tolima . | Acceder |
| Evolución multitemporal de la superficie glaciar del Volcán Nevado de Santa Isabel de 1850-2016. | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre el Volcán Nevado de Santa Isabel. | Acceder |
| Evolución multitemporal de la superficie glaciar de la Sierra Nevada de Santa Marta 1850-2017. | IDEAM | Análisis multitemporal del cambio del área de cobertura glaciar sobre la Sierra Nevada de Santa Marta. | Acceder |
| Mapa de ecosistemas. 2012. | SINCHI | Capa de ecosistemas acuáticos y terrestres del año 2012 de la Región de la Amazonia escala 1:100.000, según la metodología CORINE Land Cover y la delimitación y clasificación de las unidades de geoformas, el clima (temperaturas – pisos climáticos y las precipitaciones). | Acceder |
| Coberturas de la tierra en la Amazonia colombiana. 2002. | SINCHI | Mapa de coberturas de la tierra de la Amazonía Colombiana a escala 1:100.000 para el año 2002. | Acceder |
| Coberturas de la tierra en la Amazonia colombiana. 2007. | SINCHI | Mapa de coberturas de la tierra de la Amazonía Colombiana a escala 1:100.000 para el año 2007. | Acceder |
| Coberturas de la tierra en la Amazonia colombiana. 2012. | SINCHI | Mapa de coberturas de la tierra de la Amazonía Colombiana a escala 1:100.000 para el año 2012. | Acceder |
| Coberturas de la tierra en la Amazonia colombiana. 2014. | SINCHI | Mapa de coberturas de la tierra de la Amazonía Colombiana a escala 1:100.000 para el año 2014. | Acceder |
| Paisajes agropecuarios de la Amazonía Colombiana. 2002. | SINCHI | Mapa de paisajes agropecuarios periodo 2002 a escala 1:100.000 correspondiente a la zona transformada antrópicamente por actividades agrícolas o pecuarias. | Acceder |
| Paisajes agropecuarios de la Amazonía Colombiana. 2007. | SINCHI | Mapa de paisajes agropecuarios periodo 2007 a escala 1:100.000 correspondiente a la zona transformada antrópicamente por actividades agrícolas o pecuarias. | Acceder |
| Paisajes agropecuarios de la Amazonía Colombiana. 2012. | SINCHI | Mapa de paisajes agropecuarios periodo 2012 a escala 1:100.000 correspondiente a la zona transformada antrópicamente por actividades agrícolas o pecuarias. | Acceder |
| Paisajes agropecuarios de la Amazonía Colombiana. 2014. | SINCHI | Mapa de paisajes agropecuarios periodo 2014 a escala 1:100.000 correspondiente a la zona transformada antrópicamente por actividades agrícolas o pecuarias. | Acceder |
| Frontera agrícola nacional. | UPRA | Mapa de la frontera agrícola nacional, bosques naturales y áreas no agropecuarias y exclusiones legales. | Acceder |
| Monitoreo de coberturas en Parques Nacionales de Colombia. 2019. | PNN | 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 dinámicas 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 año 2000. Este monitoreo hace una lectura anual, a partir de la interpretación de imágenes satelitales Planet Scope para los 53 parques continentales del Sistema de Parques Nacionales Naturales de Colombia, con una identificación y clasificación de coberturas mayores a 1 hectárea. | Acceder |
| Monitoreo de coberturas en Parques Nacionales de Colombia. 2020. | PNN | 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 dinámicas de las coberturas al interior de los PNN. | Acceder |
| Monitoreo de coberturas en Parques Nacionales de Colombia. 2021. | PNN | 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 dinámicas de las coberturas al interior de los PNN. | Acceder |
| Páramos delimitados. 2020. | Ministerio de ambiente y desarrollo sostenible | Capa que contiene los límites de los páramos delimitados a Junio de 2020 (escalas 1:25.000 y 1:100.000). | Acceder |
