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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
L'ensemble de données Farmscapes 2020 fournit des cartes de probabilité haute résolution (25 cm) pour trois caractéristiques semi-naturelles clés des paysages agricoles anglais : les haies, les bois et les murs en pierre. Cet ensemble de données a été développé en collaboration avec le Leverhulme Centre for Nature Recovery d'Oxford pour servir de référence aux applications…
Il s'agit de la version vectorisée de l'ensemble de données raster Farmscapes 2020. Il fournit des géométries de polygones représentant des caractéristiques paysagères semi-naturelles à petite échelle (plus précisément, des haies, des bois et des murs en pierre) dans les paysages agricoles anglais. Cet ensemble de données a été développé en collaboration avec le Leverhulme Centre for Nature Recovery d'Oxford pour…
Cette image fournit un score par pixel (entre 0 et 1) indiquant si la zone de pixel est occupée par une forêt intacte en 2020. Ces scores sont fournis à une résolution de 30 mètres et ont été générés par une approche de convergence des preuves pour combiner plusieurs forêts…
L'ensemble de données Forest Typology (ForTy) v1 se compose d'une carte de probabilité mondiale par classe à une résolution de 10 m couvrant toutes les zones terrestres entre 65°S et 84°N de latitude pour l'année 2020. La typologie à six classes est alignée sur les définitions de la FAO et du règlement de l'UE contre la déforestation (RDUE) : classe 1…
L'ensemble de données est une carte mondiale des palmiers à huile industriels et des petits exploitants à 10 m pour 2019. Il couvre les zones où des plantations de palmiers à huile ont été détectées. Les images classées sont le résultat d'un réseau de neurones convolutifs basé sur des composites semestriels Sentinel-1 et Sentinel-2. Pour en savoir plus,…
Forêts naturelles du monde 2020 fournit une carte mondiale de la probabilité de forêt naturelle pour l'année 2020 à une résolution de 10 mètres. Il a été développé pour soutenir des initiatives telles que le règlement contre la déforestation de l'Union européenne (RDUE), et d'autres efforts de conservation et de surveillance des forêts. La carte…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
L'ensemble de données Écorégions RESOLVE, mis à jour en 2017, présente les 846 écorégions terrestres qui représentent notre planète vivante. Consultez la carte stylisée sur https://ecoregions2017.appspot.com/ ou dans Earth Engine. Les écorégions, dans leur définition la plus simple, sont des écosystèmes d'étendue régionale. Plus précisément, les écorégions représentent des assemblages distincts…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
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 à une résolution de 10 mètres et ont été générées par un modèle de machine learning. Pour en savoir plus, consultez la documentation technique sur le partenariat Forest Data Partnership…
Ces résultats de modèle de répartition des espèces, développés par Google en collaboration avec QCIF et EcoCommons, représentent des estimations des probabilités d'occurrence relative des espèces (c'est-à-dire que des valeurs plus élevées indiquent une probabilité plus élevée que l'espèce soit détectée à un endroit donné, pour une méthodologie d'enquête donnée et une enquête donnée…
[[["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 datasets include a 2019 global map of industrial and smallholder oil palm plantations derived from Sentinel-1 and Sentinel-2 data, and a 2017 depiction of 846 terrestrial ecoregions. Additionally, there are per-pixel probability models at 10-meter resolution for cocoa, palm, and rubber tree occupancy, as well as a 2020 per-pixel score indicating undisturbed forest areas. Each model is associated with GitHub README for additional information.\n"]]
