-
Model prawdopodobieństwa występowania kakao 2026a
Ta kolekcja obrazów zawiera szacowane prawdopodobieństwo na piksel, że dany obszar jest zajęty przez dany towar. Szacunkowe prawdopodobieństwo jest podawane z dokładnością do 10 metrów i jest generowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej Forest Data Partnership… rolnictwo alphaearth bioróżnorodność ochrona uprawy eudr -
Model prawdopodobieństwa Coffee 2026a
Ta kolekcja obrazów zawiera szacowane prawdopodobieństwo na piksel, że dany obszar jest zajęty przez dany towar. Szacunkowe prawdopodobieństwo jest podawane z dokładnością do 10 metrów i jest generowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej Forest Data Partnership… rolnictwo alphaearth bioróżnorodność ochrona uprawy eudr -
DESS China Terrace Map v1
Ten zbiór danych to mapa tarasów w Chinach w rozdzielczości 30 m z 2018 r. Została opracowana na podstawie nadzorowanej klasyfikacji pikselowej z wykorzystaniem danych z wielu źródeł i z różnych okresów na platformie Google Earth Engine. Ogólna dokładność i współczynnik kappa osiągnęły odpowiednio 94% i 0, 72. This first … rolnictwo pokrycie terenu użytkowanie gruntów użytkowanie gruntów i pokrycie terenu tsinghua -
Dynamic World V1
Dynamic World to zbiór danych dotyczących użytkowania i pokrycia terenu (LULC) o rozdzielczości 10 m w czasie zbliżonym do rzeczywistego (NRT), który zawiera prawdopodobieństwa klas i informacje o etykietach dla 9 klas. Prognozy Dynamic World są dostępne dla kolekcji Sentinel-2 L1C od 27 czerwca 2015 r. do chwili obecnej. Częstotliwość przelotów satelity Sentinel-2 wynosi od 2 do 5 dni… globalne google pokrycie-terenu użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu nrt -
ESA WorldCover 10m v100
Usługa WorldCover 10 m 2020 Europejskiej Agencji Kosmicznej (ESA) udostępnia globalną mapę pokrycia terenu z 2020 r. w rozdzielczości 10 m na podstawie danych z satelitów Sentinel-1 i Sentinel-2. Usługa WorldCover zawiera 11 klas pokrycia terenu i została wygenerowana w ramach… esa pokrycie-terenu użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu sentinel1 sentinel2 -
ESA WorldCover 10m v200
Produkt WorldCover 10 m 2021 Europejskiej Agencji Kosmicznej (ESA) to globalna mapa pokrycia terenu w 2021 r. w rozdzielczości 10 m na podstawie danych z satelitów Sentinel-1 i Sentinel-2. Usługa WorldCover zawiera 11 klas pokrycia terenu i została wygenerowana w ramach… esa pokrycie-terenu użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu sentinel1 sentinel2 -
GPW Annual Dominant Class of Grasslands v1
Ten zbiór danych zawiera globalne roczne mapy klas dominujących użytków zielonych (uprawnych i naturalnych/półnaturalnych) z lat 2000–2022 w rozdzielczości przestrzennej 30 m. Zasięg łąk i pastwisk, który został zmapowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, obejmuje każdy typ pokrycia terenu, który zawiera co najmniej… global global-pasture-watch land landcover landuse landuse-landcover -
GPW Annual Probabilities of Cultivated Grasslands v1
Ten zbiór danych zawiera globalne roczne mapy prawdopodobieństwa występowania uprawianych użytków zielonych w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Zasięg użytków zielonych, który został zmapowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% suchej… global global-pasture-watch land landcover landuse landuse-landcover -
Roczne prawdopodobieństwo występowania naturalnych i półnaturalnych użytków zielonych (GPW), wersja 1
Ten zbiór danych zawiera globalne roczne mapy prawdopodobieństwa występowania naturalnych i półnaturalnych użytków zielonych w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Zasięg użytków zielonych, który został zmapowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% suchej… global global-pasture-watch land landcover landuse landuse-landcover -
GPW Annual livestock headcount FAOSTAT-adjusted v1
Ten zbiór danych zawiera globalne dane dotyczące liczby zwierząt hodowlanych w latach 2000–2022 w rozdzielczości przestrzennej 1 km. Zbiór danych, który powstał w ramach inicjatywy Global Pasture Watch laboratorium Land & Carbon Lab, zawiera globalne prognozy dotyczące liczby zwierząt dostosowane do statystyk krajowych FAOSTAT. Zbiór danych jest oparty na największej znanej… rolnictwo globalne global-pasture-watch gpw grunt użytkowanie-gruntów -
Roczna nieskalibrowana produktywność pierwotna brutto (uGPP) GPW, wersja 1
Ten zbiór danych zawiera globalne nieskalibrowane dane dotyczące produktywności pierwotnej brutto na podstawie obserwacji Ziemi od 2000 r. w rozdzielczości przestrzennej 30 m. Bieżący zbiór danych, utworzony w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, zawiera wartości produktywności pierwotnej brutto (GPP) na całym świecie w rozdzielczości przestrzennej 30 m od 2000 r. Wartości GPP… global global-pasture-watch land landcover landuse plant-productivity -
