Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"given_name\": \"Tiziana\", \"name\": \"Koch\", 
2
  "author": "[{\"given_name\": \"Tiziana\", \"name\": \"Koch\", 
            
3
\"email\": \"tiziana.li@t-online.de\", \"data_credit\": [], 
3
\"email\": \"tiziana.li@t-online.de\", \"data_credit\": [], 
            
4
\"identifier\": \"0000-0002-0195-4119\", \"affiliation\": \"Swiss 
4
\"identifier\": \"0000-0002-0195-4119\", \"affiliation\": \"Swiss 
            
5
Federal Research Institute WSL and University of Zurich\"}, 
5
Federal Research Institute WSL and University of Zurich\"}, 
            
6
{\"given_name\": \"Martina\", \"name\": \"Hobi\", \"email\": 
6
{\"given_name\": \"Martina\", \"name\": \"Hobi\", \"email\": 
            
7
\"martina.hobi@wsl.ch\", \"data_credit\": [\"supervision\", 
7
\"martina.hobi@wsl.ch\", \"data_credit\": [\"supervision\", 
            
8
\"publication\"], \"identifier\": \"\", \"affiliation\": \"Swiss 
8
\"publication\"], \"identifier\": \"\", \"affiliation\": \"Swiss 
            
9
Federal Research Institute WSL, Z\\u00fcrcherstrasse 111, 8903 
9
Federal Research Institute WSL, Z\\u00fcrcherstrasse 111, 8903 
            
10
Birmensdorf, Switzerland\"}, {\"given_name\": \"Felix\", \"name\": 
10
Birmensdorf, Switzerland\"}, {\"given_name\": \"Felix\", \"name\": 
            
11
\"Morsdorf\", \"email\": \"felix.morsdorf@geo.uzh.ch\", 
11
\"Morsdorf\", \"email\": \"felix.morsdorf@geo.uzh.ch\", 
            
12
\"data_credit\": [\"publication\", \"supervision\"], \"identifier\": 
12
\"data_credit\": [\"publication\", \"supervision\"], \"identifier\": 
            
13
\"\", \"affiliation\": \"University of Zurich\"}, {\"given_name\": 
13
\"\", \"affiliation\": \"University of Zurich\"}, {\"given_name\": 
            
14
\"Lars\", \"name\": \"Waser\", \"email\": \"lars.waser@wsl.ch\", 
14
\"Lars\", \"name\": \"Waser\", \"email\": \"lars.waser@wsl.ch\", 
            
15
\"data_credit\": [\"supervision\", \"publication\"], \"identifier\": 
15
\"data_credit\": [\"supervision\", \"publication\"], \"identifier\": 
            
16
\"D-5937-2011\", \"affiliation\": \"Swiss Federal Institute for 
16
\"D-5937-2011\", \"affiliation\": \"Swiss Federal Institute for 
            
17
Forest, Snow and Landscape Research WSL \"}]",
17
Forest, Snow and Landscape Research WSL \"}]",
            
18
  "author_email": null,
18
  "author_email": null,
            
19
  "creator_user_id": "06333ba0-47fe-41e8-9b65-5945024eca8a",
19
  "creator_user_id": "06333ba0-47fe-41e8-9b65-5945024eca8a",
            
20
  "date": 
20
  "date": 
            
21
:\"collected\",\"date\":\"2020-01-01\",\"end_date\":\"2020-12-31\"}]",
21
:\"collected\",\"date\":\"2020-01-01\",\"end_date\":\"2020-12-31\"}]",
            
22
  "doi": "10.16904/envidat.506",
22
  "doi": "10.16904/envidat.506",
            
23
  "funding": "[{\"institution\":\"Swiss National Science 
23
  "funding": "[{\"institution\":\"Swiss National Science 
            
24
tion\",\"grant_number\":\"200021_184605\",\"institution_url\":\"\"}]",
24
tion\",\"grant_number\":\"200021_184605\",\"institution_url\":\"\"}]",
            
