Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL \", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL \", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"email\": \"lars.waser@wsl.ch\", 
4
\"affiliation_03\": \"\", \"email\": \"lars.waser@wsl.ch\", 
            
5
\"given_name\": \"Lars\", \"identifier\": \"D-5937-2011\", \"name\": 
5
\"given_name\": \"Lars\", \"identifier\": \"D-5937-2011\", \"name\": 
            
6
\"Waser\"}, {\"affiliation\": \"Swiss Federal Institute for Forest, 
6
\"Waser\"}, {\"affiliation\": \"Swiss Federal Institute for Forest, 
            
7
Snow and Landscape Research WSL \", \"affiliation_02\": \"\", 
7
Snow and Landscape Research WSL \", \"affiliation_02\": \"\", 
            
8
\"affiliation_03\": \"\", \"email\": \"christian.ginzler@wsl.ch\", 
8
\"affiliation_03\": \"\", \"email\": \"christian.ginzler@wsl.ch\", 
            
9
\"given_name\": \"Christian\", \"identifier\": \"E-9544-2012\", 
9
\"given_name\": \"Christian\", \"identifier\": \"E-9544-2012\", 
            
10
\"name\": \"Ginzler\"}, {\"affiliation\": \"WSL\", \"affiliation_02\": 
10
\"name\": \"Ginzler\"}, {\"affiliation\": \"WSL\", \"affiliation_02\": 
            
11
\"\", \"affiliation_03\": \"\", \"email\": 
11
\"\", \"affiliation_03\": \"\", \"email\": 
            
12
\"achilleas.psomas@wsl.ch\", \"given_name\": \"Achilleas\", 
12
\"achilleas.psomas@wsl.ch\", \"given_name\": \"Achilleas\", 
            
13
\"identifier\": \"\", \"name\": \"Psomas\"}, {\"affiliation\": 
13
\"identifier\": \"\", \"name\": \"Psomas\"}, {\"affiliation\": 
            
14
\"WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
14
\"WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
15
\"email\": \"marius.rueetschi@wsl.ch\", \"given_name\": \"Marius\", 
15
\"email\": \"marius.rueetschi@wsl.ch\", \"given_name\": \"Marius\", 
            
16
\"identifier\": \"\", \"name\": \"R\\u00fcetschi\"}, {\"affiliation\": 
16
\"identifier\": \"\", \"name\": \"R\\u00fcetschi\"}, {\"affiliation\": 
            
17
\"WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
17
\"WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
18
\"email\": \"nataliia.rehush@wsl.ch\", \"given_name\": \"Nataliia\", 
18
\"email\": \"nataliia.rehush@wsl.ch\", \"given_name\": \"Nataliia\", 
            
19
\"identifier\": \"\", \"name\": \"Rehush\"}]",
19
\"identifier\": \"\", \"name\": \"Rehush\"}]",
            
20
  "author_email": null,
20
  "author_email": null,
            
21
  "creator_user_id": "6d44d5cd-9ac6-4100-bc2c-c02034a41b48",
21
  "creator_user_id": "6d44d5cd-9ac6-4100-bc2c-c02034a41b48",
            
22
  "date": "[{\"date\": \"2025-01-05\", \"date_type\": \"created\", 
22
  "date": "[{\"date\": \"2025-01-05\", \"date_type\": \"created\", 
            
23
\"end_date\": \"\"}]",
23
\"end_date\": \"\"}]",
            
24
  "doi": "10.16904/1000001.7",
24
  "doi": "10.16904/1000001.7",
            
25
  "extras": [
25
  "extras": [
            
26
    {
26
    {
            
27
      "key": "deprecatedResources",
27
      "key": "deprecatedResources",
            
28
      "value": 
28
      "value": 
            
29
ac-4bfd-936d-89c0a56eed36\",\"7b6e4f37-c428-45dc-ba34-f40dd8368769\"]"
29
ac-4bfd-936d-89c0a56eed36\",\"7b6e4f37-c428-45dc-ba34-f40dd8368769\"]"
            
30
    }
30
    }
            
31
  ],
31
  ],
            
32
  "funding": "[{\"grant_number\":\"\",\"institution\":\"Federal Office 
32
  "funding": "[{\"grant_number\":\"\",\"institution\":\"Federal Office 
            
33
for the Environment (FOEN).\",\"institution_url\":\"\"}]",
33
for the Environment (FOEN).\",\"institution_url\":\"\"}]",
            
34
  "groups": [],
34
  "groups": [],
            
35
  "id": "82d763fa-123a-4648-b827-0dec02a5efbc",
35
  "id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
36
  "isopen": false,
36
  "isopen": false,
            
37
  "language": "en",
37
  "language": "en",
            
38
  "license_id": "other-undefined",
38
  "license_id": "other-undefined",
            
39
  "license_title": "Other (Specified in the description)",
39
  "license_title": "Other (Specified in the description)",
            
40
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
40
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
41
Forest, Snow and Landscape Research WSL \", \"email\": 
41
Forest, Snow and Landscape Research WSL \", \"email\": 
            
42
\"lars.waser@wsl.ch\", \"given_name\": \"Lars\", \"identifier\": 
42
\"lars.waser@wsl.ch\", \"given_name\": \"Lars\", \"identifier\": 
            
43
\"D-5937-2011\", \"name\": \"Waser\"}",
43
\"D-5937-2011\", \"name\": \"Waser\"}",
            
44
  "maintainer_email": null,
44
  "maintainer_email": null,
            
45
  "metadata_created": "2018-04-03T10:38:30.545175",
45
  "metadata_created": "2018-04-03T10:38:30.545175",
            
n
46
  "metadata_modified": "2025-03-10T19:40:26.291700",
n
46
  "metadata_modified": "2025-03-10T19:40:59.068107",
            
47
  "name": "forest-type-nfi",
47
  "name": "forest-type-nfi",
            
48
  "notes": "A series of Forest Type NFI datasets covering Switzerland 
48
  "notes": "A series of Forest Type NFI datasets covering Switzerland 
            
49
have been produced, and currently available for the years 2023, 2018, 
49
have been produced, and currently available for the years 2023, 2018, 
            
50
and 2016. These datasets provide the probability (0-100%) of the class 
50
and 2016. These datasets provide the probability (0-100%) of the class 
            
51
broadleaf at the pixel level. While 0% probability corresponds to the 
51
broadleaf at the pixel level. While 0% probability corresponds to the 
            
52
pure class coniferous, 100% correspond to the class pure broadleaf. 
52
pure class coniferous, 100% correspond to the class pure broadleaf. 
            
