Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Orman Verileri Ortaklığı ile ilgili teknik belgelere bakın.
Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Orman Verileri Ortaklığı ile ilgili teknik belgelere bakın.
Veri kümesi, 2019 yılına ait 10 metre çözünürlüklü küresel bir endüstriyel ve küçük ölçekli yağ palmiyesi haritasıdır. Palmiye yağı tarlalarının tespit edildiği alanları kapsar. Sınıflandırılmış görüntüler, Sentinel-1 ve Sentinel-2'nin altı aylık kompozitlerine dayalı bir evrişimli nöral ağın çıkışıdır. Ek bilgiler için makaleyi inceleyin.
Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Orman Verileri Ortaklığı ile ilgili teknik belgelere bakın.
Bu resim koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığının piksel başına tahminini sağlar. Olasılık tahminleri 10 metre çözünürlükte sağlanır ve makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Orman Verileri Ortaklığı ile ilgili teknik belgelere bakın.
[[["Anlaması kolay","easyToUnderstand","thumb-up"],["Sorunumu çözdü","solvedMyProblem","thumb-up"],["Diğer","otherUp","thumb-up"]],[["İhtiyacım olan bilgiler yok","missingTheInformationINeed","thumb-down"],["Çok karmaşık / çok fazla adım var","tooComplicatedTooManySteps","thumb-down"],["Güncel değil","outOfDate","thumb-down"],["Çeviri sorunu","translationIssue","thumb-down"],["Örnek veya kod sorunu","samplesCodeIssue","thumb-down"],["Diğer","otherDown","thumb-down"]],[],[],["The information describes four datasets related to agricultural land use. The first is a 2019 global map of oil palm plantations at 10m resolution, created using a neural network on satellite imagery. The other three are per-pixel probability models, also at 10m resolution, for cocoa, palm, and rubber trees respectively, all labeled as \"2024a\" and not peer-reviewed. These models estimate the probability of each area being occupied by these specific crops. All datasets are tagged with biodiversity, conservation, crop, and landuse.\n"]]
