Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Le partenariat Forest Data renforce la collaboration et l'application de la surveillance mondiale de la déforestation liée aux produits de base, de la dégradation des forêts et des efforts de restauration dans le monde entier.
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par…
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par…
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub associé à ce modèle. Cette image fournit un score par pixel (dans la plage [0, 1]) qui indique si la zone de pixel est occupée par une forêt intacte en 2020. Ces scores sont les suivants :
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par…
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par…
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Il n'y a pas l'information dont j'ai besoin","missingTheInformationINeed","thumb-down"],["Trop compliqué/Trop d'étapes","tooComplicatedTooManySteps","thumb-down"],["Obsolète","outOfDate","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Mauvais exemple/Erreur de code","samplesCodeIssue","thumb-down"],["Autre","otherDown","thumb-down"]],[],[[["The Forest Data Partnership fosters collaboration and uses data to monitor global deforestation, degradation, and restoration related to commodity production."],["The platform provides probability models for identifying cocoa, palm, and rubber tree crops at a 10-meter resolution to help understand land use changes."],["A Forest Persistence model is available to assess undisturbed forest areas and contribute to conservation efforts."],["The shared datasets and models support biodiversity conservation, monitoring of deforestation drivers like the EU Deforestation Regulation (EUDR), and sustainable land use practices."],["All datasets are publicly accessible but are not yet peer-reviewed, with more information available through linked GitHub READMEs."]]],[]]