53
Values around 50% probability weren't assigned to one of the two 
53
Values around 50% probability weren't assigned to one of the two 
            
54
classes and might belong to mixed stands. The three datasets are based 
54
classes and might belong to mixed stands. The three datasets are based 
            
55
on different remote sensing data from  different time spans and with 
55
on different remote sensing data from  different time spans and with 
            
56
different spatial resolutions:\n\n- **Forest Type NFI 2023: 
56
different spatial resolutions:\n\n- **Forest Type NFI 2023: 
            
57
Sentinel-1/-2, 2021-2023, 10m (new dataset!)** \n- Forest Type NFI 
57
Sentinel-1/-2, 2021-2023, 10m (new dataset!)** \n- Forest Type NFI 
            
58
2018: Sentinel-1/-2, 2016-2018, 10m\n- Forest Type NFI 2016: Aerial 
58
2018: Sentinel-1/-2, 2016-2018, 10m\n- Forest Type NFI 2016: Aerial 
            
59
orthoimages, 2010-2015, 3m\n.\n---------------------\n.\n **Important 
59
orthoimages, 2010-2015, 3m\n.\n---------------------\n.\n **Important 
            
60
note:** None of the datasets is suitable for analysis at the 
60
note:** None of the datasets is suitable for analysis at the 
            
61
individual tree crown level because pixel-level probabilities are not 
61
individual tree crown level because pixel-level probabilities are not 
            
62
allocated to individual trees. Analysis is recommended only for areas 
62
allocated to individual trees. Analysis is recommended only for areas 
            
63
larger than 3x3 pixels, i.e. by calculating the mean values, except in 
63
larger than 3x3 pixels, i.e. by calculating the mean values, except in 
            
64
rare cases of homogeneous forest stands (either broadleaf or 
64
rare cases of homogeneous forest stands (either broadleaf or 
            
65
coniferous class).\n\n**User\u2019s feedback:** \nWe are very 
65
coniferous class).\n\n**User\u2019s feedback:** \nWe are very 
            
66
motivated to improve the dataset further and welcome any feedback or 
66
motivated to improve the dataset further and welcome any feedback or 
            
67
suggestions for corrections. Feel free to directly contact 
67
suggestions for corrections. Feel free to directly contact 
            
68
**lars.waser@wsl.ch**\n_________________\n.\n*Detailed 
68
**lars.waser@wsl.ch**\n_________________\n.\n*Detailed 
            
69
description:*\n\n**Forest Type NFI datasets, versions 2023 and 2018:** 
69
description:*\n\n**Forest Type NFI datasets, versions 2023 and 2018:** 
            
70
Both  datasets use a remote sensing-based approach for a countrywide 
70
Both  datasets use a remote sensing-based approach for a countrywide 
            
71
mapping of the Dominant Leaf Type (DLT) in Switzerland, classifying 
71
mapping of the Dominant Leaf Type (DLT) in Switzerland, classifying 
            
72
areas as either broadleaf or coniferous. These datasets have a spatial 
72
areas as either broadleaf or coniferous. These datasets have a spatial 
            
73
resolution of 10 m and provide the probability (0-100%) of the class 
73
resolution of 10 m and provide the probability (0-100%) of the class 
            
74
broadleaf at the pixel level  (covering all areas with vegetation 
74
broadleaf at the pixel level  (covering all areas with vegetation 
            
75
height > 5m version 2018, and >3 m version 2023). The classification 
75
height > 5m version 2018, and >3 m version 2023). The classification 
            
76
approach is based on a Random Forest (RF) classifier, that combines 
76
approach is based on a Random Forest (RF) classifier, that combines 
            
77
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
77
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
            
78
with the SwissAlti3D terrain model. In addition to the original 
78
with the SwissAlti3D terrain model. In addition to the original 
            
79
Sentinel-2 spectral bands, vegetation indices such as GEMI, MSAVI2, 
79
Sentinel-2 spectral bands, vegetation indices such as GEMI, MSAVI2, 
            
80
NDVI, CLRE and CCCI were used in the final model.\nThe classification 
80
NDVI, CLRE and CCCI were used in the final model.\nThe classification 
            
81
models were tested, trained and validated using up to 400,000 labels 
81
models were tested, trained and validated using up to 400,000 labels 
            
82
representing the two classes broadleaf and coniferous, derived from 
82
representing the two classes broadleaf and coniferous, derived from 
            
83
aerial image delineations. For the 2023 data set, the previously used 
83
aerial image delineations. For the 2023 data set, the previously used 
            
84
labels were quality-checked for reliability and temporal consistency 
84
labels were quality-checked for reliability and temporal consistency 
            
85
with the image data. Additionally, more labels were collected in the 
85
with the image data. Additionally, more labels were collected in the 
            
86
regions where the previous version of the data set performed less 
86
regions where the previous version of the data set performed less 
            
87
accurately \u2013 as reported by the users.\nSimilar high model 
87
accurately \u2013 as reported by the users.\nSimilar high model 
            
88
performances were achieved for both data sets: overall accuracy = 
88
performances were achieved for both data sets: overall accuracy = 
            
89
0.96, kappa = 0.94, F1-score =0.96, precision = 0.97, recall = 0.94 
89
0.96, kappa = 0.94, F1-score =0.96, precision = 0.97, recall = 0.94 
            
90
(2023), 0.95 (2018). Independent validation and plausibility check 
90
(2023), 0.95 (2018). Independent validation and plausibility check 
            
91
included the comparison of the predicted results with aerial image 
91
included the comparison of the predicted results with aerial image 
            
92
interpretations of the National Forest Inventory (NFI). For both data 
92
interpretations of the National Forest Inventory (NFI). For both data 
            
93
sets, deviations particularly occurred in mixed forest stands: over 
93
sets, deviations particularly occurred in mixed forest stands: over 
            
94
all accuracy = 0.81 (2018, 2023), kappa = 0.62 (2018), 0.59 (2023). 
94
all accuracy = 0.81 (2018, 2023), kappa = 0.62 (2018), 0.59 (2023). 
            