25
  "groups": [],
25
  "groups": [],
            
26
  "id": "bf5a19da-7b55-4149-8293-08fd0af29969",
26
  "id": "bf5a19da-7b55-4149-8293-08fd0af29969",
            
27
  "isopen": true,
27
  "isopen": true,
            
28
  "license_id": "cc-by-sa",
28
  "license_id": "cc-by-sa",
            
29
  "license_title": "Creative Commons Attribution Share-Alike 
29
  "license_title": "Creative Commons Attribution Share-Alike 
            
30
(CC-BY-SA)",
30
(CC-BY-SA)",
            
31
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
31
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
            
32
  "maintainer": 
32
  "maintainer": 
            
33
"{\"email\":\"tiziana.li@t-online.de\",\"given_name\":\"Tiziana 
33
"{\"email\":\"tiziana.li@t-online.de\",\"given_name\":\"Tiziana 
            
34
Li\",\"name\":\"Koch\"}",
34
Li\",\"name\":\"Koch\"}",
            
35
  "maintainer_email": null,
35
  "maintainer_email": null,
            
36
  "metadata_created": "2024-04-18T12:25:50.928090",
36
  "metadata_created": "2024-04-18T12:25:50.928090",
            
n
37
  "metadata_modified": "2024-04-24T13:36:33.791875",
n
37
  "metadata_modified": "2025-03-04T10:59:31.905900",
            
38
  "name": "tree-species-map-of-switzerland",
38
  "name": "tree-species-map-of-switzerland",
            
39
  "notes": "\n# Dominant tree species map of Switzerland\nWe created a 
39
  "notes": "\n# Dominant tree species map of Switzerland\nWe created a 
            
40
tree species map of Switzerland for the dominant tree species in the 
40
tree species map of Switzerland for the dominant tree species in the 
            
41
forested areas. The spatial resolution of the map is 10 m and the 
41
forested areas. The spatial resolution of the map is 10 m and the 
            
42
coordinate system is ETRS89-extended / LAEA Europe (EPSG 3035). The 
42
coordinate system is ETRS89-extended / LAEA Europe (EPSG 3035). The 
            
43
map comprises Sentinel-2 index time series from the year 2020, a 
43
map comprises Sentinel-2 index time series from the year 2020, a 
            
44
digital elevation model and species reference data from the Swiss 
44
digital elevation model and species reference data from the Swiss 
            
45
National Forest Inventory. The map is available as raster (.tif) or 
45
National Forest Inventory. The map is available as raster (.tif) or 
            
46
vector dataset (.gpkg). \n**Access will be granted upon 
46
vector dataset (.gpkg). \n**Access will be granted upon 
            
47
request.**\n\nIn total, the following 15 species were mapped: \n*Abies 
47
request.**\n\nIn total, the following 15 species were mapped: \n*Abies 
            
48
alba*, *Acer pseudoplatanus*, *Alnus glutinosa*, *Alnus incana*, 
48
alba*, *Acer pseudoplatanus*, *Alnus glutinosa*, *Alnus incana*, 
            
49
*Betula pendula*, *Castanea sativa*, *Fagus sylvatica*, *Fraxinus 
49
*Betula pendula*, *Castanea sativa*, *Fagus sylvatica*, *Fraxinus 
            
50
excelsior*, *Picea abies*, *Pinus cembra*, *Pinus mugo arborea*, 
50
excelsior*, *Picea abies*, *Pinus cembra*, *Pinus mugo arborea*, 
            
51
*Pinus sylvestris*, *Quercus petraea*, *Quercus robur*, *Sorbus 
51
*Pinus sylvestris*, *Quercus petraea*, *Quercus robur*, *Sorbus 
            
52
aucuparia*. \n\n\n<br/><br/>\n# Approach\n<br/><br/>\n### Data\n- 
52
aucuparia*. \n\n\n<br/><br/>\n# Approach\n<br/><br/>\n### Data\n- 
            
53
Swiss National Forest Inventory Data (stand species with > 60 % 
53
Swiss National Forest Inventory Data (stand species with > 60 % 
            
