Bu görüntü koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığını piksel başına tahmini olarak sağlar. Olasılık tahminleri 10 metrelik çözünürlükte sunulur ve bir makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Forest Data Partnership ile ilgili teknik belgelere bakın…
Bu görüntü koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığını piksel başına tahmini olarak sağlar. Olasılık tahminleri 10 metrelik çözünürlükte sunulur ve bir makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Forest Data Partnership ile ilgili teknik belgelere bakın…
2016-2021 yılları için 10 m çözünürlükte küresel yağ palmiyesi kapsamı ve 1990-2021 yılları için 30 m çözünürlükte yağ palmiyesi ekim yılı. Veri kümesi, dünya genelinde tropikal ve subtropikal yağ palmiyesi yetiştirme bölgelerini kapsayan 609 adet 100x100 km'lik ızgara karodan oluşur ve 23,98 milyon hektarlık kapalı kanopili yağ palmiyesi alanını haritalandırır.
Bu görüntü koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığını piksel başına tahmini olarak sağlar. Olasılık tahminleri 10 metrelik çözünürlükte sunulur ve bir makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Forest Data Partnership ile ilgili teknik belgelere bakın…
Bu görüntü koleksiyonu, temel alanın emtia tarafından işgal edilme olasılığını piksel başına tahmini olarak sağlar. Olasılık tahminleri 10 metrelik çözünürlükte sunulur ve bir makine öğrenimi modeli tarafından oluşturulur. Ayrıntılar için Forest Data Partnership 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models, also at 10m resolution, for cocoa, palm, and rubber trees respectively, all labeled as \"2024a\" and not peer-reviewed.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"]]