95
For more details, see Waser et al. (2021).\n\n**The Forest Type NFI 
95
For more details, see Waser et al. (2021).\n\n**The Forest Type NFI 
            
96
dataset, version 2016:** This dataset presents a countrywide map with 
96
dataset, version 2016:** This dataset presents a countrywide map with 
            
97
the two classes broadleaf and coniferous in Switzerland based on 
97
the two classes broadleaf and coniferous in Switzerland based on 
            
98
digital aerial imagery. The spatial resolution of the data set is 3 m. 
98
digital aerial imagery. The spatial resolution of the data set is 3 m. 
            
99
The pixel values correspond to the probabilities (0-100 %) of the 
99
The pixel values correspond to the probabilities (0-100 %) of the 
            
100
class broadleaf.\nThe classification approach incorporates a RF 
100
class broadleaf.\nThe classification approach incorporates a RF 
            
101
classifier, predictors from multispectral aerial imagery (ADS80) and 
101
classifier, predictors from multispectral aerial imagery (ADS80) and 
            
102
the SwissAlti3D terrain model. The model was tested, trained and 
102
the SwissAlti3D terrain model. The model was tested, trained and 
            
103
validated using 90,000 digitized polygons and achieved an overall 
103
validated using 90,000 digitized polygons and achieved an overall 
            
104
accuracy of 0.99 and a kappa of 0.98. Independent validation and 
104
accuracy of 0.99 and a kappa of 0.98. Independent validation and 
            
105
plausibility check included the comparison of the predicted results 
105
plausibility check included the comparison of the predicted results 
            
106
with aerial image interpretations of the NFI. Significant deviations 
106
with aerial image interpretations of the NFI. Significant deviations 
            
107
were observed, primarily due to an underestimation of broadleaved 
107
were observed, primarily due to an underestimation of broadleaved 
            
108
trees (median underestimation of 3.17%), especially in mixed forest 
108
trees (median underestimation of 3.17%), especially in mixed forest 
            
109
stands. For more details, see Waser et al. (2017; 
109
stands. For more details, see Waser et al. (2017; 
            
110
https://doi.org/10.3390/rs9080766).\n\n",
110
https://doi.org/10.3390/rs9080766).\n\n",
            
111
  "num_resources": 7,
111
  "num_resources": 7,
            
n
112
  "num_tags": 6,
n
112
  "num_tags": 7,
            
113
  "organization": {
113
  "organization": {
            
114
    "approval_status": "approved",
114
    "approval_status": "approved",
            
115
    "created": "2017-04-20T16:51:21.920128",
115
    "created": "2017-04-20T16:51:21.920128",
            
116
    "description": "We develop and apply comprehensive and robust 
116
    "description": "We develop and apply comprehensive and robust 
            
117
methods to extract and classify natural objects from continuous and 
117
methods to extract and classify natural objects from continuous and 
            
118
discrete raster datasets. Relevant features are acquired to describe 
118
discrete raster datasets. Relevant features are acquired to describe 
            
119
changes in landscape and land resources at different levels using 
119
changes in landscape and land resources at different levels using 
            
120
image data. Mathematical-statistical methods are adopted for automatic 
120
image data. Mathematical-statistical methods are adopted for automatic 
            
121
detection and description of image objects. Thus we contribute 
121
detection and description of image objects. Thus we contribute 
            
122
concepts, methods and data to describe/detect area wide changes and 
122
concepts, methods and data to describe/detect area wide changes and 
            
123
processes in the resources of landscape.\r\n\r\n### Tasks and main 
123
processes in the resources of landscape.\r\n\r\n### Tasks and main 
            
124
research\r\n\r\n* Development and application of methods to extract 
124
research\r\n\r\n* Development and application of methods to extract 
            
125
natural objects from continuous data.\r\n* Development of methods for 
125
natural objects from continuous data.\r\n* Development of methods for 
            
126
a comprehensive description of natural and anthropogenetic boundaries 
126
a comprehensive description of natural and anthropogenetic boundaries 
            
127
in continuous pattern (e.g. map signatures, vegetation transition, 
127
in continuous pattern (e.g. map signatures, vegetation transition, 
            
128
forest borders).\r\n* Development and application of methods to 
128
forest borders).\r\n* Development and application of methods to 
            
129
extract 3D-information from remotely sensed data for description of 
129
extract 3D-information from remotely sensed data for description of 
            
130
natural structures and changes. The main focus lies on wood and its 
130
natural structures and changes. The main focus lies on wood and its 
            
131
embedding/interaction within/with the landscape.\r\n* Conception and 
131
embedding/interaction within/with the landscape.\r\n* Conception and 
            
132
development of data acquisition based on high resolution remote 
132
development of data acquisition based on high resolution remote 
            
133
sensing data.\r\n* Conception, development and maintenance of the 
133
sensing data.\r\n* Conception, development and maintenance of the 
            
134
software interface in area wide data acquisition using airborne remote 
134
software interface in area wide data acquisition using airborne remote 
            
135
sensing data.\r\n* Scientific expert advice and support in the fields 
135
sensing data.\r\n* Scientific expert advice and support in the fields 
            
136
of photogrammetry and survey at WSL. Maintenance, enhancements and 
136
of photogrammetry and survey at WSL. Maintenance, enhancements and 
            
137
future development in these specific fields.\r\n* Adequate 
137
future development in these specific fields.\r\n* Adequate 
            
138
presentation of scientific results on national level and in noted 
138
presentation of scientific results on national level and in noted 
            
139
international journals and at international 
139
international journals and at international 
            
140
congresses/workshops/symposia.\r\n\r\n__Further information__: 
140
congresses/workshops/symposia.\r\n\r\n__Further information__: 
            
