A partire dal 2009, il team di osservazione della Terra della sezione di scienza e tecnologia (STB) di Agriculture and Agri-Food Canada (AAFC) ha iniziato a generare mappe digitali annuali dei tipi di colture. Concentrandosi sulle province delle praterie nel 2009 e nel 2010, una metodologia basata su un albero decisionale…
**Nota: questo set di dati non è ancora stato sottoposto a revisione tra pari. Per maggiori informazioni, consulta il file README di GitHub.** Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da…
Per la documentazione tecnica di questo set di dati, consulta questo file README di GitHub. Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da un modello di machine learning. …
**Nota: questo set di dati non è ancora stato sottoposto a revisione tra pari. Per maggiori informazioni, consulta il file README di GitHub.** Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da…
Per la documentazione tecnica di questo set di dati, consulta questo file README di GitHub. Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da un modello di machine learning. …
La suite di prodotti WorldCereal 10 m 2021 dell'Agenzia spaziale europea (ESA) è costituita da mappe delle colture annuali e stagionali su scala globale e dalla relativa confidenza. Sono stati generati nell'ambito del progetto ESA-WorldCereal. Maggiori informazioni sul contenuto di questi prodotti e sulla metodologia utilizzata per…
Il sistema di classificazione WorldCereal dell'Agenzia spaziale europea (ESA) mira alla generazione di prodotti entro un mese dalla fine di una particolare stagione di crescita. A causa della natura dinamica di queste stagioni di crescita in tutto il mondo, è stata eseguita una stratificazione globale in zone agro-ecologiche (ZAE) in base a…
La suite di prodotti WorldCereal Active Cropland 10 m 2021 dell'Agenzia spaziale europea (ESA) contiene indicatori stagionali di terreni coltivati attivi su scala globale. Sono stati generati nell'ambito del progetto ESA-WorldCereal. I prodotti per i terreni coltivati attivi indicano se un pixel identificato come colture temporanee è stato attivamente…
Mappe dei tipi di colture europee basate su Sentinel-1 e sulle osservazioni in situ LUCAS Copernicus 2018 per il 2018 e su una combinazione di Sentinel-1, Sentinel-2 e dati ausiliari con le osservazioni LUCAS Copernicus 2022 per il 2022. Basato sull'indagine in situ unica LUCAS 2018 Copernicus, questo set di dati rappresenta il primo…
GFSAD è un progetto finanziato dalla NASA per fornire dati globali ad alta risoluzione sulle colture e sul loro utilizzo di acqua, contribuendo alla sicurezza alimentare globale nel XXI secolo. I prodotti GFSAD derivano da dati di telerilevamento multisensore (ad es. Landsat, MODIS, AVHRR), dati secondari e dati di appezzamenti di campo…
Questo set di dati contiene gli indici di siccità derivati dal set di dati giornalieri Gridded Surface Meteorological (GRIDMET) di 4 km. Gli indici di siccità forniti includono l'indice di precipitazione standardizzato (SPI), l'indice di domanda di siccità evaporativa (EDDI), l'indice di evaporazione delle precipitazioni standardizzato (SPEI), l'indice di gravità della siccità di Palmer (PDSI) e Palmer…
Il set di dati è una mappa globale di 10 metri delle piantagioni di palma da olio industriali e di piccoli proprietari per il 2019. Copre le aree in cui sono state rilevate piantagioni di palma da olio. Le immagini classificate sono l'output di una rete neurale convoluzionale basata sui compositi semestrali di Sentinel-1 e Sentinel-2. Per ulteriori informazioni, consulta l'articolo…
**Nota: questo set di dati non è ancora stato sottoposto a revisione tra pari. Per maggiori informazioni, consulta il file README di GitHub.** Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da…
Per la documentazione tecnica di questo set di dati, consulta questo file README di GitHub. Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da un modello di machine learning. …
Per la documentazione tecnica di questo set di dati, consulta questo file README di GitHub. Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da un modello di machine learning. …
**Nota: questo set di dati non è ancora stato sottoposto a revisione tra pari. Per maggiori informazioni, consulta il file README di GitHub.** Questa raccolta di immagini fornisce la probabilità stimata per pixel che l'area sottostante sia occupata dalla merce. Le stime di probabilità vengono fornite con una risoluzione di 10 metri e sono state generate da…
Il Cropland Data Layer (CDL) è un livello di dati sulla copertura del suolo specifico per le colture creato annualmente per gli Stati Uniti continentali utilizzando immagini satellitari a risoluzione moderata e un'ampia verifica sul campo in ambito agricolo. Il CDL è creato dalla divisione di ricerca e sviluppo del National Agricultural Statistics Service (NASS) dell'USDA…
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","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"]]
