Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an forestdatapartnership@googlegroups.com oder sehen Sie sich weitere Datasets aus dem Forest Data Partnership-Katalog an. Hier finden Sie weitere Informationen zu Publisher-Datasets.
- Kataloginhaber
- Forest Data Partnership
- Verfügbarkeit des Datasets
- 2020-01-01T00:00:00Z–2023-12-31T23:59:59Z
- Ersteller des Datasets
- Von Google für die Forest Data Partnership erstellt
- Tags
Beschreibung
**Hinweis: Dieses Dataset wurde noch keinem Peer-Review unterzogen.
Weitere Informationen finden Sie in dieser README-Datei auf GitHub.**
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zum Forest Data Partnership-Repository auf GitHub.
Der Hauptzweck dieser Bildsammlung besteht darin, die Mission von Forest Data Partnership zu unterstützen, den Verlust von Wäldern durch die Rohstoffproduktion zu stoppen und umzukehren, indem die globale Überwachung, die Rückverfolgung von Lieferketten und die Wiederherstellung gemeinsam verbessert werden.
Dieses Dataset umfasst derzeit die folgenden Länder: Brasilien, Vietnam, Indonesien, Kolumbien, Äthiopien, Uganda, Honduras, Peru, Nicaragua, El Salvador.
Dieses Community-Datenprodukt soll sich im Laufe der Zeit weiterentwickeln, da mehr Daten aus der Community verfügbar werden und das Modell zur Erstellung der Karten kontinuierlich verbessert wird. Wenn Sie allgemeines Feedback geben oder zusätzliche Datasets zur Verbesserung dieser Ebenen bereitstellen möchten, verwenden Sie bitte dieses Formular.
Einschränkungen: Die Modellausgabe ist auf ausgewählte Länder als Kalenderjahres-Composites für 2020 und 2023 beschränkt. Nicht alle Regionen der Ausgabe sind durch Trainingsdaten gut vertreten. Die Genauigkeit wird aggregiert angegeben und variiert geografisch und je nach den vom Nutzer gewählten Schwellenwerten. Sensorartefakte aufgrund der Datenverfügbarkeit, der Ungleichmäßigkeit über die Spur hinweg oder der Bewölkung können in den Ausgabewahrscheinlichkeiten sichtbar sein und bei einigen Schwellenwerten zu Klassifizierungsfehlern führen.
Beachten Sie, dass für dieses Dataset separate Nutzungsbedingungen für kommerzielle Nutzer von Earth Engine gelten. Weitere Informationen finden Sie auf dem Tab „Nutzungsbedingungen“.
Der Unterschied zwischen den Versionen 2025a und 2025b besteht darin, dass die Version 2025b auf AlphaEarth Foundations Satellite Embeddings basiert, was eine erweiterte geografische und zeitliche Abdeckung im Vergleich zu 2025a ermöglicht. Außerdem enthält 2025b zusätzliche Eingabedaten und eine weiterentwickelte Pipeline zur Verarbeitung von Eingabedaten. Beachten Sie, dass das Modell 2025a in einigen Kontexten möglicherweise besser funktioniert.
Bänder
Bänder
Pixelgröße: 10 Meter (alle Bänder)
| Name | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|
probability |
0 | 1 | 10 Meter | Wahrscheinlichkeit, dass das Pixel im angegebenen Jahr Kaffeebäume enthält. |
Nutzungsbedingungen
Nutzungsbedingungen
Für nicht kommerzielle Nutzer von Earth Engine unterliegt die Nutzung des Datasets der CC-BY 4.0 NC-Lizenz und erfordert die folgende Quellenangabe: „Erstellt von Google für die Forest Data Partnership“.
Die kommerzielle Nutzung des Datasets unterliegt den kommerziellen Nutzungsbedingungen für Datasets der Forest Data Partnership.
Enthält geänderte Copernicus Sentinel-Daten [2015 bis heute]. Weitere Informationen finden Sie in den rechtlichen Hinweisen zu Sentinel-Daten.
Zitationen
Forest Data Partnership. 2025. Community-Modelle 2025a. Online
Die Earth Engine nutzen
Code-Editor (JavaScript)
Map.setCenter(-88.84, 14.57, 12); var collection = ee.ImageCollection( 'projects/forestdatapartnership/assets/coffee/model_2025a'); var coffee2020 = collection.filterDate('2020-01-01', '2020-12-31').mosaic().gt(0.95); Map.addLayer( coffee2020.selfMask(), {min: 0.5, max: 1, palette: 'white,brown'}, 'coffee 2020'); var coffee2023 = collection.filterDate('2023-01-01', '2023-12-31').mosaic().gt(0.95); Map.addLayer( coffee2023.selfMask(), {min: 0.5, max: 1, palette: 'white,green'}, 'coffee 2023');