54
dominance in upper canopy; on at least more than 9 plots dominant)\n- 
54
dominance in upper canopy; on at least more than 9 plots dominant)\n- 
            
55
Sentinel-2 time series (2020, Indices: CCI, CIRE, NDMI, EVI, NDVI)\n- 
55
Sentinel-2 time series (2020, Indices: CCI, CIRE, NDMI, EVI, NDVI)\n- 
            
56
Digital elevation model (DEM) (swissalti3d, 5 m)\n- Biogeographical 
56
Digital elevation model (DEM) (swissalti3d, 5 m)\n- Biogeographical 
            
57
regions (Federal Office for the Environment FOEN)\n- Forest mask 2017 
57
regions (Federal Office for the Environment FOEN)\n- Forest mask 2017 
            
58
(Approach: Waser et al., 2015)\n\n<br/><br/>\n### Modeling 
58
(Approach: Waser et al., 2015)\n\n<br/><br/>\n### Modeling 
            
59
approach\nWe identified the most meaningful variables that led to 
59
approach\nWe identified the most meaningful variables that led to 
            
60
separation of the respective groups by using random forest models with 
60
separation of the respective groups by using random forest models with 
            
61
a forward feature selection (Meyer et al., 2018; Ververidis & 
61
a forward feature selection (Meyer et al., 2018; Ververidis & 
            
62
Kotropoulos, 2005). In this approach, the final random forest model is 
62
Kotropoulos, 2005). In this approach, the final random forest model is 
            
63
solely built from the selected meaningful variables. By identifying 
63
solely built from the selected meaningful variables. By identifying 
            
64
meaningful variables, we can determine which variables might influence 
64
meaningful variables, we can determine which variables might influence 
            
65
the grouping. Further, to avoid overfitting and overly optimistic 
65
the grouping. Further, to avoid overfitting and overly optimistic 
            
66
results, we applied 10-fold spatial cross-validation and put all 
66
results, we applied 10-fold spatial cross-validation and put all 
            
67
pixels from a plot in the same spatial fold.\nThe modeling was 
67
pixels from a plot in the same spatial fold.\nThe modeling was 
            
68
realized using the CAST package in R (Meyer et al., 2022), based on 
68
realized using the CAST package in R (Meyer et al., 2022), based on 
            
69
the well-known caret package (Kuhn, 2022). We used the ranger package 
69
the well-known caret package (Kuhn, 2022). We used the ranger package 
            
70
in R (Wright & Ziegler, 2017) to implement the random forest models, 
70
in R (Wright & Ziegler, 2017) to implement the random forest models, 
            
71
due to its short computation time.\n<br/><br/>\n### Training data for 
71
due to its short computation time.\n<br/><br/>\n### Training data for 
            
72
modeling\n- 295 Sentinel-2, DEM & Biogeographical variables\n- 10525 
72
modeling\n- 295 Sentinel-2, DEM & Biogeographical variables\n- 10525 
            
73
tree species pixels\n\n<br/><br/>\n\n### Selected variables for final 
73
tree species pixels\n\n<br/><br/>\n\n### Selected variables for final 
            
74
model\n1. EVI of 2020.05.16\n2. NDMI of 2020.03.12\n3. CIRE of 
74
model\n1. EVI of 2020.05.16\n2. NDMI of 2020.03.12\n3. CIRE of 
            
75
2020.04.16\n4. NDMI of 2020.07.05\n5. CCI of 2020.05.11\n6. dem\n7. 
75
2020.04.16\n4. NDMI of 2020.07.05\n5. CCI of 2020.05.11\n6. dem\n7. 
            
76
CCI of 2020.08.14\n8. NDMI of 2020.08.24\n9. CCI of 2020.12.22\n10. 
76
CCI of 2020.08.14\n8. NDMI of 2020.08.24\n9. CCI of 2020.12.22\n10. 
            
