Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
informacje
Ten zbiór danych jest częścią Katalogu wydawców i nie jest zarządzany przez Google Earth Engine.
W przypadku błędów napisz na adres forestdatapartnership@googlegroups.com. Więcej zbiorów danych znajdziesz w katalogu Forest Data Partnership. Więcej informacji o zbiorach danych wydawcy
Uwaga: ten zbiór danych nie został jeszcze poddany recenzji. Więcej informacji znajdziesz w pliku README na GitHubie.
Ta kolekcja obrazów zawiera szacunkowe prawdopodobieństwo dla każdego piksela, że dany obszar jest zajęty przez towar. Szacunki prawdopodobieństwa są podawane z dokładnością do 10 metrów i generowane przez model uczenia maszynowego. Szczegółowe informacje znajdziesz w dokumentacji technicznej w repozytorium Forest Data Partnership w GitHubie.
Głównym celem tej kolekcji obrazów jest wspieranie misji Forest Data Partnership, która ma na celu powstrzymanie i odwrócenie procesu utraty lasów w wyniku produkcji towarów poprzez wspólną poprawę globalnego monitorowania, śledzenia łańcucha dostaw i odbudowy lasów.
Ten zbiór danych obejmuje obecnie te kraje: Ekwador, Ghana, Indonezja, Kolumbia, Peru i Wybrzeże Kości Słoniowej.
Ten produkt z danymi społecznościowymi będzie się z czasem rozwijać, ponieważ społeczność będzie udostępniać więcej danych, a model używany do tworzenia map będzie się stale ulepszać. Jeśli chcesz przesłać ogólną opinię lub dodatkowe zbiory danych, aby ulepszyć te warstwy, skorzystaj z tego formularza.
Ograniczenia: dane wyjściowe modelu są ograniczone do wybranych krajów w postaci kompozycji za lata kalendarzowe 2020 i 2023. Nie wszystkie regiony danych wyjściowych są dobrze reprezentowane przez dane treningowe. Dokładność jest podawana w formie zbiorczej i będzie się różnić w zależności od lokalizacji geograficznej oraz progów wybranych przez użytkownika. Artefakty czujnika oparte na dostępności danych, nierównomierności w kierunku poprzecznym lub zachmurzeniu mogą być widoczne w prawdopodobieństwach wyjściowych i powodować błędy klasyfikacji przy niektórych wartościach progowych.
Pamiętaj, że ten zbiór danych ma oddzielne warunki korzystania dla użytkowników komercyjnych Earth Engine. Szczegółowe informacje znajdziesz na karcie „Warunki korzystania”.
Pasma
Rozmiar piksela 10 metrów
Pasma
Nazwa
Minimum
Maks.
Rozmiar piksela
Opis
probability
0
1
metry
Prawdopodobieństwo, że piksel zawiera drzewa kakaowe w danym roku.
Warunki korzystania z usługi
Warunki korzystania z usługi
W przypadku użytkowników niekomercyjnych korzystanie z tego zbioru danych podlega licencji CC-BY 4.0 NC i wymaga podania następującej informacji o autorstwie: „Wyprodukowano przez Google na potrzeby Forest Data Partnership”.
Uwaga: ten zbiór danych nie został jeszcze zweryfikowany przez inne osoby. Więcej informacji znajdziesz w pliku README na GitHubie. Ta kolekcja obrazów zawiera szacunkowe prawdopodobieństwo dla każdego piksela, że dany obszar jest zajęty przez towar. Szacunki prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez model uczenia maszynowego. Dla…
[null,null,[],[],[],null,["# Cocoa Probability model 2025a\n\ninfo\n\n\nThis dataset is part of a Publisher Catalog, and not managed by Google Earth Engine.\n\nContact forestdatapartnership@googlegroups.com\n\nfor bugs or [view more datasets](https://developers.google.com/earth-engine/datasets/publisher/forestdatapartnership)\nfrom the Forest Data Partnership Catalog. [Learn more about Publisher datasets](/earth-engine/datasets/publisher). \n[](https://forestdatapartnership.org) \n\nCatalog Owner\n: Forest Data Partnership\n\nDataset Availability\n: 2020-01-01T00:00:00Z--2023-12-31T23:59:59Z\n\nDataset Provider\n:\n\n\n [Produced by Google for the Forest Data Partnership](https://www.forestdatapartnership.org/)\n\nTags\n:\n [agriculture](/earth-engine/datasets/tags/agriculture) [biodiversity](/earth-engine/datasets/tags/biodiversity) [conservation](/earth-engine/datasets/tags/conservation) [crop](/earth-engine/datasets/tags/crop) [eudr](/earth-engine/datasets/tags/eudr) [forestdatapartnership](/earth-engine/datasets/tags/forestdatapartnership) [landuse](/earth-engine/datasets/tags/landuse) [plantation](/earth-engine/datasets/tags/plantation) [pre-review](/earth-engine/datasets/tags/pre-review) [publisher-dataset](/earth-engine/datasets/tags/publisher-dataset) \ncocoa \n\n#### Description\n\n**Note: This dataset is not yet peer-reviewed. Please see this\n[GitHub README](https://github.com/google/forest-data-partnership/tree/main/models)\nfor more information.