141
l/organization/research-units/landscape-dynamics/remote-sensing.html",
141
l/organization/research-units/landscape-dynamics/remote-sensing.html",
            
142
    "id": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
142
    "id": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
            
143
    "image_url": "",
143
    "image_url": "",
            
144
    "is_organization": true,
144
    "is_organization": true,
            
145
    "name": "remote-sensing",
145
    "name": "remote-sensing",
            
146
    "state": "active",
146
    "state": "active",
            
147
    "title": "Remote Sensing",
147
    "title": "Remote Sensing",
            
148
    "type": "organization"
148
    "type": "organization"
            
149
  },
149
  },
            
150
  "owner_org": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
150
  "owner_org": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
            
151
  "private": false,
151
  "private": false,
            
152
  "publication": "{\"publication_year\": \"2025\", \"publisher\": 
152
  "publication": "{\"publication_year\": \"2025\", \"publisher\": 
            
153
\"National Forest Inventory (NFI)\"}",
153
\"National Forest Inventory (NFI)\"}",
            
154
  "publication_state": "published",
154
  "publication_state": "published",
            
155
  "related_datasets": "",
155
  "related_datasets": "",
            
156
  "related_publications": "wsl:28243\nWaser, L. T., Ginzler, C., & 
156
  "related_publications": "wsl:28243\nWaser, L. T., Ginzler, C., & 
            
157
Rehush, N. (2017). Wall-to-wall tree type mapping from countrywide 
157
Rehush, N. (2017). Wall-to-wall tree type mapping from countrywide 
            
158
airborne remote sensing surveys. Remote Sensing, 9(8), 766 (24 pp.). 
158
airborne remote sensing surveys. Remote Sensing, 9(8), 766 (24 pp.). 
            
159
https://doi.org/10.3390/rs9080766",
159
https://doi.org/10.3390/rs9080766",
            
160
  "relationships_as_object": [],
160
  "relationships_as_object": [],
            
161
  "relationships_as_subject": [],
161
  "relationships_as_subject": [],
            
162
  "resource_type": "dataset",
162
  "resource_type": "dataset",
            
163
  "resource_type_general": "dataset",
163
  "resource_type_general": "dataset",
            
164
  "resources": [
164
  "resources": [
            
165
    {
165
    {
            
166
      "cache_last_updated": null,
166
      "cache_last_updated": null,
            
167
      "cache_url": null,
167
      "cache_url": null,
            
168
      "created": "2021-04-23T08:02:00.149511",
168
      "created": "2021-04-23T08:02:00.149511",
            
169
      "description": "\n **Important note:**  This dataset is NOT 
169
      "description": "\n **Important note:**  This dataset is NOT 
            
170
suitable for analysis at the individual tree crown level because 
170
suitable for analysis at the individual tree crown level because 
            
171
pixel-level fractions (e.g., of the broadleaf class) are not allocated 
171
pixel-level fractions (e.g., of the broadleaf class) are not allocated 
            
172
to individual trees. Analysis is recommended only for areas larger 
172
to individual trees. Analysis is recommended only for areas larger 
            
173
than 3x3 pixels, i.e. by calculating the mean values, except in rare 
173
than 3x3 pixels, i.e. by calculating the mean values, except in rare 
            
174
cases of homogeneous forest stands (either broadleaf or coniferous 
174
cases of homogeneous forest stands (either broadleaf or coniferous 
            
175
class). \n\nThis dataset uses a remote sensing-based approach for a 
175
class). \n\nThis dataset uses a remote sensing-based approach for a 
            
176
countrywide mapping of the Dominant Leaf Type (DLT) in Switzerland, 
176
countrywide mapping of the Dominant Leaf Type (DLT) in Switzerland, 
            
177
classifying areas as either broadleaf or coniferous. These datasets 
177
classifying areas as either broadleaf or coniferous. These datasets 
            
178
have a spatial resolution of 10 m and provide the fractional 
178
have a spatial resolution of 10 m and provide the fractional 
            
179
representation (0-100%) of the class broadleaf at the pixel level 
179
representation (0-100%) of the class broadleaf at the pixel level 
            
180
(covering areas with vegetation height > 5m).\nThe classification 
180
(covering areas with vegetation height > 5m).\nThe classification 
            
181
approach is based on a Random Forest (RF) classifier, that combines 
181
approach is based on a Random Forest (RF) classifier, that combines 
            
182
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
182
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
            
183
with the SwissAlti3D terrain model. The models were calibrated using 
183
with the SwissAlti3D terrain model. The models were calibrated using 
            
184
digitized training polygons and independently validated data from the 
184
digitized training polygons and independently validated data from the 
            
185
National Forest Inventory (NFI). Whereas high model overall accuracies 
185
National Forest Inventory (NFI). Whereas high model overall accuracies 
            
186
(0.97) and kappa (0.96) were achieved, the comparison of the tree type 
186
(0.97) and kappa (0.96) were achieved, the comparison of the tree type 
            
187
map with independent NFI data revealed deviations in mixed 
187
map with independent NFI data revealed deviations in mixed 
            
188
stands.\n\nThe dataset 'Forest Type NFI 2018' is available on request 
188
stands.\n\nThe dataset 'Forest Type NFI 2018' is available on request 
            
189
(lars.waser@wsl.ch).\n\n",
189
(lars.waser@wsl.ch).\n\n",
            
190
      "doi": "10.16904/1000001.6",
190
      "doi": "10.16904/1000001.6",
            
191
      "format": "geotiff",
191
      "format": "geotiff",
            
192
      "hash": "",
192
      "hash": "",
            
193
      "id": "5a18924a-ef5a-4af2-a391-b0056a0874bb",
193
      "id": "5a18924a-ef5a-4af2-a391-b0056a0874bb",
            
194
      "last_modified": "2025-03-07T08:14:12.880000",
194
      "last_modified": "2025-03-07T08:14:12.880000",
            
195
      "metadata_modified": "2025-03-07T07:14:13.227379",
195
      "metadata_modified": "2025-03-07T07:14:13.227379",
            