77
NDMI of 2020.04.21\n11. NDMI of 2020.11.17\n12. NDMI of 
77
NDMI of 2020.04.21\n11. NDMI of 2020.11.17\n12. NDMI of 
            
78
2020.08.09\n13. CIRE of 2020.03.22\n14. CIRE of 2020.08.09\n14. CCI of 
78
2020.08.09\n13. CIRE of 2020.03.22\n14. CIRE of 2020.08.09\n14. CCI of 
            
79
2020.11.02\n15. CIRE of 2020.06.10\n\n<br/><br/>\t\n### Overall 
79
2020.11.02\n15. CIRE of 2020.06.10\n\n<br/><br/>\t\n### Overall 
            
80
Accuracy of final model\n- 0.759\n\n<br/><br/>\n\n### Nationwide 
80
Accuracy of final model\n- 0.759\n\n<br/><br/>\n\n### Nationwide 
            
81
prediction\n- Predicted throughout forest mask 2017 (Approach: Waser 
81
prediction\n- Predicted throughout forest mask 2017 (Approach: Waser 
            
82
et al., 2015) \n- Not applied on incomplete Sentinel-2 time series 
82
et al., 2015) \n- Not applied on incomplete Sentinel-2 time series 
            
83
(own category in final map: incomplete_ts)\n- Applied the Area of 
83
(own category in final map: incomplete_ts)\n- Applied the Area of 
            
84
Applicability (Meyer 2022) to sort out pixels outside of the feature 
84
Applicability (Meyer 2022) to sort out pixels outside of the feature 
            
85
space; basically where the model had not the same values for pixels as 
85
space; basically where the model had not the same values for pixels as 
            
86
in the available training data\n\n\n<br/><br/>\n<br/><br/>\n## *Be 
86
in the available training data\n\n\n<br/><br/>\n<br/><br/>\n## *Be 
            
87
aware that the map is only validated with the training data itself, an 
87
aware that the map is only validated with the training data itself, an 
            
88
independent validation with other data sources remains missing* 
88
independent validation with other data sources remains missing* 
            
89
\n\n<br/><br/>\n<br/><br/>\n\n# References\n- Kuhn, M. (2022). 
89
\n\n<br/><br/>\n<br/><br/>\n\n# References\n- Kuhn, M. (2022). 
            
90
Classification and Regression Training.  6.0-93.\n\n- Meyer, H., 
90
Classification and Regression Training.  6.0-93.\n\n- Meyer, H., 
            
91
Reudenbach, C., Hengl, T., Katurji, M., & Nauss, T. (2018). *Improving 
91
Reudenbach, C., Hengl, T., Katurji, M., & Nauss, T. (2018). *Improving 
            
92
performance of spatio-temporal machine learning models using forward 
92
performance of spatio-temporal machine learning models using forward 
            
93
feature selection and target-oriented validation*. Environmental 
93
feature selection and target-oriented validation*. Environmental 
            
94
Modelling and Software, 101, 1-9. 
94
Modelling and Software, 101, 1-9. 
            
95
https://doi.org/10.1016/j.envsoft.2017.12.001 \n\n- Meyer, H., 
95
https://doi.org/10.1016/j.envsoft.2017.12.001 \n\n- Meyer, H., 
            
96
Mil\u00e0, C., & Ludwig, M. (2022). *CAST: 'caret' Applications for 
96
Mil\u00e0, C., & Ludwig, M. (2022). *CAST: 'caret' Applications for 
            
97
Spatial-Temporal Models*.  0.7.0.\n\n- Ververidis, D., & Kotropoulos, 
97
Spatial-Temporal Models*.  0.7.0.\n\n- Ververidis, D., & Kotropoulos, 
            
98
C. (2005). *Sequential forward feature selection with low 
98
C. (2005). *Sequential forward feature selection with low 
            
99
computational cost*. 2005 13th European Signal Processing Conference. 
99
computational cost*. 2005 13th European Signal Processing Conference. 
            
100
\n\n- Waser, L., Fischer, C.,Wang, Z., & Ginzler, C. (2015). 
100
\n\n- Waser, L., Fischer, C.,Wang, Z., & Ginzler, C. (2015). 
            