| Manglares de Colombia. | Instituto de Investigaciones Marinas y Costeras “José Benito Vives de Andreis” (INVEMAR) | Capa vectorial de manglares de Colombia realizada a partir de técnicas de procesamiento digital de imágenes. Para el Caribe y Pacífico a escala 1:25.000, la metodología se basó en un proceso semiautomatizado en la plataforma Google Earth Engine donde se emplearon imágenes ópticas y de radar para clasificar de manera supervisada el manglar y otras coberturas generales. Se emplearon puntos de campo y de imágenes de alta resolución para entrenar y validar la clasificación. Se utilizaron algoritmos diferentes para Caribe y Pacífico debido a las condiciones particulares de cada zona, para el Pacífico se procesaron imágenes de los años 2019 y 2020, en el caso del Caribe se procesaron imágenes del año 2020. Para los dos casos la unidad mínima cartografiable es de 1600 m2. En cuanto a San Andrés, Providencia y Santa Catalina la escala de la cartografía es de 1:5.000, y su metodología consistió en el procesamiento e interpretación visual de imágenes de alta resolución. | Acceder |
| The Global Mangrove Watch (GMW). | Nathan Thomas et al., s. f.; Pete Bunting et al. | Plataforma que genera un mapa de línea base global de manglares para 2010 utilizando datos ALOS PALSAR y Landsat (ópticos), y los cambios de esta línea base para épocas entre 1996 y 2020 derivados de JERS-1 SAR, ALOS PALSAR y ALOS-2 PALSAR-2. | Acceder] |
| Global Mangrove Forests Distribution. 2000. | NASA SEDAC at the Center for International Earth Science Information Network | Base de datos preparada a partir de datos satelitales Landsat del año 2000. Más de 1,000 escenas Landsat obtenidas del Centro de Ciencias y Observación de Recursos Terrestres (EROS) de USGS se clasificaron utilizando técnicas híbridas de clasificación de imágenes digitales supervisadas y no supervisadas con financiación de la NASA. | Acceder |
| Distribución Global de Manglares USGS. | The UN Environment Programme World Conservation Monitoring Centre (UNEP-WCMC) | Conjunto de datos que muestra la distribución global de los bosques de manglares, derivados de imágenes satelitales de observación de la tierra. El conjunto de datos se creó utilizando datos de Global Land Survey ( GLS ) y el archivo Landsat. Se interpretaron aproximadamente 1000 escenas Landsat utilizando técnicas híbridas de clasificación de imágenes digitales supervisadas y no supervisadas. Véase Giri et al. (2011) para más detalles. | Acceder |
| Global Distribution of Modelled Mangrove Biomass. 2014. | The UN Environment Programme World Conservation Monitoring Centre (UNEP-WCMC) | Conjunto de datos que muestra los patrones globales modelados de la biomasa aérea de los bosques de manglares. Con base en una revisión de 95 estudios de campo en todo el mundo sobre el almacenamiento y los flujos de carbono en los manglares, se desarrolló un modelo basado en el clima para la biomasa potencial sobre el suelo de los manglares, con casi cuatro veces el poder explicativo del único modelo publicado anteriormente. El mapa destaca la alta variabilidad en la biomasa aérea de los manglares e indica áreas que podrían priorizarse para la conservación y restauración de manglares. | Acceder |
| Global cropland expansion in the 21st century. | P. Potapov, S. Turubanova, M.C. Hansen, A. Tyukavina, V. Zalles, A. Khan, X.-P. Song, A. Pickens, Q. Shen, J. Cortez | Serie temporal de la extensión de tierras de cultivo a escala global con una resolución espacial de 30 m se derivó del archivo de datos del satélite Landsat con intervalos de mapeo de cuatro años. Se entiende como áreas cultivadas a toda tierra utilizadas para cultivos herbáceos anuales y perennes para consumo humano, forrajes (incluido el heno) y biocombustibles. | Acceder |
| Global Map of Oil Palm Plantations. 2019. | Descals, Adrià, et al. “High-resolution global map of smallholder and industrial closed-canopy oil palm plantations.” Earth System Science Data 13.3 (2021): 1211-1231 | Estudio que presenta el primer mapa global de plantaciones de palma aceitera para el año 2019 derivado de datos de sensores remotos con una resolución espacial de 10 m. Para ello se utilizaron datos de Sentinel-1 y Sentinel-2 en un mapa que discrimina entre pequeños agricultores y plantaciones industriales de palma aceitera. | Acceder |
| ESA WorldCover 10m. 2020-2021. | ESA (Agencia Espacial Europea) | El producto WorldCover 10m de la Agencia Espacial Europea (ESA) proporciona un mapa global de cobertura terrestre con una resolución 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 Clasificación de Cobertura Terrestre de la ONU-FAO, y ha sido generado en el marco del proyecto ESA WorldCover. | Acceder |
