-
Kakao olasılık modeli 2025a
Not: Bu veri kümesi henüz hakem incelemesinden geçmemiştir. Daha fazla bilgi için lütfen bu GitHub README'yi inceleyin. Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve … tarafından oluşturulur. agriculture biodiversity conservation crop eudr forestdatapartnership -
Coffee Probability model 2025a
Not: Bu veri kümesi henüz hakem incelemesinden geçmemiştir. Daha fazla bilgi için lütfen bu GitHub README'yi inceleyin. Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve … tarafından oluşturulur. agriculture biodiversity conservation crop eudr forestdatapartnership -
DESS China Terrace Map v1
Bu veri kümesi, 2018'de 30 m çözünürlükte Çin teras haritasıdır. Google Earth Engine platformuna dayalı çok kaynaklı ve çok zamanlı veriler kullanılarak denetimli piksel tabanlı sınıflandırma yoluyla geliştirilmiştir. Genel doğruluk ve kappa katsayısı sırasıyla% 94 ve 0, 72 olarak gerçekleşti. Bu ilk … agriculture landcover landuse landuse-landcover tsinghua -
Dynamic World V1
Dynamic World, dokuz sınıf için sınıf olasılıklarını ve etiket bilgilerini içeren, 10 metre çözünürlüklü ve neredeyse gerçek zamanlı (NRT) bir Arazi Kullanımı/Arazi Örtüsü (LULC) veri kümesidir. Dynamic World tahminleri, 27.06.2015'ten günümüze kadar Sentinel-2 L1C koleksiyonu için kullanılabilir. Sentinel-2'nin yeniden ziyaret sıklığı 2-5 gün arasındadır. global google landcover landuse landuse-landcover nrt -
ESA WorldCover 10m v100
Avrupa Uzay Ajansı (ESA) WorldCover 10 m 2020 ürünü, Sentinel-1 ve Sentinel-2 verilerine dayalı olarak 10 m çözünürlükte 2020 yılı için küresel bir arazi örtüsü haritası sunar. WorldCover ürünü 11 arazi örtüsü sınıfıyla birlikte gelir ve … çerçevesinde oluşturulmuştur. esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
ESA WorldCover 10m v200
Avrupa Uzay Ajansı (ESA) WorldCover 10 m 2021 ürünü, Sentinel-1 ve Sentinel-2 verilerine dayalı olarak 10 m çözünürlükte 2021 yılı için küresel bir arazi örtüsü haritası sunar. WorldCover ürünü 11 arazi örtüsü sınıfıyla birlikte gelir ve … çerçevesinde oluşturulmuştur. esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
GPW Yıllık Baskın Çayır Sınıfı v1
Bu veri kümesi, 2000-2022 yılları arasında 30 metrelik uzamsal çözünürlükte, otlakların (ekili ve doğal/yarı doğal) küresel yıllık baskın sınıf haritalarını sağlar. Land & Carbon Lab Global Pasture Watch girişimi tarafından üretilen haritalandırılmış otlak alanı, en az … içeren herhangi bir arazi örtüsü türünü içerir. global global-pasture-watch land landcover landuse landuse-landcover -
GPW Yıllık Ekili Çayır Olasılıkları v1
Bu veri kümesi, 2000-2022 yılları arasında 30 metrelik uzamsal çözünürlükte, ekili çayırların küresel yıllık olasılık haritalarını sağlar. Land & Carbon Lab Global Pasture Watch girişimi tarafından üretilen haritalandırılmış otlak alanı, en az% 30 kuru … içeren tüm arazi örtüsü türlerini kapsar. global global-pasture-watch land landcover landuse landuse-landcover -
GPW Yıllık Doğal/Yarı Doğal Çayır Olasılıkları v1
Bu veri kümesi, 2000-2022 yılları arasında 30 metrelik uzamsal çözünürlükte doğal/yarı doğal çayırların küresel yıllık olasılık haritalarını sağlar. Land & Carbon Lab Global Pasture Watch girişimi tarafından üretilen haritalandırılmış otlak alanı, en az% 30 kuru … içeren tüm arazi örtüsü türlerini kapsar. global global-pasture-watch land landcover landuse landuse-landcover -
GPW Yıllık Kalibre Edilmemiş Brüt Birincil Üretkenlik (uGPP) v1
Bu veri kümesi, 2000 yılından itibaren 30 metrelik uzamsal çözünürlükte, küresel olarak kalibre edilmemiş EO tabanlı brüt birincil üretim verilerini sağlar. Land & Carbon Lab Global Pasture Watch girişimi tarafından üretilen mevcut veri kümesi, 2000'den itibaren 30 metrelik mekansal çözünürlükte dünya genelinde Brüt Birincil Üretkenlik (GPP) değerlerini sağlar. GPP değerleri … global global-pasture-watch land landcover landuse plant-productivity -
Yağ Palmiyesi Plantasyonlarının Küresel Haritası