101
*Wall-to-Wall Forest Mapping Based on Digital Surface Models from 
101
*Wall-to-Wall Forest Mapping Based on Digital Surface Models from 
            
102
Image-Based Point Clouds and a NFI Forest Definition*. Forests, 6, 12, 
102
Image-Based Point Clouds and a NFI Forest Definition*. Forests, 6, 12, 
            
103
4510\u20134528.\n\n- Wright, M. N., & Ziegler, A. (2017). *ranger: A 
103
4510\u20134528.\n\n- Wright, M. N., & Ziegler, A. (2017). *ranger: A 
            
104
Fast Implementation of Random Forests for High Dimensional Data in C++ 
104
Fast Implementation of Random Forests for High Dimensional Data in C++ 
            
105
and R*. Journal of Statistical Software, 77(1), 1-17. 
105
and R*. Journal of Statistical Software, 77(1), 1-17. 
            
106
https://doi.org/doi:10.18637/jss.v077.i01 ",
106
https://doi.org/doi:10.18637/jss.v077.i01 ",
            
107
  "num_resources": 1,
107
  "num_resources": 1,
            
108
  "num_tags": 5,
108
  "num_tags": 5,
            
109
  "organization": {
109
  "organization": {
            
110
    "approval_status": "approved",
110
    "approval_status": "approved",
            
111
    "created": "2017-04-20T16:51:21.920128",
111
    "created": "2017-04-20T16:51:21.920128",
            
112
    "description": "We develop and apply comprehensive and robust 
112
    "description": "We develop and apply comprehensive and robust 
            
113
methods to extract and classify natural objects from continuous and 
113
methods to extract and classify natural objects from continuous and 
            
114
discrete raster datasets. Relevant features are acquired to describe 
114
discrete raster datasets. Relevant features are acquired to describe 
            
115
changes in landscape and land resources at different levels using 
115
changes in landscape and land resources at different levels using 
            
116
image data. Mathematical-statistical methods are adopted for automatic 
116
image data. Mathematical-statistical methods are adopted for automatic 
            
117
detection and description of image objects. Thus we contribute 
117
detection and description of image objects. Thus we contribute 
            
118
concepts, methods and data to describe/detect area wide changes and 
118
concepts, methods and data to describe/detect area wide changes and 
            
119
processes in the resources of landscape.\r\n\r\n### Tasks and main 
119
processes in the resources of landscape.\r\n\r\n### Tasks and main 
            
120
research\r\n\r\n* Development and application of methods to extract 
120
research\r\n\r\n* Development and application of methods to extract 
            
121
natural objects from continuous data.\r\n* Development of methods for 
121
natural objects from continuous data.\r\n* Development of methods for 
            
122
a comprehensive description of natural and anthropogenetic boundaries 
122
a comprehensive description of natural and anthropogenetic boundaries 
            
123
in continuous pattern (e.g. map signatures, vegetation transition, 
123
in continuous pattern (e.g. map signatures, vegetation transition, 
            
124
forest borders).\r\n* Development and application of methods to 
124
forest borders).\r\n* Development and application of methods to 
            
125
extract 3D-information from remotely sensed data for description of 
125
extract 3D-information from remotely sensed data for description of 
            
126
natural structures and changes. The main focus lies on wood and its 
126
natural structures and changes. The main focus lies on wood and its 
            
127
embedding/interaction within/with the landscape.\r\n* Conception and 
127
embedding/interaction within/with the landscape.\r\n* Conception and 
            
128
development of data acquisition based on high resolution remote 
128
development of data acquisition based on high resolution remote 
            
129
sensing data.\r\n* Conception, development and maintenance of the 
129
sensing data.\r\n* Conception, development and maintenance of the 
            
130
software interface in area wide data acquisition using airborne remote 
130
software interface in area wide data acquisition using airborne remote 
            
131
sensing data.\r\n* Scientific expert advice and support in the fields 
131
sensing data.\r\n* Scientific expert advice and support in the fields 
            