196
      "mimetype": null,
196
      "mimetype": null,
            
197
      "mimetype_inner": null,
197
      "mimetype_inner": null,
            
198
      "name": "Forest Type NFI 2018",
198
      "name": "Forest Type NFI 2018",
            
199
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
199
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
200
      "position": 0,
200
      "position": 0,
            
201
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
201
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
            
202
      "resource_type": null,
202
      "resource_type": null,
            
203
      "restricted": 
203
      "restricted": 
            
204
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
204
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
205
      "size": 191049626,
205
      "size": 191049626,
            
206
      "state": "active",
206
      "state": "active",
            
207
      "url": 
207
      "url": 
            
208
18924a-ef5a-4af2-a391-b0056a0874bb/download/forest-type-nfi-2018.tif",
208
18924a-ef5a-4af2-a391-b0056a0874bb/download/forest-type-nfi-2018.tif",
            
209
      "url_type": "upload"
209
      "url_type": "upload"
            
210
    },
210
    },
            
211
    {
211
    {
            
212
      "cache_last_updated": null,
212
      "cache_last_updated": null,
            
213
      "cache_url": null,
213
      "cache_url": null,
            
214
      "created": "2021-03-27T04:57:32.557727",
214
      "created": "2021-03-27T04:57:32.557727",
            
215
      "description": "This dataset presents a countrywide map with the 
215
      "description": "This dataset presents a countrywide map with the 
            
216
two classes broadleaf and coniferous in Switzerland based on digital 
216
two classes broadleaf and coniferous in Switzerland based on digital 
            
217
aerial imagery. The spatial resolution of the data set is 3 m. The 
217
aerial imagery. The spatial resolution of the data set is 3 m. The 
            
218
pixel values correspond to the fraction (0-100 %) of the class 
218
pixel values correspond to the fraction (0-100 %) of the class 
            
219
broadleaf.\nThe classification approach incorporates a RF classifier, 
219
broadleaf.\nThe classification approach incorporates a RF classifier, 
            
220
predictors from multispectral aerial imagery (ADS80) and the 
220
predictors from multispectral aerial imagery (ADS80) and the 
            
221
SwissAlti3D terrain model. The model was tested, trained and validated 
221
SwissAlti3D terrain model. The model was tested, trained and validated 
            
222
using 90,000 digitized polygons and achieved an overall accuracy of 
222
using 90,000 digitized polygons and achieved an overall accuracy of 
            
223
0.99 and a kappa of 0.98. Independent validation and plausibility 
223
0.99 and a kappa of 0.98. Independent validation and plausibility 
            
224
check included the comparison of the predicted results with aerial 
224
check included the comparison of the predicted results with aerial 
            
225
image interpretations of the NFI. Significant deviations were 
225
image interpretations of the NFI. Significant deviations were 
            
226
observed, primarily due to an underestimation of broadleaved trees 
226
observed, primarily due to an underestimation of broadleaved trees 
            
227
(median underestimation of 3.17%), especially in mixed forest stands. 
227
(median underestimation of 3.17%), especially in mixed forest stands. 
            
228
For more details, see Waser et al. (2017).\n\nData 'Forest Type NFI 
228
For more details, see Waser et al. (2017).\n\nData 'Forest Type NFI 
            
229
2016' available on request (lars.waser@wsl.ch).",
229
2016' available on request (lars.waser@wsl.ch).",
            
230
      "doi": "10.16904/1000001.3",
230
      "doi": "10.16904/1000001.3",
            
231
      "format": "geotiff",
231
      "format": "geotiff",
            
232
      "hash": "",
232
      "hash": "",
            
233
      "id": "0f22d071-5aac-4bfd-936d-89c0a56eed36",
233
      "id": "0f22d071-5aac-4bfd-936d-89c0a56eed36",
            
234
      "last_modified": "2025-03-06T14:38:42.823000",
234
      "last_modified": "2025-03-06T14:38:42.823000",
            
235
      "metadata_modified": "2025-03-06T13:38:43.468367",
235
      "metadata_modified": "2025-03-06T13:38:43.468367",
            
236
      "mimetype": null,
236
      "mimetype": null,
            
237
      "mimetype_inner": null,
237
      "mimetype_inner": null,
            
238
      "name": "Forest Type NFI 2016",
238
      "name": "Forest Type NFI 2016",
            
239
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
239
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
240
      "position": 1,
240
      "position": 1,
            
241
      "resource_size": "{\"size_value\":\"3\",\"size_units\":\"gb\"}",
241
      "resource_size": "{\"size_value\":\"3\",\"size_units\":\"gb\"}",
            
242
      "resource_type": null,
242
      "resource_type": null,
            
243
      "restricted": 
243
      "restricted": 
            
244
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
244
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
245
      "size": 69,
245
      "size": 69,
            
246
      "state": "active",
246
      "state": "active",
            
247
      "url": "",
247
      "url": "",
            
248
      "url_type": ""
248
      "url_type": ""
            
249
    },
249
    },
            
250
    {
250
    {
            
251
      "cache_last_updated": null,
251
      "cache_last_updated": null,
            
252
      "cache_url": null,
252
      "cache_url": null,
            
253
      "created": "2018-04-03T10:42:10.760550",
253
      "created": "2018-04-03T10:42:10.760550",
            
254
      "description": "Waser, L. T., Ginzler, C., & Rehush, N. (2017). 
254
      "description": "Waser, L. T., Ginzler, C., & Rehush, N. (2017). 
            