Veri kümesi, 2019 yılına ait 10 milyon ölçekli küresel bir endüstriyel ve küçük ölçekli yağ palmiyesi haritasıdır. Palmiye yağı plantasyonlarının tespit edildiği alanları kapsar. Sınıflandırılmış görüntüler, Sentinel-1 ve Sentinel-2'nin altı aylık kompozitlerine dayalı bir evrişimli nöral ağın çıkışıdır. Ek bilgiler için makaleye göz atın. agriculture biodiversity conservation crop global landuse -
Google Global Landsat tabanlı CCDC Segmentleri (1999-2019)
Bu koleksiyon, 20 yıllık Landsat yüzey yansıtma verileri üzerinde Sürekli Değişiklik Tespiti ve Sınıflandırma (CCDC) algoritması çalıştırılarak önceden hesaplanmış sonuçları içerir. CCDC, zaman serisi verilerindeki kesme noktalarını tespit etmek için dinamik bir RMSE eşiğiyle harmonik uyumlaştırma kullanan bir kesme noktası bulma algoritmasıdır. … change-detection google landcover landsat-derived landuse landuse-landcover -
LUCAS Copernicus (Özelliklere sahip poligonlar, 2018) V1
Avrupa Birliği'ndeki (AB) Arazi Kullanımı/Örtüsü Alanı Çerçeve Anketi (LUCAS), istatistiksel bilgi sağlamak için oluşturulmuştur. Bu, AB topraklarının tamamında üç yılda bir gerçekleştirilen yerinde arazi örtüsü ve arazi kullanımı veri toplama çalışmasını ifade eder. LUCAS, arazi örtüsü ve … hakkında bilgi toplar. copernicus eu jrc landcover landuse landuse-landcover -
LUCAS Harmonized (Theoretical Location, 2006-2018) V1
Avrupa Birliği'ndeki (AB) Arazi Kullanımı/Örtüsü Alanı Çerçeve Anketi (LUCAS), istatistiksel bilgi sağlamak için oluşturulmuştur. Bu, AB topraklarının tamamında üç yılda bir gerçekleştirilen yerinde arazi örtüsü ve arazi kullanımı veri toplama çalışmasını ifade eder. LUCAS, arazi örtüsü ve … hakkında bilgi toplar. eu jrc landcover landuse landuse-landcover lucas -
Palm Probability model 2025a
Not: Bu veri kümesi henüz hakem incelemesinden geçmemiştir. Daha fazla bilgi için lütfen bu GitHub README'yi inceleyin. Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve … tarafından oluşturulur. agriculture biodiversity conservation crop eudr forestdatapartnership -
Kauçuk Ağacı Olasılık Modeli 2025a
Not: Bu veri kümesi henüz hakem incelemesinden geçmemiştir. Daha fazla bilgi için lütfen bu GitHub README'yi inceleyin. Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve … tarafından oluşturulur. agriculture biodiversity conservation crop eudr forestdatapartnership -
USFS Landscape Change Monitoring System v2024.10 (CONUS and OCONUS)
Bu ürün, Landscape Change Monitoring System (LCMS) veri paketinin bir parçasıdır. Her yıl için LCMS ile modellenmiş değişiklikleri, arazi örtüsünü ve/veya arazi kullanım sınıflarını gösterir. Ayrıca, Alaska (AK), Porto Riko (PR) ve Hawaii (HI) dahil olmak üzere ABD'nin bitişik eyaletlerinin (CONUS) yanı sıra CONUS dışındaki alanları (OCONUS) da kapsar. change-detection forest gtac landcover landuse landuse-landcover -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
Bu veri kümesi, 2001-2022 yılları arasında küresel olarak 1 km çözünürlükte ağaç örtüsü kaybının temel nedenini gösterir. Dünya Kaynakları Enstitüsü (WRI) ve Google DeepMind tarafından üretilen veriler, toplanan bir dizi örnek üzerinde eğitilmiş küresel bir nöral ağ modeli (ResNet) kullanılarak geliştirilmiştir. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
Bu veri kümesi, 2001-2023 yılları arasında dünya genelinde ağaç örtüsü kaybının temel nedenini 1 km çözünürlükte gösterir. Dünya Kaynakları Enstitüsü (WRI) ve Google DeepMind tarafından üretilen veriler, toplanan bir dizi örnek üzerinde eğitilmiş küresel bir nöral ağ modeli (ResNet) kullanılarak geliştirilmiştir. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
Bu veri kümesi, 2001-2024 yılları arasında dünya genelinde 1 km çözünürlükte ağaç örtüsü kaybının temel nedenini gösterir. Dünya Kaynakları Enstitüsü (WRI) ve Google DeepMind tarafından üretilen veriler, toplanan bir dizi örnek üzerinde eğitilmiş küresel bir nöral ağ modeli (ResNet) kullanılarak geliştirilmiştir. agriculture deforestation forest forest-biomass google landandcarbon