132
of photogrammetry and survey at WSL. Maintenance, enhancements and 
132
of photogrammetry and survey at WSL. Maintenance, enhancements and 
            
133
future development in these specific fields.\r\n* Adequate 
133
future development in these specific fields.\r\n* Adequate 
            
134
presentation of scientific results on national level and in noted 
134
presentation of scientific results on national level and in noted 
            
135
international journals and at international 
135
international journals and at international 
            
136
congresses/workshops/symposia.\r\n\r\n__Further information__: 
136
congresses/workshops/symposia.\r\n\r\n__Further information__: 
            
137
l/organization/research-units/landscape-dynamics/remote-sensing.html",
137
l/organization/research-units/landscape-dynamics/remote-sensing.html",
            
138
    "id": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
138
    "id": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
            
n
139
    "image_url": "2018-07-10-102816.481589LogoWSL.svg",
n
139
    "image_url": "",
            
140
    "is_organization": true,
140
    "is_organization": true,
            
141
    "name": "remote-sensing",
141
    "name": "remote-sensing",
            
142
    "state": "active",
142
    "state": "active",
            
143
    "title": "Remote Sensing",
143
    "title": "Remote Sensing",
            
144
    "type": "organization"
144
    "type": "organization"
            
145
  },
145
  },
            
146
  "owner_org": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
146
  "owner_org": "5243fbb4-e4e6-4779-9672-32a7ef33d5f9",
            
147
  "private": false,
147
  "private": false,
            
148
  "publication": 
148
  "publication": 
            
149
"{\"publisher\":\"EnviDat\",\"publication_year\":\"2024\"}",
149
"{\"publisher\":\"EnviDat\",\"publication_year\":\"2024\"}",
            
150
  "publication_state": "published",
150
  "publication_state": "published",
            
151
  "relationships_as_object": [],
151
  "relationships_as_object": [],
            
152
  "relationships_as_subject": [],
152
  "relationships_as_subject": [],
            
153
  "resource_type": "dataset",
153
  "resource_type": "dataset",
            
154
  "resource_type_general": "dataset",
154
  "resource_type_general": "dataset",
            
155
  "resources": [
155
  "resources": [
            
156
    {
156
    {
            
157
      "cache_last_updated": null,
157
      "cache_last_updated": null,
            
158
      "cache_url": null,
158
      "cache_url": null,
            
159
      "created": "2024-04-18T12:29:04.782844",
159
      "created": "2024-04-18T12:29:04.782844",
            
160
      "description": "Image of the tree species map",
160
      "description": "Image of the tree species map",
            
161
      "doi": "",
161
      "doi": "",
            
162
      "format": "PNG",
162
      "format": "PNG",
            
163
      "hash": "",
163
      "hash": "",
            
164
      "id": "4645f173-dded-4fff-9fb0-d8513ea8be6f",
164
      "id": "4645f173-dded-4fff-9fb0-d8513ea8be6f",
            
165
      "last_modified": "2024-04-18T14:34:06.462000",
165
      "last_modified": "2024-04-18T14:34:06.462000",
            
166
      "metadata_modified": "2024-04-18T12:34:07.279920",
166
      "metadata_modified": "2024-04-18T12:34:07.279920",
            
167
      "mimetype": "image/png",
167
      "mimetype": "image/png",
            
168
      "mimetype_inner": null,
168
      "mimetype_inner": null,
            
169
      "name": "map.png",
169
      "name": "map.png",
            
170
      "package_id": "bf5a19da-7b55-4149-8293-08fd0af29969",
170
      "package_id": "bf5a19da-7b55-4149-8293-08fd0af29969",
            
171
      "position": 0,
171
      "position": 0,
            
172
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
172
      "resource_size": "{\"size_value\":\"\",\"size_units\":\"\"}",
            
173
      "resource_type": null,
173
      "resource_type": null,
            
174
      "restricted": 
174
      "restricted": 
            
175
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
175
{\"level\":\"public\",\"allowed_users\":\"\",\"shared_secret\":\"\"}",
            
