संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
जानकारी
यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है.
बग की शिकायत करने या Forest Data Partnership Catalog से ज़्यादा डेटासेट देखने के लिए, forestdatapartnership@googlegroups.com पर संपर्क करें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
ध्यान दें: इस डेटासेट की अभी तक समीक्षा नहीं की गई है. ज़्यादा जानकारी के लिए, कृपया यह GitHub README देखें.
इस इमेज कलेक्शन से, हर पिक्सल के लिए यह अनुमान लगाया जाता है कि कमोडिटी ने उस पिक्सल के नीचे मौजूद जगह को कवर किया है. संभावना के अनुमान, 10 मीटर के रिज़ॉल्यूशन के हिसाब से दिए जाते हैं. इन्हें मशीन लर्निंग मॉडल ने जनरेट किया है. ज़्यादा जानकारी के लिए, Github पर Forest Data Partnership repo का तकनीकी दस्तावेज़ देखें.
इमेज के इस कलेक्शन का मुख्य मकसद, Forest Data Partnership के मिशन को पूरा करने में मदद करना है. इस मिशन का मकसद, कमोडिटी के उत्पादन की वजह से होने वाले वन विनाश को रोकना और उसे कम करना है. इसके लिए, वैश्विक मॉनिटरिंग, सप्लाई चेन ट्रैकिंग, और वन बहाली को बेहतर बनाने के लिए मिलकर काम करना है.
फ़िलहाल, इस डेटासेट में इन देशों का डेटा शामिल है: थाईलैंड, इंडोनेशिया, वियतनाम, आइवरी कोस्ट, चीन, मलेशिया, ब्राज़ील, मेक्सिको, और श्रीलंका.
यह कम्यूनिटी डेटा प्रॉडक्ट समय के साथ बेहतर होता जाएगा. ऐसा इसलिए, क्योंकि कम्यूनिटी से ज़्यादा डेटा उपलब्ध होगा. साथ ही, मैप बनाने के लिए इस्तेमाल किया जाने वाला मॉडल लगातार बेहतर होता जाएगा. अगर आपको इन लेयर को बेहतर बनाने के लिए सामान्य सुझाव/राय देनी है या अतिरिक्त डेटासेट उपलब्ध कराने हैं, तो कृपया इस फ़ॉर्म के ज़रिए हमसे संपर्क करें.
सीमाएं: मॉडल का आउटपुट, चुने गए देशों के लिए साल 2020 और 2023 के कैलेंडर ईयर कंपोज़िट तक सीमित है. ट्रेनिंग डेटा में, आउटपुट के सभी क्षेत्रों को अच्छी तरह से नहीं दिखाया गया है. सटीकता की जानकारी एग्रीगेट करके दी जाती है. यह जगह के हिसाब से और उपयोगकर्ता के चुने गए थ्रेशोल्ड के हिसाब से अलग-अलग होगी. डेटा की उपलब्धता, क्रॉस-ट्रैक की एकरूपता या बादलों की वजह से सेंसर में गड़बड़ियां हो सकती हैं. ये गड़बड़ियां, आउटपुट की संभावनाओं में साफ़ तौर पर दिख सकती हैं. साथ ही, कुछ थ्रेशोल्ड पर कैटगरी तय करने में गड़बड़ियां हो सकती हैं.
ध्यान दें कि इस डेटासेट के लिए, Earth Engine का इस्तेमाल करने वाले व्यावसायिक उपयोगकर्ताओं के लिए इस्तेमाल की अलग शर्तें हैं. ज़्यादा जानकारी के लिए, कृपया "इस्तेमाल की शर्तें" टैब देखें.
बैंड
पिक्सल का साइज़ 10 मीटर
बैंड
नाम
कम से कम
ज़्यादा से ज़्यादा
पिक्सल का साइज़
ब्यौरा
probability
0
1
मीटर
इस बात की संभावना कि पिक्सल में दिए गए साल के लिए रबर के पेड़ शामिल हैं.
उपयोग की शर्तें
इस्तेमाल की शर्तें
Earth Engine का इस्तेमाल कारोबार के लिए नहीं करने वाले लोगों के लिए, इस डेटासेट का इस्तेमाल CC-BY 4.0 NC लाइसेंस के तहत किया जाता है. इसके लिए, एट्रिब्यूशन देना ज़रूरी है. जैसे, "इसे Google ने Forest Data Partnership के लिए बनाया है".
ध्यान दें: इस डेटासेट की अब तक समीक्षा नहीं की गई है. ज़्यादा जानकारी के लिए, कृपया GitHub पर मौजूद यह README फ़ाइल देखें. इमेज के इस कलेक्शन से, हर पिक्सल के हिसाब से यह अनुमान लगाया जाता है कि कमोडिटी ने उस जगह को घेर रखा है. संभावित अनुमान, 10 मीटर के रिज़ॉल्यूशन के हिसाब से दिए जाते हैं. इन्हें मशीन लर्निंग मॉडल से जनरेट किया जाता है. … के लिए
[null,null,[],[],[],null,["# Rubber Tree 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) \nrubber \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: Thailand, Indonesia,\nViet Nam, Côte d'Ivoire, China, Malaysia, Brazil, Mexico, and Sri Lanka.\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 rubber 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(106.48584, 11.17099, 11);\n\nvar collection = ee.ImageCollection(\n 'projects/forestdatapartnership/assets/rubber/model_2025a');\n\nvar r2020 = collection.filterDate('2020-01-01', '2020-12-31').mosaic();\nMap.addLayer(\n r2020.selfMask(), {min: 0.5, max: 1, palette: 'white,blue'}, 'rubber 2020');\n\nvar r2023 = collection.filterDate('2023-01-01', '2023-12-31').mosaic();\nMap.addLayer(\n r2023.selfMask(), {min: 0.5, max: 1, palette: 'white,green'},\n 'rubber 2023');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/forestdatapartnership/projects_forestdatapartnership_assets_rubber_model_2025a) \n[Rubber Tree Probability model 2025a](/earth-engine/datasets/catalog/projects_forestdatapartnership_assets_rubber_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/rubber/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_rubber_model_2025a)"]]
