Este conjunto de datos forma parte de un catálogo de editores y no lo administra Google Earth Engine. Comunícate con forestdatapartnership@googlegroups.com si encuentras errores o quieres ver más conjuntos de datos del catálogo de Forest Data Partnership. Obtén más información sobre los conjuntos de datos de editores.
- Propietario del catálogo
- Forest Data Partnership
- Disponibilidad del conjunto de datos
- 2020-01-01T00:00:00Z–2023-12-31T23:59:59Z
- Proveedor del conjunto de datos
- Producido por Google para Forest Data Partnership
- Etiquetas
Descripción
**Nota: Este conjunto de datos aún no se revisó por pares.
Consulta el archivo README de GitHub para obtener más información.**
Esta colección de imágenes proporciona la probabilidad estimada por píxel de que el área subyacente esté ocupada por el producto. Las estimaciones de probabilidad se proporcionan con una resolución de 10 metros y se generaron con un modelo de aprendizaje automático. Para obtener más detalles, consulta la documentación técnica del repositorio de Forest Data Partnership en GitHub.
El objetivo principal de esta colección de imágenes es respaldar la misión de Forest Data Partnership, que busca detener y revertir la pérdida de bosques debido a la producción de productos básicos mediante la mejora colaborativa de la supervisión global, el seguimiento de la cadena de suministro y la restauración.
Actualmente, este conjunto de datos abarca los siguientes países: Tailandia, Indonesia, Vietnam, Costa de Marfil, China, Malasia, Brasil, México y Sri Lanka.
Este producto de datos de la comunidad está diseñado para evolucionar con el tiempo, a medida que haya más datos disponibles de la comunidad y el modelo utilizado para producir los mapas mejore continuamente. Si deseas proporcionar comentarios generales o conjuntos de datos adicionales para mejorar estas capas, comunícate con nosotros a través de este formulario.
Limitaciones: El resultado del modelo se limita a los países seleccionados como compuestos del año calendario para 2020 y 2023. Los datos de entrenamiento no representan bien todas las regiones del resultado. La exactitud se informa de forma agregada y variará geográficamente y con los umbrales elegidos por el usuario. Los artefactos de sensores basados en la disponibilidad de datos, la falta de uniformidad entre pistas o la nubosidad pueden ser visualmente evidentes en las probabilidades de salida y generar errores de clasificación en algunos umbrales.
Ten en cuenta que este conjunto de datos tiene condiciones de uso independientes para los usuarios comerciales de Earth Engine. Consulta la pestaña "Condiciones de Uso" para obtener más detalles.
La diferencia entre las versiones 2025a y 2025b es que la versión 2025b se basa en AlphaEarth Foundations Satellite Embeddings, lo que permite una cobertura geográfica y temporal más amplia que la 2025a. Además, la versión 2025b incluye datos de entrada adicionales y una canalización de procesamiento de datos de entrada evolucionada. Ten en cuenta que el modelo 2025a puede tener un mejor rendimiento en algunos contextos.
Bandas
Bandas
Tamaño de los píxeles: 10 metros (todas las bandas)
| Nombre | Mín. | Máx. | Tamaño de los píxeles | Descripción |
|---|---|---|---|---|
probability |
0 | 1 | 10 metros | Es la probabilidad de que el píxel incluya árboles de caucho para el año determinado. |
Condiciones de Uso
Condiciones de Uso
Para los usuarios no comerciales de Earth Engine, el uso del conjunto de datos está sujeto a la licencia CC-BY 4.0 NC y requiere la siguiente atribución: "Producido por Google para Forest Data Partnership".
El uso comercial del conjunto de datos está sujeto a las Condiciones de Uso Comerciales de los Conjuntos de Datos de Forest Data Partnership.
Contiene datos modificados del Copernicus Sentinel [2015-presente]. Consulta el Aviso Legal de Datos de Sentinel.
Citas
Forest Data Partnership. 2025. Community models 2025a. En línea
Explora con Earth Engine
Editor de código (JavaScript)
Map.setCenter(106.48584, 11.17099, 11); var collection = ee.ImageCollection( 'projects/forestdatapartnership/assets/rubber/model_2025a'); var r2020 = collection.filterDate('2020-01-01', '2020-12-31').mosaic(); Map.addLayer( r2020.selfMask(), {min: 0.5, max: 1, palette: 'white,blue'}, 'rubber 2020'); var r2023 = collection.filterDate('2023-01-01', '2023-12-31').mosaic(); Map.addLayer( r2023.selfMask(), {min: 0.5, max: 1, palette: 'white,green'}, 'rubber 2023');