| Rapid expansion of human impact on natural land in South America since 1985. | Global Land Analysis & Discovery | Códigos de clase de los estratos son las siguientes clases: Fuera del área de estudio, otro uso de la tierra, cobertura terrestre estable, cobertura terrestre estable, Amazonas, rebrote, plantaciones de árboles, tierras de cultivo 2016-2018, tierras de cultivo 1985-1994 y agua. | Acceder |
| Global Lakes and Wetlands Database. | World Wild Life (WWF) | Combinación de múltiples fuentes disponibles para lagos y humedales a escala global (resolución de 1:1 a 1:3 millones) y la aplicación de la funcionalidad GIS. Esto permite la generación de una base de datos que se enfoca en tres niveles coordinados en (1) grandes lagos y embalses, (2) cuerpos de agua más pequeños y (3) humedales. | https://www.worldwildlife.org/pages/global-lakes-and-wetlands-database |
| Mapa Global de Humedales. | CIFOR, USAID y CGIAR – FTA | El Mapa Global de Humedales cubre las regiones tropicales y subtropicales (desde 40° N hasta 60° S; desde 180° E hasta -180° O), excluyendo las islas pequeñas. Este mapeo es un modelo hidrogeomorfológico basado en un enfoque de Sistema Experto para estimar áreas de humedales, que se basa en tres índices biofísicos relacionados con la formación de humedales y turberas: (1) suministro de agua a largo plazo que supera la demanda atmosférica de agua; (2) suelos encharcados anual o estacionalmente; y (3) una posición geomorfológica donde se suministra y retiene agua (Gumbricht et al. 2017). | Acceder |
| Global high-resolution floodplains (GFPLAIN250m). | Nardi, Fernando; Annis, Antonio (2018): GF PLAIN 250 m. figshare. Dataset. https://doi.org/10.6084/m9.figshare.6665165.v1 | El GF PLAIN 250 m incluye datos ráster de las llanuras aluviales de la Tierra identificadas mediante un enfoque geométrico presentado en Nardi et al. (2006, 2018). El conjunto de datos de la planicie de inundación de 250 m se deriva del procesamiento del modelo de elevación digital SRTM de la NASA recopilado de (http://srtm.csi.cgiar.org/), y en particular los 250 m SRTM versión 4.1 DTM. | Acceder |
| Tensor Flow Hydra Flood Models. | 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. | 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. Específicamente, este modelo y metodología de datos de entropía cruzada binaria (BCE) de tasa de aprendizaje ajustada del Centro de Investigación Conjunta (JRC) se analizan en detalle en el reciente. | Acceder |
| GLIMS: Global Land Ice Measurements From Space. | National Snow and Ice Data Center (NSIDC) | 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 área del glaciar, la geometría, la velocidad de la superficie y la elevación de la línea de nieve. Para realizar estos análisis, el proyecto GLIMS utiliza datos satelitales, principalmente del Radiómetro Avanzado de Emisión Térmica y Reflexión Espacial (ASTER) y del Landsat Enhanced Thematic Mapper Plus (ETM+), así como información histórica derivada de mapas y fotografías aéreas. | Acceder |
| Global land cover and land use. 2019, v1.0. | M.C. Hansen, P.V. Potapov, A.H. Pickens, A. Tyukavina, A. Hernandez-Serna, V. Zalles, S. Turubanova, I. Kommareddy, S.V. Stehman. | Mapa global de cobertura y uso de la tierra de 2019 derivado de imágenes satelitales de Landsat y, a partir de él, donde se estima la extensión espacial y la dispersión del uso de la tierra desagregada por dominio climático y ecozona. | Acceder |
| ESRI Global Land Use Land Cover from Sentinel-2. | ESRI | Mapa mundial de uso de la tierra/cobertura terrestre (LULC) desarrollado con Esri y en colaboración con IA de Microsoft para la Tierra. Este fue construido utilizando la resolución más alta y con datos satelitales disponibles públicamente de la Agencia Espacial Europea. | Acceder |
| ESA WorldCover 10 m. 2020. | ESA (Agencia Espacial Europea) | El producto WorldCover 10 m 2020 de la Agencia Espacial Europea (ESA) proporciona un mapa global de cobertura terrestre para 2020 con una resolución 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 Clasificación de Cobertura Terrestre de la ONU-FAO, y ha sido generado en el marco del proyecto ESA WorldCover. | Acceder |