255
Wall-to-Wall Tree Type Mapping from Countrywide Airborne Remote 
255
Wall-to-Wall Tree Type Mapping from Countrywide Airborne Remote 
            
256
Sensing Surveys. Remote Sensing, 9(8), 766. 
256
Sensing Surveys. Remote Sensing, 9(8), 766. 
            
257
https://doi.org/10.3390/rs9080766",
257
https://doi.org/10.3390/rs9080766",
            
258
      "doi": "10.3390/rs9080766",
258
      "doi": "10.3390/rs9080766",
            
259
      "format": "PDF",
259
      "format": "PDF",
            
260
      "hash": "",
260
      "hash": "",
            
261
      "id": "98ae863c-1ba1-444f-b535-cd4f512c4227",
261
      "id": "98ae863c-1ba1-444f-b535-cd4f512c4227",
            
262
      "last_modified": "2025-03-04T23:05:32.264000",
262
      "last_modified": "2025-03-04T23:05:32.264000",
            
263
      "metadata_modified": "2025-03-04T22:05:32.666679",
263
      "metadata_modified": "2025-03-04T22:05:32.666679",
            
264
      "mimetype": null,
264
      "mimetype": null,
            
265
      "mimetype_inner": null,
265
      "mimetype_inner": null,
            
266
      "name": "Research Article",
266
      "name": "Research Article",
            
267
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
267
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
268
      "position": 2,
268
      "position": 2,
            
269
      "resource_size": 
269
      "resource_size": 
            
270
"{\"size_value\":\"100\",\"size_units\":\"kb\"}",
270
"{\"size_value\":\"100\",\"size_units\":\"kb\"}",
            
271
      "resource_type": null,
271
      "resource_type": null,
            
272
      "restricted": 
272
      "restricted": 
            
273
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
273
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
274
      "size": null,
274
      "size": null,
            
275
      "state": "active",
275
      "state": "active",
            
276
      "url": 
276
      "url": 
            
277
"https://www.dora.lib4ri.ch/wsl/islandora/object/wsl:14162",
277
"https://www.dora.lib4ri.ch/wsl/islandora/object/wsl:14162",
            
278
      "url_type": null
278
      "url_type": null
            
279
    },
279
    },
            
280
    {
280
    {
            
281
      "cache_last_updated": null,
281
      "cache_last_updated": null,
            
282
      "cache_url": null,
282
      "cache_url": null,
            
283
      "created": "2018-04-03T13:06:34.033220",
283
      "created": "2018-04-03T13:06:34.033220",
            
284
      "description": "Sample illustration of the Forest Type NFI 
284
      "description": "Sample illustration of the Forest Type NFI 
            
285
dataset.",
285
dataset.",
            
286
      "doi": "",
286
      "doi": "",
            
287
      "format": "JPEG",
287
      "format": "JPEG",
            
288
      "hash": "",
288
      "hash": "",
            
289
      "id": "7b6e4f37-c428-45dc-ba34-f40dd8368769",
289
      "id": "7b6e4f37-c428-45dc-ba34-f40dd8368769",
            
290
      "last_modified": "2025-03-09T22:30:09.166000",
290
      "last_modified": "2025-03-09T22:30:09.166000",
            
291
      "metadata_modified": "2025-03-09T21:30:09.529289",
291
      "metadata_modified": "2025-03-09T21:30:09.529289",
            
292
      "mimetype": "image/jpeg",
292
      "mimetype": "image/jpeg",
            
293
      "mimetype_inner": null,
293
      "mimetype_inner": null,
            
294
      "name": "Thumbnail",
294
      "name": "Thumbnail",
            
295
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
295
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
296
      "position": 3,
296
      "position": 3,
            
297
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
297
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
            
298
      "resource_type": null,
298
      "resource_type": null,
            
299
      "restricted": 
299
      "restricted": 
            
300
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
300
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
301
      "size": 3072776,
301
      "size": 3072776,
            
302
      "state": "active",
302
      "state": "active",
            
303
      "url": 
303
      "url": 
            
304
e4f37-c428-45dc-ba34-f40dd8368769/download/forest_type_thumbnail.jpg",
304
e4f37-c428-45dc-ba34-f40dd8368769/download/forest_type_thumbnail.jpg",
            
305
      "url_type": "upload"
305
      "url_type": "upload"
            
306
    },
306
    },
            
307
    {
307
    {
            
308
      "cache_last_updated": null,
308
      "cache_last_updated": null,
            
309
      "cache_url": null,
309
      "cache_url": null,
            
310
      "created": "2025-03-04T22:11:00.261394",
310
      "created": "2025-03-04T22:11:00.261394",
            
311
      "description": "Waser, L. T., R\u00fcetschi, M., Psomas, A., 
311
      "description": "Waser, L. T., R\u00fcetschi, M., Psomas, A., 
            
312
Small, D., & Rehush, N. (2021). Mapping dominant leaf type based on 
312
Small, D., & Rehush, N. (2021). Mapping dominant leaf type based on 
            
313
combined Sentinel-1/-2 data \u2013 Challenges for mountainous 
313
combined Sentinel-1/-2 data \u2013 Challenges for mountainous 
            
314
countries. ISPRS Journal of Photogrammetry and Remote Sensing, 180, 
314
countries. ISPRS Journal of Photogrammetry and Remote Sensing, 180, 
            
315
209-226. https://doi.org/10.1016/j.isprsjprs.2021.08.017",
315
209-226. https://doi.org/10.1016/j.isprsjprs.2021.08.017",
            
316
      "doi": "",
316
      "doi": "",
            
317
      "format": "PDF",
317
      "format": "PDF",
            
318
      "hash": "",
318
      "hash": "",
            
319
      "id": "659800b6-060e-40cb-9771-e46d71cba3e1",
319
      "id": "659800b6-060e-40cb-9771-e46d71cba3e1",
            
320
      "last_modified": "2025-03-04T23:13:18.542000",
320
      "last_modified": "2025-03-04T23:13:18.542000",
            
321
      "metadata_modified": "2025-03-04T22:13:18.960670",
321
      "metadata_modified": "2025-03-04T22:13:18.960670",
            
322
      "mimetype": null,
322
      "mimetype": null,
            
323
      "mimetype_inner": null,
323
      "mimetype_inner": null,
            
324
      "name": "Research Article",
324
      "name": "Research Article",
            
325
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
325
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
326
      "position": 4,
326
      "position": 4,
            
327
      "resource_size": 
327
      "resource_size": 
            
328
"{\"size_value\":\"400\",\"size_units\":\"kb\"}",
328
"{\"size_value\":\"400\",\"size_units\":\"kb\"}",
            
329
      "resource_type": null,
329
      "resource_type": null,
            
330
      "restricted": 
330
      "restricted": 
            
