Ten zbiór danych jest częścią Katalogu wydawców i nie jest zarządzany przez Google Earth Engine. W przypadku błędów napisz na adres forestdatapartnership@googlegroups.com. Więcej zbiorów danych znajdziesz w katalogu Forest Data Partnership. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Forest Data Partnership
- Dostępność zbioru danych
- 2020-01-01T00:00:00Z–2023-12-31T23:59:59Z
- Dostawca zbioru danych
- Opracowano przez Google na potrzeby Forest Data Partnership
- Tagi
Opis
Ta kolekcja obrazów zawiera szacunkowe prawdopodobieństwo dla każdego piksela, że dany obszar jest zajęty przez towar. Szacunki prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej w repozytorium Forest Data Partnership na GitHubie.
Głównym celem tej kolekcji obrazów jest wspieranie misji Forest Data Partnership, która ma na celu powstrzymanie i odwrócenie procesu utraty lasów w wyniku produkcji towarów poprzez wspólne ulepszanie globalnego monitorowania, śledzenia łańcucha dostaw i odbudowy lasów.
Ten zbiór danych obejmuje obecnie te kraje: Brazylia, Honduras, Indonezja, Kolumbia, Nikaragua, Peru, Salwador, Uganda, Wietnam i Etiopia.
Ten produkt z danymi społecznościowymi będzie się z czasem rozwijać, ponieważ społeczność będzie udostępniać więcej danych, a model używany do tworzenia map będzie się stale ulepszać. Jeśli chcesz przesłać ogólną opinię lub dodatkowe zbiory danych, aby ulepszyć te warstwy, skorzystaj z tego formularza.
Ograniczenia: dane wyjściowe modelu są ograniczone do wybranych krajów w postaci kompozycji roku kalendarzowego za lata 2020 i 2023. Nie wszystkie regiony danych wyjściowych są dobrze reprezentowane przez dane treningowe. Dokładność jest podawana w formie zbiorczej i będzie się różnić w zależności od lokalizacji geograficznej oraz progów wybranych przez użytkownika. Artefakty czujnika oparte na dostępności danych, nierównomierności w kierunku poprzecznym lub zachmurzeniu mogą być widoczne w prawdopodobieństwach wyjściowych i powodować błędy klasyfikacji przy niektórych progach.
Więcej informacji znajdziesz w pliku README na GitHubie.
Pamiętaj, że ten zbiór danych ma odrębne warunki korzystania dla użytkowników komercyjnych Earth Engine. Szczegółowe informacje znajdziesz na karcie „Warunki korzystania”.
Wersja 2025b różni się od wersji 2025a tym, że jest oparta na satelitarnych wektorach dystrybucyjnych AlphaEarth Foundations, co zapewnia większy zasięg geograficzny i czasowy niż w przypadku wersji 2025a. Dodatkowo wersja 2025b zawiera dodatkowe dane wejściowe i ulepszony potok przetwarzania danych wejściowych. Pamiętaj, że model 2025a może w niektórych kontekstach działać lepiej.
Pasma
Pasma
Rozmiar piksela: 10 m (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 niekomercyjnych korzystanie z tego zbioru danych podlega licencji CC-BY 4.0 NC i wymaga podania następującej informacji o autorstwie: „Wyprodukowano przez Google na potrzeby Forest Data Partnership”.
Komercyjne wykorzystanie zbioru danych podlega Warunkom korzystania ze zbiorów danych Forest Data Partnership w celach komercyjnych.
Zawiera zmodyfikowane dane z satelit Copernicus Sentinel [od 2015 r.]. Zapoznaj się z informacjami prawnymi dotyczącymi danych z satelitów 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');