Datasets tagged crop in Earth Engine
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
2009 begann das Earth Observation Team des Science and Technology Branch (STB) bei Agriculture and Agri-Food Canada (AAFC) mit der Erstellung jährlicher digitaler Karten für Nutzpflanzen. Mit Schwerpunkt auf den Prärieprovinzen in den Jahren 2009 und 2010 wurde eine auf Entscheidungsbäumen (Decision Tree, DT) basierende Methodik entwickelt, …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Die Produktreihe „WorldCereal 10 m 2021“ der European Space Agency (ESA) besteht aus jährlichen und saisonalen Karten von landwirtschaftlichen Flächen auf globaler Ebene sowie den zugehörigen Konfidenzwerten. Sie wurden im Rahmen des ESA-WorldCereal-Projekts generiert. Weitere Informationen zum Inhalt dieser Produkte und zur Methodik, die zum …
Das WorldCereal-Klassifizierungssystem der European Space Agency (ESA) zielt darauf ab, Produkte innerhalb eines Monats nach Ende einer bestimmten Vegetationsperiode zu generieren. Aufgrund der dynamischen Natur dieser Vegetationsperioden auf der ganzen Welt wurde eine globale Stratifizierung in agroökologische Zonen (AEZ) auf der Grundlage von … durchgeführt.
Die Produktreihe „WorldCereal Active Cropland 10 m 2021“ der European Space Agency (ESA) enthält saisonale Marker für aktive Ackerflächen auf globaler Ebene. Sie wurden im Rahmen des ESA-WorldCereal-Projekts generiert. Die Produkte für aktives Ackerland geben an, ob ein als zeitweiliges Ackerland identifizierter Pixel aktiv …
Europäische Karten des Erntetyps auf Grundlage von Sentinel-1- und LUCAS Copernicus-In-situ-Beobachtungen für 2018 sowie einer Kombination aus Sentinel-1-, Sentinel-2- und Hilfsdaten mit LUCAS Copernicus-Beobachtungen für 2022. Dieses Dataset basiert auf der einzigartigen LUCAS 2018-Copernicus-Vor-Ort-Erhebung und ist das erste …
Das GFSAD ist ein von der NASA finanziertes Projekt, das hochauflösende globale Daten zu Ackerland und dessen Wasserverbrauch bereitstellt und so zur globalen Ernährungssicherheit im 21. Jahrhundert beiträgt. Die GFSAD-Produkte werden aus Fernerkundungsdaten von mehreren Sensoren (z. B. Landsat, MODIS, AVHRR), Sekundärdaten und Daten aus Feldversuchen abgeleitet.
Dieser Datensatz enthält Dürreindizes, die aus dem täglichen GRIDMET-Datensatz (Gridded Surface Meteorological) mit einer Auflösung von 4 km abgeleitet wurden. Die bereitgestellten Dürreindizes umfassen den standardisierten Niederschlagsindex (SPI), den Index für die Verdunstungsdürre (EDDI), den standardisierten Index für die Gesamtverdunstung von Niederschlag (SPEI), den Palmer-Dürre-Index (PDSI) und Palmer …
Das Dataset ist eine globale Karte der industriellen und kleinbäuerlichen Ölpalmen für 2019 mit einer Auflösung von 10 m. Sie umfasst Gebiete, in denen Ölpalmenplantagen entdeckt wurden. Die klassifizierten Bilder sind die Ausgabe eines Convolutional Neural Network, das auf halbjährlichen Sentinel-1- und Sentinel-2-Composites basiert. Weitere Informationen finden Sie im Artikel …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Diese Bildsammlung enthält die geschätzte Wahrscheinlichkeit pro Pixel, dass der zugrunde liegende Bereich von dem Agrarrohstoff bedeckt ist. Die Wahrscheinlichkeitsschätzungen werden mit einer Auflösung von 10 Metern bereitgestellt und wurden von einem Modell für maschinelles Lernen generiert. Weitere Informationen finden Sie in der technischen Dokumentation zur Forest Data Partnership …
Der Cropland Data Layer (CDL) ist eine kulturspezifische Daten-Ebene zur Bodenbedeckung, die jährlich für die kontinentalen USA mithilfe von Satellitenbildern mit mittlerer Auflösung und umfangreichen landwirtschaftlichen Referenzdaten erstellt wird. Die CDL wird vom USDA, National Agricultural Statistics Service (NASS), Research and Development Division, …
[null,null,[],[],["Agricultural agencies and projects are creating datasets for crop mapping and analysis. Actions include generating annual crop maps, like Canada's AAFC using a Decision Tree methodology, and ESA's WorldCereal project producing global-scale crop maps. Other datasets provide oil palm plantation maps, cropland extent data, and drought indices. Recent models also estimate cocoa, palm, and rubber tree probabilities at a per-pixel level, with some data focused on specific regions like Europe, the US, or Canada, while others are global.\n"]]