**\n\nThis image collection provides estimated per-pixel probability that the\nunderlying area is occupied by the commodity. The probability estimates are\nprovided at 10 meter resolution, and have been generated by a machine\nlearning model. For details, see the technical documentation on the\n[Forest Data Partnership repo](https://github.com/google/forest-data-partnership/tree/main)\non Github.\n\nThe primary purpose of this image collection is to support the mission of\nthe [Forest Data Partnership](https://www.forestdatapartnership.org/) which\naims to halt and reverse forest loss from commodity production by\ncollaboratively improving global monitoring, supply chain tracking, and\nrestoration.\n\nThis dataset currently covers the following countries: Côte d'Ivoire, Ghana,\nIndonesia, Ecuador, Peru, Colombia.\n\nThis community data product is meant to evolve over time, as more data\nbecomes available from the community and the model used to produce the maps\ncontinuously improves. If you would like to provide general feedback or\nadditional datasets to improve these layers, please reach out through\n[this form](https://goo.gle/fdap-data).\n\nLimitations: Model output is limited to selected countries as calendar year\ncomposites for 2020 and 2023. Not all regions of the output are well\nrepresented by training data. Accuracy is reported in aggregate, and will\nvary geographically and with user chosen thresholds. Sensor artifacts based\non data availability, cross-track nonuniformity, or cloudiness may be\nvisually apparent in output probabilities and result in classification\nerrors at some thresholds.\n\n**Note that this dataset has separate terms of use for commercial users of\nEarth Engine. Please see \"Terms of Use\" tab for details.**\n\n### Bands\n\n\n**Pixel Size**\n\n10 meters\n\n**Bands**\n\n| Name | Min | Max | Pixel Size | Description |\n|---------------|-----|-----|------------|---------------------------------------------------------------------|\n| `probability` | 0 | 1 | meters | Probability that the pixel includes cocoa trees for the given year. |\n\n### Terms of Use\n\n**Terms of Use**\n\nFor non-commercial users of Earth Engine, use of the dataset is subject to\nCC-BY 4.0 NC license and requires the following attribution:\n\"Produced by Google for the Forest Data Partnership\".\n\nFor commercial use of the dataset you may request access using\n[this form](https://docs.google.com/forms/d/e/1FAIpQLSe7L3eh6t2JIPqEtAQwXwY7ZmW52v8W5vrIi4QN_XYgTNJZLw/viewform?resourcekey=0-db8WFCPwr2AZRhnrnH2SFg).\nAccess will be granted or denied on a case-by-case basis. Commercial use of\nthe dataset is subject to the [Forest Data Partnership Datasets Commercial\nTerms of Use](https://services.google.com/fh/files/misc/forest_data_partnership_datasets_commerical_terms_of_use.pdf).\n\nContains modified Copernicus Sentinel data \\[2015-present\\]. See the\n[Sentinel Data Legal Notice](https://sentinels.copernicus.eu/documents/247904/690755/Sentinel_Data_Legal_Notice).\n\n### Citations\n\nCitations:\n\n- Forest Data Partnership. 2025. Community models 2025a. [Online](https://github.com/google/forest-data-partnership/tree/main/models/README.md)\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nMap.setCenter(-7.67, 6.71, 11);\n\nvar collection = ee.ImageCollection(\n 'projects/forestdatapartnership/assets/cocoa/model_2025a');\n\nvar cocoa2020 = collection.filterDate('2020-01-01', '2020-12-31').mosaic();\nMap.addLayer(\n cocoa2020.selfMask(), {min: 0.5, max: 1, palette: 'white,blue'}, 'cocoa 2020');\n\nvar cocoa2023 = collection.filterDate('2023-01-01', '2023-12-31').mosaic();\nMap.addLayer(\n cocoa2023.selfMask(), {min: 0.5, max: 1, palette: 'white,green'}, 'cocoa 2023');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/forestdatapartnership/projects_forestdatapartnership_assets_cocoa_model_2025a) \n[Cocoa Probability model 2025a](/earth-engine/datasets/catalog/projects_forestdatapartnership_assets_cocoa_model_2025a) \nNote: This dataset is not yet peer-reviewed. Please see this GitHub README for more information. This image collection provides estimated per-pixel probability that the underlying area is occupied by the commodity. The probability estimates are provided at 10 meter resolution, and have been generated by a machine learning model. For ... \nprojects/forestdatapartnership/assets/cocoa/model_2025a, agriculture,biodiversity,conservation,crop,eudr,forestdatapartnership,landuse,plantation,pre-review,publisher-dataset \n2020-01-01T00:00:00Z/2023-12-31T23:59:59Z \n-90 -180 90 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://www.forestdatapartnership.org/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/projects_forestdatapartnership_assets_cocoa_model_2025a)"]]
