Depuis 2009, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) génère des cartes numériques annuelles des types de cultures. En 2009 et 2010, elle s'est concentrée sur les provinces des Prairies et a utilisé une méthodologie basée sur un arbre de décision.
**Remarque : Cet ensemble de données n'a pas encore été examiné par des pairs. Pour en savoir plus, consultez ce 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 …
Pour obtenir la documentation technique de cet ensemble de données, consultez ce 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 un modèle de machine learning. …
**Remarque : Cet ensemble de données n'a pas encore été examiné par des pairs. Pour en savoir plus, consultez ce 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 …
Pour obtenir la documentation technique de cet ensemble de données, consultez ce 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 un modèle de machine learning. …
La suite de produits WorldCereal 10 m 2021 de l'Agence spatiale européenne (ESA) se compose de cartes de cultures annuelles et saisonnières à l'échelle mondiale, ainsi que de leur niveau de confiance associé. Elles ont été générées dans le cadre du projet ESA-WorldCereal. Pour en savoir plus sur le contenu de ces produits et sur la méthodologie utilisée pour …
Le système de classification WorldCereal de l'Agence spatiale européenne (ESA) vise à générer des produits dans le mois suivant la fin d'une saison de croissance particulière. En raison de la nature dynamique de ces saisons de croissance à travers le monde, une stratification mondiale en zones agro-écologiques (ZAE) a été effectuée sur la base de …
La suite de produits WorldCereal Active Cropland 10 m 2021 de l'Agence spatiale européenne (ESA) contient des marqueurs de terres cultivées actives saisonnières à l'échelle mondiale. Elles ont été générées dans le cadre du projet ESA-WorldCereal. Les produits de terres cultivées actives indiquent si un pixel identifié comme des cultures temporaires a été activement …
Cartes européennes des types de cultures basées sur les observations in situ Sentinel-1 et LUCAS Copernicus 2018 pour 2018, et sur une combinaison de données Sentinel-1, Sentinel-2 et auxiliaires avec les observations LUCAS Copernicus 2022 pour 2022. Basé sur l'enquête in situ unique LUCAS 2018 Copernicus, cet ensemble de données représente le premier …
Le GFSAD est un projet financé par la NASA visant à fournir des données mondiales à haute résolution sur les terres cultivées et leur utilisation de l'eau, contribuant ainsi à la sécurité alimentaire mondiale au XXIe siècle. Les produits GFSAD sont dérivés de données de télédétection multi-capteurs (par exemple, Landsat, MODIS, AVHRR), de données secondaires et de données de parcelles expérimentales …
Cet ensemble de données contient des indices de sécheresse dérivés de l'ensemble de données météorologiques de surface maillées (GRIDMET) quotidiennes de 4 km. Les indices de sécheresse fournis incluent l'indice de précipitation standardisé (SPI), l'indice de demande de sécheresse évaporative (EDDI), l'indice standardisé de précipitation et d'évapotranspiration (SPEI), l'indice de sévérité de la sécheresse de Palmer (PDSI) et Palmer …
Cet ensemble de données est une carte mondiale de 10 m des palmiers à huile industriels et des petits exploitants 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, consultez cet article.
**Remarque : Cet ensemble de données n'a pas encore été examiné par des pairs. Pour en savoir plus, consultez ce 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 …
Pour obtenir la documentation technique de cet ensemble de données, consultez ce 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 un modèle de machine learning. …
Pour obtenir la documentation technique de cet ensemble de données, consultez ce 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 un modèle de machine learning. …
**Remarque : Cet ensemble de données n'a pas encore été examiné par des pairs. Pour en savoir plus, consultez ce 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 …
La couche de données sur les terres cultivées (CDL) est une couche de données sur la couverture terrestre spécifique aux cultures, créée chaque année pour les États-Unis continentaux à l'aide d'images satellite à résolution modérée et de données de terrain agricoles étendues. La CDL est créée par la division de recherche et développement du service national des statistiques agricoles (NASS) de l'USDA.
[[["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"]],[],[],["Agricultural agencies and projects are creating datasets for crop mapping and analysis. Actions include generating annual crop maps, like Canada's AAFC using a Decision Tree methodology, and ESA's WorldCereal project producing global-scale crop maps. Other datasets provide oil palm plantation maps, cropland extent data, and drought indices. Recent models also estimate cocoa, palm, and rubber tree probabilities at a per-pixel level, with some data focused on specific regions like Europe, the US, or Canada, while others are global.\n"]]