| High Resolution Population Density Maps + Demographic Estimates. | Facebook Connectivity Lab and Center for International Earth Science Information Network – CIESIN – Columbia University | Método de visión por computadora basado en el aprendizaje automático para crear mapas de población a partir de imágenes de satélite 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 población con una resolución de ~30 metros | Acceder |
| World Settlement Footprint 2015, 2019 y World Settlement Footprint Evolution (1985-2015) | Marconcini, Mattia; Metz-Marconcini, Annekatrin; Üreyen, Soner; Palacios-Lopez, Daniela; Hanke, Wiebke; Bachofer, Felix; et al | La Huella Mundial de Asentamientos (WSF) es una máscara binaria de resolución de 10 m que describe la extensión de los asentamientos humanos a nivel mundial derivada por medio de imágenes multitemporales Landsat-8 y Sentinel-1 (de las cuales ~217,000 y ~107,000 escenas han sido procesadas, respectivamente). | Acceder |
| GHS-BUILT | Comisión Europea | Capa de información multitemporal sobre la presencia de área edificada derivada de colecciones de imágenes Landsat (GLS1975, GLS1990, GLS2000 y colección ad-hoc Landsat 8 2013/2014). | Acceder |
| Sentinel-2 forest loss alert. | A.H. Pickens, M.C. Hansen, B. Adusei, P. Potapov, University of Maryland | Pérdida de bosque primario mapeado casi en tiempo real con una resolución 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 pérdida de bosque a todas las observaciones restantes de terreno despejado. El algoritmo se basa en los datos espectrales de cada nueva imagen en combinación con métricas espectrales de un período de referencia de los dos años anteriores. La confianza se construye a través de observaciones repetidas de pérdidas en las imágenes consiguientes. | Acceder |
| Global-scale data set of mining areas. | FINEPRINT | Basado en la interpretación visual de imágenes satelitales con Sentinel-2, se presenta el mapa de las actividades mineras en todo el mundo y el estimado del área utilizada directamente para actividades mineras, en particular de carbón y minerales metálicos. Los polígonos mineros incluyen todas las características identificadas desde satélites en áreas mineras, como pozos abiertos, presas de residuos, acumulaciones de rocas de desecho, estanques de agua e infraestructura de procesamiento. | Acceder. |
| Colombian Mining Monitoring (COMIMO). | Universidad del Rosario | CoMiMo es una herramienta de libre acceso que analiza mensualmente todo el país en búsqueda de minas a cielo abierto para visualizar su ubicación. CoMiMo permitirá detectar la minería ilegal y actuar oportunamente para contrarrestar sus impactos. | Acceder |
| Global Mining Areas and Validation Datasets. | Maus, Victor; Giljum, Stefan; Gutschlhofer, Jakob; da Silva, Dieison M; Probst, Michael; Gass, Sidnei L B; Luckeneder, Sebastian; Lieber, Mirko; McCallum, Ian | Contiene más de 21.000 polígonos de actividades relacionadas con la minería, principalmente de carbón y minerales metálicos. Se compilaron varias fuentes de datos para identificar la ubicación aproximada de las minas activas en cualquier momento entre los años 2000 y 2017. Este conjunto de datos no cubre todas las ubicaciones mineras existentes en todo el mundo. Los polígonos fueron delineados por expertos usando Sentinel-2 sin nubes e imágenes satelitales de muy alta resolución disponibles en Google Satellite y Bing Imagery. | Acceder |
| Hansen Global Forest Change v1.8. | 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 | Resultados del análisis de series temporales de imágenes Landsat para caracterizar la extensión y el cambio de los bosques a nivel mundial. | Acceder; |
| WWF HydroSHEDS Free Flowing Rivers Network v1. | World Wildlife Fund | HydroSHEDS es un producto de mapeo que proporciona información hidrográfica para aplicaciones a escala regional y global. | Acceder |
| Global surface water dynamics. | Pickens, A.H., Hansen, M.C., Hancher, M., Stehman, S.V., Tyukavina, A., Potapov, P., Marroquin, B., y Sherani, Z | Los mapas globales derivados de todas las escenas de Landsat 5, 7 y 8 resaltan los cambios en la extensión del agua superficial durante este período, y una evaluación basada en muestras probabilísticas proporciona estimadores imparciales del área de agua permanente, agua estacional, pérdida de agua, ganancia de agua, tierra temporal, agua temporal y cambio de alta frecuencia. | Acceder |
| Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3. | Buchhorn, M. ; Lesiv, M. ; Tsendbazar, N. – E. ; Herold, M. ; Bertels, L. y Smets, B | El mapa dinámico de cobertura terrestre con una resolución de 100 m (CGLS-LC100) proporciona un esquema primario de cobertura terrestre. Además de estas clases discretas, el producto también incluye capas de campo continuas para todas las clases básicas de cobertura del suelo que brindan estimaciones proporcionales de vegetación/cobertura del suelo para los tipos de cobertura del suelo. P.ej. fracción de cobertura de cultivos, fracción de cobertura de pasto. | Acceder |
| Global 1-km Consensus Land Cover. | NCEAS, NASA, NSF, y Yale University | Los conjuntos de datos integran múltiples productos de cobertura terrestre derivados de sensores remotos globales y brindan información de consenso sobre la prevalencia de 12 clases de cobertura terrestre con una resolución de 1 km. | Acceder |
| GLC_FCS30: Global land-cover product with fine classification system at 30 m using time-series Landsat imagery. | Liangyun,Liu, Xiao,Zhang, Xidong,Chen, Yuan,Gao, y Jun, Mi | Un nuevo producto global de cobertura terrestre de 30 m con un sistema de clasificación fina para el año 2015 (GLC_FCS30-2015). El producto se produjo mediante la combinación de series temporales de imágenes Landsat y datos de entrenamiento de alta calidad de GSPECLib (Biblioteca de espectros temporales espaciales globales) en la plataforma informática Google Earth Engine. | Acceder |
| Global PALSAR-2/PALSAR Forest/Non-Forest Map. | Masanobu Shimada, Takuya Itoh, Takeshi Motooka, Manabu Watanabe, Shiraishi Tomohiro, Rajesh Thapa, y Richard Lucas | El mapa global forestal/no forestal (FNF) se genera clasificando la imagen SAR (coeficiente de retrodispersión) en el mosaico global PALSAR-2/PALSAR SAR de resolución de 25 m, de modo que los píxeles de retrodispersión fuerte y baja se asignan como “bosque” y “no -bosque”, respectivamente. | Acceder |
| MCD12Q1.006 MODIS Land Cover Type Yearly Global 500m. | NASA LP DAAC at the USGS EROS Center | El producto MCD12Q1 V6 proporciona tipos de cobertura terrestre global a intervalos anuales (2001-2016) derivados de seis esquemas de clasificación diferentes. Se obtiene utilizando clasificaciones supervisadas de datos de reflectancia MODIS Terra y Aqua. | Acceder |
| Planet & NICFI Basemaps for Tropical Forest Monitoring – Tropical Americas. | Planet Team | Mosaicos de imágenes de Planet Scope semestrales o mensuales. | Acceder |
| Global Forest Cover Change (GFCC) Tree Cover Multi-Year Global 30m. | 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 | Las capas de cobertura de árboles Landsat Vegetation Continuous Fields (VCF) contienen estimaciones del porcentaje de suelo horizontal en cada píxel de 30 m cubierto por vegetación leñosa de más de 5 metros de altura. El conjunto de datos está disponible para cuatro épocas centradas en los años 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 están compuestos por imágenes de Landsat 5 Thematic Mapper (TM) y Landsat 7 Enhanced Thematic Mapper Plus (ETM+) de alta resolución con una resolución de 30 metros. | Acceder |
| Primary Humid Tropical Forests. | Turubanova S., Potapov P., Tyukavina, A., y Hansen M | Mapa primario de bosque tropical húmedo. La extensión del bosque primario fue mapeada para el año 2001 a una resolución espacial de 30 metros utilizando imágenes Landsat adquiridas a nivel mundial, gratuitas y procesadas constantemente. | Acceder |