176
      "size": 5638141,
176
      "size": 5638141,
            
177
      "state": "active",
177
      "state": "active",
            
178
      "url": 
178
      "url": 
            
179
29969/resource/4645f173-dded-4fff-9fb0-d8513ea8be6f/download/map.png",
179
29969/resource/4645f173-dded-4fff-9fb0-d8513ea8be6f/download/map.png",
            
180
      "url_type": "upload"
180
      "url_type": "upload"
            
181
    }
181
    }
            
182
  ],
182
  ],
            
183
  "spatial": 
183
  "spatial": 
            
184
838],[10.49203,47.80838],[10.49203,45.81802],[5.95587,45.81802]]]}]}",
184
838],[10.49203,47.80838],[10.49203,45.81802],[5.95587,45.81802]]]}]}",
            
185
  "state": "active",
185
  "state": "active",
            
186
  "subtitle": "",
186
  "subtitle": "",
            
187
  "tags": [
187
  "tags": [
            
188
    {
188
    {
            
189
      "display_name": "FOREST",
189
      "display_name": "FOREST",
            
190
      "id": "90cd0d8f-8df0-4b78-ac11-6e38c2a22106",
190
      "id": "90cd0d8f-8df0-4b78-ac11-6e38c2a22106",
            
191
      "name": "FOREST",
191
      "name": "FOREST",
            
192
      "state": "active",
192
      "state": "active",
            
193
      "vocabulary_id": null
193
      "vocabulary_id": null
            
194
    },
194
    },
            
195
    {
195
    {
            
196
      "display_name": "MAP",
196
      "display_name": "MAP",
            
197
      "id": "10a67a95-a99d-4c87-b929-3439a5979f4f",
197
      "id": "10a67a95-a99d-4c87-b929-3439a5979f4f",
            
198
      "name": "MAP",
198
      "name": "MAP",
            
199
      "state": "active",
199
      "state": "active",
            
200
      "vocabulary_id": null
200
      "vocabulary_id": null
            
201
    },
201
    },
            
202
    {
202
    {
            
203
      "display_name": "REMOTE SENSING",
203
      "display_name": "REMOTE SENSING",
            
204
      "id": "1bc9d51e-2500-44a7-857b-13710a59e4be",
204
      "id": "1bc9d51e-2500-44a7-857b-13710a59e4be",
            
205
      "name": "REMOTE SENSING",
205
      "name": "REMOTE SENSING",
            
206
      "state": "active",
206
      "state": "active",
            
207
      "vocabulary_id": null
207
      "vocabulary_id": null
            
208
    },
208
    },
            
209
    {
209
    {
            
210
      "display_name": "SWITZERLAND",
210
      "display_name": "SWITZERLAND",
            
211
      "id": "97ac3564-bb88-46ad-9fe4-b7d606e0aa3a",
211
      "id": "97ac3564-bb88-46ad-9fe4-b7d606e0aa3a",
            
212
      "name": "SWITZERLAND",
212
      "name": "SWITZERLAND",
            
213
      "state": "active",
213
      "state": "active",
            
214
      "vocabulary_id": null
214
      "vocabulary_id": null
            
215
    },
215
    },
            
216
    {
216
    {
            
217
      "display_name": "TREE SPECIES",
217
      "display_name": "TREE SPECIES",
            
218
      "id": "f02ee441-6d4d-4a02-888e-31588461d7c9",
218
      "id": "f02ee441-6d4d-4a02-888e-31588461d7c9",
            
219
      "name": "TREE SPECIES",
219
      "name": "TREE SPECIES",
            
220
      "state": "active",
220
      "state": "active",
            
221
      "vocabulary_id": null
221
      "vocabulary_id": null
            
222
    }
222
    }
            
223
  ],
223
  ],
            
224
  "title": "Tree species map of Switzerland",
224
  "title": "Tree species map of Switzerland",
            
225
  "type": "dataset",
225
  "type": "dataset",
            
t
226
  "url": null
t
226
  "url": null,
            
227
  "version": "1.0"
            
227
}
228
}