Landcover Classification

Klasyfikacja pokrycia terenu to usługa mapowania pokrycia terenu firmy Kumi Analytics przeznaczona dla projektów opartych na rozwiązaniach przyrodniczych (NbS), raportowania krajowego oraz planowania. Mapy pokrycia terenu tworzone na skalę krajową i projektową często wykorzystują różne legendy, dlatego zespoły muszą je uzgodnić, zanim będą mogły porównać krajowe trendy z warunkami lokalnymi; Kumi Analytics podkreśla również, że ogólne globalne produkty pokrycia terenu stosują klasy zbyt ogólne dla zróżnicowanych krajobrazów.

Usługa klasyfikuje obrazy satelitarne na mapy krajowe lub regionalne o rozdzielczości 10 m lub 30 m oraz na mapy screeningowe o wyższej rozdzielczości na poziomie projektów, stosując jedną taksonomię na każdym poziomie. Obrazy optyczne i SAR są łączone tam, gdzie jest to stosowne, z wykorzystaniem kompozytów i analizy wieloczasowej, aby utrzymać stabilność klasyfikacji w regionach o dużym zachmurzeniu i w różnych porach roku. Wyniki obejmują bazowe dane dotyczące wylesiania, klasyfikacje las/nie-las oraz mapy typów ekosystemów wymagane przez ramy rozliczeniowe Verra, Gold Standard i REDD+, a także warstwy zmian pokrycia terenu i szeregi czasowe dotyczące wylesiania, ekspansji miejskiej, rolnictwa i odnowy.

• Legendy zgodne ze standardami: opcje w stylu UN-FAO LULC lub legendy dostosowane do systemów krajowych, takich jak CORINE, schematy ministerialne lub klasy specyficzne dla projektów.
• Screening wykonalności: szybka, ogólna klasyfikacja do wstępnego wyboru obszarów projektowych przed szczegółowymi badaniami.
• Weryfikacja: ocena dokładności oraz, w razie potrzeby, kwantyfikacja niepewności, aby wyniki były wiarygodne w raportowaniu i audytach.
• Zastosowanie międzysektorowe: te same mapy służą projektom węglowym, rolnictwu, planowaniu miejskim i przestrzennemu, ocenie bioróżnorodności i siedlisk, analizie wód i zlewni, zarządzaniu ryzykiem katastrof oraz raportowaniu ESG.

Kumi Analytics informuje, że jedna z jej klasyfikacji satelitarnych w Północnej Sumatrze osiągnęła dokładność 94,58% w rozróżnianiu namorzynów, plantacji palmowych i lasów tropikalnych.