331
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
331
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
332
      "size": null,
332
      "size": null,
            
333
      "state": "active",
333
      "state": "active",
            
334
      "url": 
334
      "url": 
            
335
"https://www.dora.lib4ri.ch/wsl/islandora/object/wsl:28243",
335
"https://www.dora.lib4ri.ch/wsl/islandora/object/wsl:28243",
            
336
      "url_type": null
336
      "url_type": null
            
337
    },
337
    },
            
338
    {
338
    {
            
339
      "cache_last_updated": null,
339
      "cache_last_updated": null,
            
340
      "cache_url": null,
340
      "cache_url": null,
            
341
      "created": "2025-03-06T13:23:45.237260",
341
      "created": "2025-03-06T13:23:45.237260",
            
342
      "description": "\n**Important note:** This dataset is NOT 
342
      "description": "\n**Important note:** This dataset is NOT 
            
343
suitable for analysis at the individual tree crown level because 
343
suitable for analysis at the individual tree crown level because 
            
344
pixel-level fractions (e.g., of the broadleaf class) are not allocated 
344
pixel-level fractions (e.g., of the broadleaf class) are not allocated 
            
345
to individual trees. Analysis is recommended only for areas larger 
345
to individual trees. Analysis is recommended only for areas larger 
            
346
than 3x3 pixels, i.e. by calculating the mean values, except in rare 
346
than 3x3 pixels, i.e. by calculating the mean values, except in rare 
            
347
cases of homogeneous forest stands (either broadleaf or coniferous 
347
cases of homogeneous forest stands (either broadleaf or coniferous 
            
348
class).\n\nThis dataset uses a remote sensing-based approach for a 
348
class).\n\nThis dataset uses a remote sensing-based approach for a 
            
349
countrywide mapping of the Dominant Leaf Type (DLT) in Switzerland, 
349
countrywide mapping of the Dominant Leaf Type (DLT) in Switzerland, 
            
350
classifying areas as either broadleaf or coniferous. These datasets 
350
classifying areas as either broadleaf or coniferous. These datasets 
            
351
have a spatial resolution of 10 m and provide the fractional 
351
have a spatial resolution of 10 m and provide the fractional 
            
352
representation (0-100%) of the class broadleaf at the pixel level 
352
representation (0-100%) of the class broadleaf at the pixel level 
            
353
(covering areas with vegetation height > 3m).\nThe classification 
353
(covering areas with vegetation height > 3m).\nThe classification 
            
354
approach is based on a Random Forest (RF) classifier, that combines 
354
approach is based on a Random Forest (RF) classifier, that combines 
            
355
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
355
predictors derived from multi-temporal Sentinel-1 and Sentinel-2 data 
            
356
with the SwissAlti3D terrain model. The models were calibrated using 
356
with the SwissAlti3D terrain model. The models were calibrated using 
            
357
digitized training polygons and independently validated data from the 
357
digitized training polygons and independently validated data from the 
            
358
National Forest Inventory (NFI). Whereas high model overall accuracies 
358
National Forest Inventory (NFI). Whereas high model overall accuracies 
            
359
(0.97) and kappa (0.96) were achieved, the comparison of the tree type 
359
(0.97) and kappa (0.96) were achieved, the comparison of the tree type 
            
360
map with independent NFI data revealed deviations in mixed 
360
map with independent NFI data revealed deviations in mixed 
            
361
stands.\n\nThe dataset 'Forest Type NFI 2018' is available on request 
361
stands.\n\nThe dataset 'Forest Type NFI 2018' is available on request 
            
362
(lars.waser@wsl.ch).",
362
(lars.waser@wsl.ch).",
            
363
      "doi": "",
363
      "doi": "",
            
364
      "format": "geotif",
364
      "format": "geotif",
            
365
      "hash": "",
365
      "hash": "",
            
366
      "id": "884141d9-164a-4088-bc3a-5b4d4bb53d8f",
366
      "id": "884141d9-164a-4088-bc3a-5b4d4bb53d8f",
            
367
      "last_modified": "2025-03-07T08:15:14.960000",
367
      "last_modified": "2025-03-07T08:15:14.960000",
            
368
      "metadata_modified": "2025-03-07T07:15:15.294902",
368
      "metadata_modified": "2025-03-07T07:15:15.294902",
            
369
      "mimetype": "image/tiff",
369
      "mimetype": "image/tiff",
            
370
      "mimetype_inner": null,
370
      "mimetype_inner": null,
            
371
      "name": "Forest Type NFI 2023",
371
      "name": "Forest Type NFI 2023",
            
372
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
372
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
373
      "position": 5,
373
      "position": 5,
            
374
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
374
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
            
375
      "resource_type": null,
375
      "resource_type": null,
            
376
      "restricted": 
376
      "restricted": 
            
377
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
377
\"same_organization\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
378
      "size": 3329049504,
378
      "size": 3329049504,
            
379
      "state": "active",
379
      "state": "active",
            
380
      "url": 
380
      "url": 
            
381
-4088-bc3a-5b4d4bb53d8f/download/waldmischungsgrad_2023_10m_2056.tif",
381
-4088-bc3a-5b4d4bb53d8f/download/waldmischungsgrad_2023_10m_2056.tif",
            
382
      "url_type": "upload"
382
      "url_type": "upload"
            
383
    },
383
    },
            
384
    {
384
    {
            
385
      "cache_last_updated": null,
385
      "cache_last_updated": null,
            
386
      "cache_url": null,
386
      "cache_url": null,
            
387
      "created": "2025-03-09T21:36:32.049910",
387
      "created": "2025-03-09T21:36:32.049910",
            
388
      "description": "Preview of the dataset Forest Type NFI 2023.",
388
      "description": "Preview of the dataset Forest Type NFI 2023.",
            
389
      "doi": "",
389
      "doi": "",
            
390
      "format": "JPEG",
390
      "format": "JPEG",
            
391
      "hash": "",
391
      "hash": "",
            
392
      "id": "d0eefe2f-2ce9-4c48-91aa-c99fe0bb2a67",
392
      "id": "d0eefe2f-2ce9-4c48-91aa-c99fe0bb2a67",
            
