Este conjunto de dados faz parte de um catálogo de editores e não é gerenciado pelo Google Earth Engine. Entre em contato com forestdatapartnership@googlegroups.com para informar bugs ou ver mais conjuntos de dados no catálogo da Forest Data Partnership. Saiba mais sobre os conjuntos de dados do publisher.
- Proprietário do catálogo
- Parceria de dados florestais
- Disponibilidade do conjunto de dados
- 2020-01-01T00:00:00Z–2023-12-31T23:59:59Z
- Produtor de conjunto de dados
- Produzido pelo Google para a Forest Data Partnership
- Tags
Descrição
Essa coleção de imagens fornece a probabilidade estimada por pixel de que a área subjacente seja ocupada pela commodity. As estimativas de probabilidade são fornecidas com uma resolução de 10 metros e foram geradas por um modelo de machine learning. Para mais detalhes, consulte a documentação técnica no repositório da Forest Data Partnership no GitHub.
O objetivo principal dessa coleção de imagens é apoiar a missão da Parceria de Dados Florestais (em inglês), que visa interromper e reverter a perda de florestas causada pela produção de commodities, melhorando de forma colaborativa o monitoramento global, o rastreamento da cadeia de suprimentos e a restauração.
No momento, esse conjunto de dados abrange os seguintes países: Tailândia, Indonésia, Vietnã, Costa do Marfim, China, Malásia, Brasil, México e Sri Lanka.
Esse produto de dados da comunidade foi criado para evoluir com o tempo, à medida que mais dados da comunidade ficam disponíveis e o modelo usado para produzir os mapas melhora continuamente. Se quiser enviar feedback geral ou outros conjuntos de dados para melhorar essas camadas, entre em contato neste formulário.
Limitações: a saída do modelo é limitada aos países selecionados como composições de ano civil para 2020 e 2023. Nem todas as regiões da saída são bem representadas pelos dados de treinamento. A acurácia é informada de forma agregada e varia geograficamente e com os limites escolhidos pelo usuário. Artefatos de sensor com base na disponibilidade de dados, não uniformidade entre faixas ou nebulosidade podem ser visualmente aparentes nas probabilidades de saída e resultar em erros de classificação em alguns limites.
Consulte este README do GitHub para mais informações.
Este conjunto de dados tem Termos de Uso separados para usuários comerciais do Earth Engine. Consulte a guia "Termos de Uso" para mais detalhes.
Consulte este README do GitHub (em inglês) para mais informações.
A diferença entre as versões 2025a e 2025b é que a 2025b se baseia em incorporações de satélite do AlphaEarth Foundations, o que permite uma cobertura geográfica e temporal mais ampla do que a 2025a. Além disso, o 2025b inclui mais dados de entrada e um pipeline de processamento de dados de entrada evoluído. Observe que o modelo 2025a pode ter uma performance melhor em alguns contextos.
Bandas
Bandas
Tamanho do pixel: 10 metros (todas as bandas)
| Nome | Mín. | Máx. | Tamanho do pixel | Descrição |
|---|---|---|---|---|
probability |
0 | 1 | 10 metros | Probabilidade de o pixel incluir seringueiras no ano especificado. |
Termos de Uso
Termos de Uso
Para usuários não comerciais do Earth Engine, o uso do conjunto de dados está sujeito à licença CC-BY 4.0 NC e exige a seguinte atribuição: "Produzido pelo Google para a Forest Data Partnership".
O uso comercial do conjunto de dados está sujeito aos Termos de Uso Comerciais dos conjuntos de dados da parceria de dados florestais.
Contém dados modificados do Copernicus Sentinel [2015 até o presente]. Consulte o Aviso legal sobre dados do Sentinel.
Citações
Parceria de dados florestais. 2025. Modelos da comunidade 2025a. On-line
Explore com o 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');