Global Oil Palm Extent and Planting Year (1990-2021) v1.2
Globalny zasięg upraw palmy olejowej w latach 2016–2021 w rozdzielczości 10 m i rok sadzenia palmy olejowej w latach 1990–2021 w rozdzielczości 30 m. Zbiór danych składa się z 609 płytek siatki o wymiarach 100 x 100 km, które obejmują tropikalne i subtropikalne regiony uprawy palmy olejowej na całym świecie, mapując 23,98 mln ha zamkniętych upraw palmy olejowej… rolnictwo bioróżnorodność ochrona uprawy globalne pokrycie-terenu -
Google Global Landsat-based CCDC Segments (1999-2019)
Ta kolekcja zawiera wstępnie obliczone wyniki działania algorytmu Continuous Change Detection and Classification (CCDC) na danych dotyczących współczynnika odbicia powierzchni Landsat z 20 lat. CCDC to algorytm znajdowania punktów przerwania, który wykorzystuje dopasowanie harmoniczne z dynamicznym progiem RMSE do wykrywania punktów przerwania w danych ciągów czasowych. … wykrywanie-zmian google pokrycie-terenu landsat użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu -
LUCAS Copernicus (Wielokąty z atrybutami, 2018), wersja 1
Badanie Land Use/Cover Area frame Survey (LUCAS) w Unii Europejskiej (UE) zostało utworzone w celu dostarczania informacji statystycznych. Obejmuje on zbieranie danych dotyczących pokrycia i użytkowania terenu, które odbywa się co 3 lata na terenie całej Unii Europejskiej. LUCAS zbiera informacje o pokryciu terenu i … copernicus eu jrc pokrycie-terenu użytkowanie-ziemi użytkowanie-ziemi-pokrycie-terenu -
LUCAS Harmonized (Theoretical Location, 2006–2018) V1
Badanie Land Use/Cover Area frame Survey (LUCAS) w Unii Europejskiej (UE) zostało utworzone w celu dostarczania informacji statystycznych. Obejmuje on zbieranie danych dotyczących pokrycia i użytkowania terenu, które odbywa się co 3 lata na terenie całej Unii Europejskiej. LUCAS zbiera informacje o pokryciu terenu i … eu jrc pokrycie-terenu użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu lucas -
LUCAS THLOC (Punkty z atrybutami, 2022), wersja 1
Badanie Land Use/Cover Area frame Survey (LUCAS) w Unii Europejskiej (UE) zostało utworzone w celu dostarczania informacji statystycznych. Obejmuje on zbieranie danych dotyczących pokrycia i użytkowania terenu, które odbywa się co 3 lata na terenie całej Unii Europejskiej. LUCAS zbiera informacje o pokryciu terenu i … eu jrc pokrycie-terenu użytkowanie-gruntów użytkowanie-gruntów-pokrycie-terenu lucas -
Model Palm Probability 2026a
Ta kolekcja obrazów zawiera szacowane prawdopodobieństwo na piksel, że dany obszar jest zajęty przez dany towar. Szacunkowe prawdopodobieństwo jest podawane z dokładnością do 10 metrów i jest generowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej Forest Data Partnership… rolnictwo alphaearth bioróżnorodność ochrona uprawy eudr -
Model prawdopodobieństwa występowania kauczuku 2026a
Ta kolekcja obrazów zawiera szacowane prawdopodobieństwo na piksel, że dany obszar jest zajęty przez dany towar. Szacunkowe prawdopodobieństwo jest podawane z dokładnością do 10 metrów i jest generowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej Forest Data Partnership… rolnictwo alphaearth bioróżnorodność ochrona uprawy eudr -
USFS Landscape Change Monitoring System v2025-11 (CONUS i OCONUS)
Ten produkt jest częścią pakietu danych Landscape Change Monitoring System (LCMS). Pokazuje zmiany modelowane przez LCMS, pokrycie terenu lub klasy użytkowania gruntów w każdym roku i obejmuje kontynentalne Stany Zjednoczone (CONUS) oraz obszary poza nimi (OCONUS), w tym Alaskę (AK), Portoryko… change-detection forest fsic-go gtac gtac-data-publish landcover -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
Ten zbiór danych przedstawia główny czynnik powodujący utratę zagęszczenia drzew w latach 2001–2022 na całym świecie w rozdzielczości 1 km. Dane te zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… rolnictwo wylesianie las biomasa-leśna google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
Ten zbiór danych przedstawia główny czynnik powodujący utratę zagęszczenia drzew w latach 2001–2023 na całym świecie w rozdzielczości 1 km. Dane te zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… rolnictwo wylesianie las biomasa-leśna google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
Ten zbiór danych przedstawia główny czynnik powodujący utratę zagęszczenia drzew w latach 2001–2024 na całym świecie w rozdzielczości 1 km. Dane te zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… rolnictwo wylesianie las biomasa-leśna google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3
Ten zbiór danych przedstawia główny czynnik powodujący utratę zagęszczenia drzew w latach 2001–2025 na całym świecie w rozdzielczości 1 km. Dane te zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… rolnictwo wylesianie las biomasa-leśna google landandcarbon