Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. Jeśli znajdziesz błędy lub chcesz wyświetlić więcej zbiorów danych z katalogu Forest Data Partnership, skontaktuj się z forestdatapartnership@googlegroups.com. Więcej informacji o zbiorach danych wydawcy.
- Właściciel katalogu
- Forest Data Partnership
- Dostępność zbioru danych
- 2020-01-01T00:00:00Z–2023-12-31T23:59:59Z
- Producent zbioru danych
- Wyprodukowano przez Google na potrzeby Forest Data Partnership
- Tagi
Opis
Ta kolekcja obrazów zawiera szacunkowe prawdopodobieństwo, że dany obszar jest zajęty przez uprawę. Szacunki prawdopodobieństwa są podawane w rozdzielczości 10 metrów i zostały wygenerowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej w repozytorium Forest Data Partnership na GitHub.
Głównym celem tej kolekcji obrazów jest wspieranie misji Forest Data Partnership, która polega na powstrzymaniu i odwróceniu utraty lasów spowodowanej produkcją towarów poprzez wspólne ulepszanie globalnego monitorowania, śledzenia łańcucha dostaw i przywracania lasów.
Ten zbiór danych obejmuje obecnie te kraje: Brazylia, Wietnam, Indonezja, Kolumbia, Etiopia, Uganda, Honduras, Peru, Nikaragua i Salwador.
Ten produkt danych społecznościowych ma się z czasem rozwijać, ponieważ społeczność udostępnia coraz więcej danych, a model używany do tworzenia map jest stale ulepszany. Jeśli chcesz przesłać ogólne opinie lub dodatkowe zbiory danych, które pomogą ulepszyć te warstwy, skorzystaj z tego formularza.
Ograniczenia: dane wyjściowe modelu są ograniczone do wybranych krajów jako kompozyty roku kalendarzowego na lata 2020 i 2023. Nie wszystkie regiony danych wyjściowych są dobrze reprezentowane przez dane treningowe. Dokładność jest podawana w postaci zagregowanej i będzie się różnić w zależności od lokalizacji geograficznej oraz progów wybranych przez użytkownika. Artefakty czujników oparte na dostępności danych, nierównomierności w poprzek ścieżki lub zachmurzeniu mogą być widoczne w prawdopodobieństwach wyjściowych i powodować błędy klasyfikacji przy niektórych progach.
Więcej informacji znajdziesz w pliku README na GitHub.
Pamiętaj, że ten zbiór danych ma odrębne warunki korzystania z usługi dla użytkowników komercyjnych Earth Engine. Szczegółowe informacje znajdziesz na karcie „Warunki korzystania z usługi”.
Różnica między wersjami 2025a i 2025b polega na tym, że wersja 2025b jest oparta na wektorach dystrybucyjnych satelitarnych AlphaEarth Foundations, co umożliwia rozszerzenie zasięgu geograficznego i czasowego w porównaniu z wersją 2025a. Ponadto wersja 2025b zawiera dodatkowe dane wejściowe i ulepszony potok przetwarzania danych wejściowych. Pamiętaj, że w niektórych kontekstach model 2025a może działać lepiej.
Pasma
Pasma
Rozmiar piksela: 10 metrów (wszystkie pasma)
| Nazwa | Minimum | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|
probability |
0 | 1 | 10 metrów | Prawdopodobieństwo, że piksel zawiera drzewa kawowe w danym roku. |
Warunki korzystania z usługi
Warunki korzystania z usługi
W przypadku użytkowników Earth Engine, którzy nie korzystają z usługi w celach komercyjnych, korzystanie ze zbioru danych podlega licencji CC-BY 4.0 NC i wymaga podania następującego atrybucji: „Wyprodukowano przez Google na potrzeby Forest Data Partnership”.
Komercyjne korzystanie ze zbioru danych podlega Warunkom korzystania z usługi w celach komercyjnych w przypadku zbiorów danych Forest Data Partnership.
Zawiera zmodyfikowane dane z satelit Copernicus Sentinel [2015–obecnie]. Zapoznaj się z informacjami prawnymi dotyczącymi danych z satelit Sentinel.
Cytaty
Forest Data Partnership. 2025 r. Modele społecznościowe 2025a. Online
Odkrywaj za pomocą Earth Engine
Edytor kodu (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');