393
      "last_modified": "2025-03-09T22:37:56.389000",
393
      "last_modified": "2025-03-09T22:37:56.389000",
            
394
      "metadata_modified": "2025-03-09T21:37:56.740956",
394
      "metadata_modified": "2025-03-09T21:37:56.740956",
            
395
      "mimetype": "image/jpeg",
395
      "mimetype": "image/jpeg",
            
396
      "mimetype_inner": null,
396
      "mimetype_inner": null,
            
397
      "name": "Dataset preview ",
397
      "name": "Dataset preview ",
            
398
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
398
      "package_id": "82d763fa-123a-4648-b827-0dec02a5efbc",
            
399
      "position": 6,
399
      "position": 6,
            
400
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
400
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
            
401
      "resource_type": null,
401
      "resource_type": null,
            
402
      "restricted": 
402
      "restricted": 
            
403
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
403
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
404
      "size": 138211,
404
      "size": 138211,
            
405
      "state": "active",
405
      "state": "active",
            
406
      "url": 
406
      "url": 
            
407
ce/d0eefe2f-2ce9-4c48-91aa-c99fe0bb2a67/download/foresttype-2023.jpg",
407
ce/d0eefe2f-2ce9-4c48-91aa-c99fe0bb2a67/download/foresttype-2023.jpg",
            
408
      "url_type": "upload"
408
      "url_type": "upload"
            
409
    }
409
    }
            
410
  ],
410
  ],
            
411
  "spatial": 
411
  "spatial": 
            
412
inates\":[[[-175,-85],[-175,85],[175,85],[175,-85],[-175,-85]]]}]}]}",
412
inates\":[[[-175,-85],[-175,85],[175,85],[175,-85],[-175,-85]]]}]}]}",
            
413
  "spatial_info": "Switzerland",
413
  "spatial_info": "Switzerland",
            
414
  "state": "active",
414
  "state": "active",
            
415
  "subtitle": "",
415
  "subtitle": "",
            
416
  "tags": [
416
  "tags": [
            
417
    {
417
    {
            
t
t
418
      "display_name": "BROADLEAF PROBABILITY",
            
419
      "id": "b2c1c2b5-27cf-4439-870b-bf797970a6a6",
            
420
      "name": "BROADLEAF PROBABILITY",
            
421
      "state": "active",
            
422
      "vocabulary_id": null
            
423
    },
            
424
    {
            
418
      "display_name": "DOMINANT LEAFTYPE",
425
      "display_name": "DOMINANT LEAFTYPE",
            
419
      "id": "1b334234-4bd0-44d4-bb78-039fe70bab90",
426
      "id": "1b334234-4bd0-44d4-bb78-039fe70bab90",
            
420
      "name": "DOMINANT LEAFTYPE",
427
      "name": "DOMINANT LEAFTYPE",
            
421
      "state": "active",
428
      "state": "active",
            
422
      "vocabulary_id": null
429
      "vocabulary_id": null
            
423
    },
430
    },
            
424
    {
431
    {
            
425
      "display_name": "FOREST",
432
      "display_name": "FOREST",
            
426
      "id": "90cd0d8f-8df0-4b78-ac11-6e38c2a22106",
433
      "id": "90cd0d8f-8df0-4b78-ac11-6e38c2a22106",
            
427
      "name": "FOREST",
434
      "name": "FOREST",
            
428
      "state": "active",
435
      "state": "active",
            
429
      "vocabulary_id": null
436
      "vocabulary_id": null
            
430
    },
437
    },
            
431
    {
438
    {
            
432
      "display_name": "FOREST INVENTORY",
439
      "display_name": "FOREST INVENTORY",
            
433
      "id": "d1b2883f-be82-426b-8a5e-fd6d36bc2855",
440
      "id": "d1b2883f-be82-426b-8a5e-fd6d36bc2855",
            
434
      "name": "FOREST INVENTORY",
441
      "name": "FOREST INVENTORY",
            
435
      "state": "active",
442
      "state": "active",
            
436
      "vocabulary_id": null
443
      "vocabulary_id": null
            
437
    },
444
    },
            
438
    {
445
    {
            
439
      "display_name": "FOREST TYPE",
446
      "display_name": "FOREST TYPE",
            
440
      "id": "52ad8bb3-8ec8-4e9d-8798-858d7662c3e4",
447
      "id": "52ad8bb3-8ec8-4e9d-8798-858d7662c3e4",
            
441
      "name": "FOREST TYPE",
448
      "name": "FOREST TYPE",
            
442
      "state": "active",
449
      "state": "active",
            
443
      "vocabulary_id": null
450
      "vocabulary_id": null
            
444
    },
451
    },
            
445
    {
452
    {
            
446
      "display_name": "NFI",
453
      "display_name": "NFI",
            
447
      "id": "0a74eb64-cf7b-42df-b2d4-1a5ad8171458",
454
      "id": "0a74eb64-cf7b-42df-b2d4-1a5ad8171458",
            
448
      "name": "NFI",
455
      "name": "NFI",
            
449
      "state": "active",
456
      "state": "active",
            
450
      "vocabulary_id": null
457
      "vocabulary_id": null
            
451
    },
458
    },
            
452
    {
459
    {
            
453
      "display_name": "REMOTE SENSING",
460
      "display_name": "REMOTE SENSING",
            
454
      "id": "1bc9d51e-2500-44a7-857b-13710a59e4be",
461
      "id": "1bc9d51e-2500-44a7-857b-13710a59e4be",
            
455
      "name": "REMOTE SENSING",
462
      "name": "REMOTE SENSING",
            
456
      "state": "active",
463
      "state": "active",
            
457
      "vocabulary_id": null
464
      "vocabulary_id": null
            
458
    }
465
    }
            
459
  ],
466
  ],
            
460
  "title": "Forest Type NFI",
467
  "title": "Forest Type NFI",
            
461
  "type": "dataset",
468
  "type": "dataset",
            
462
  "url": null,
469
  "url": null,
            
463
  "version": "2023"
470
  "version": "2023"
            
464
}
471
}