| Global 2010 Tree Cover (30 m). | 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 | Los datos globales de cobertura de árboles (treecover2010) son estimaciones por píxel del porcentaje máximo de cobertura de árboles 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 aplicó un modelo de árbol de regresión que estima el porcentaje de cubierta de dosel de árboles por píxel a compuestos anuales de 2000 a 2012 inclusive. Las lagunas de datos y el ruido de años individuales se reemplazaron utilizando valores medios de varios años. En primer lugar, se utilizó una mediana de los valores anuales de cobertura de dosel de árboles de 2009-2011 para estimar la cobertura de árboles de 2010. Para los píxeles que aún no tienen una estimación, el cálculo de la mediana se amplió para incluir los valores de cobertura de árboles de 2008 a 2011 y luego de 2008 a 2012. La capa resultante representa la cobertura máxima estimada de dosel de árboles por píxel, 1-100% para el año 2010 en valores enteros (1-100). | Acceder |
| Global 2010 Bare Ground (30 m). | 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 | Mapa de la cobertura global de suelo desnudo a través de estimaciones por píxel 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. | Acceder |
| Global Forest Canopy Height. 2019. | 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 | Se desarrolló un nuevo mapa global de la altura del dosel del bosque con una resolución espacial de 30 m mediante la integración de las mediciones de la estructura del bosque lidar de la Investigación de la Dinámica de los Ecosistemas Globales (GEDI) y la serie temporal de datos listos para el análisis de Landsat. El GEDI de la NASA es un instrumento espacial que opera a bordo de la Estación Espacial Internacional desde abril de 2019. Proporciona mediciones de la estructura de la vegetación basadas en la huella, incluida la altura del dosel del bosque entre 52 ° N y 52 ° S a nivel mundial. Las métricas multitemporales de Landsat que representan la fenología de la superficie sirven como variables independientes para el modelado global de la altura del bosque. Se implementó el modelo de conjunto de árbol de regresión en bolsa aplicado y calibrado localmente de “ventana móvil” para garantizar una alta calidad de la predicción de la altura del bosque y la consistencia del mapa global. | Acceder |
| Tree Cover Height. | World Resources Institute (WRI) | Este conjunto de datos muestra la altura anual de la cubierta arbórea en metros para América del Sur durante el período 1985-2016. La altura de la cubierta arbórea se estima utilizando imágenes satelitales Landsat calibradas con datos LIDAR. | Acceder |
| Trees in Mosaic Landscapes (beta). | Brandt J., y Stolle F | Extensión de árboles en áreas urbanas, tierras agrícolas y en ecosistemas de dosel abierto y bosque seco. Aquí presentamos un método consistente a nivel mundial para identificar árboles con diámetros de dosel superiores a 3 m con imágenes ópticas y de radar de resolución media. Las imágenes ópticas Sentinel-2 de 10 metros y las imágenes de radar Sentinel-1 se utilizan cada dos semanas, sin nubes y con nitidez panorámica, para entrenar una red totalmente convolucional, que consiste en una capa de unidad recurrente con compuerta convolucional y una capa de atención de pirámide de características. | Acceder |
| Global coverage of mangroves for select years from 1996 to 2016. | Bunting P., Rosenqvist A., Lucas R., Rebelo L-M., Hilarides L., Thomas N., Hardy A., Itoh T., Shimada M. y Finlayson C.M | 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 & Carbón de la Agencia de Exploración Aeroespacial de Japón (JAXA) y el Programa Mangrove Capital Africa coordinado por Wetlands International y financiado por DOB Ecología. El mapa (v2.0) muestra la extensión global de los bosques de manglares para el año 2010, derivada de la clasificación aleatoria de bosques de una combinación de datos satelitales de radar de banda L (ALOS PALSAR) y ópticos (Landsat-5, -7). | Acceder |
| Mapa de cultivos. | ESA (Agencia Espacial Europea) | WorldCereal desarrolló un sistema eficiente, ágil y robusto basado en observación de la Tierra para el monitoreo oportuno de cultivos a escala de campo a nivel global. El sistema de código abierto WorldCereal permite crear mapas de extensión de tierras de cultivo anuales locales a globales con una resolución de 10 m, actualizar los mapas de cultivos de manera estacional, diferenciar entre campos de regadío y campos de secano activos, producir mapas globales de maíz y trigo, dos de los principales cultivos básicos. | Acceder |