-
可可概率模型 2025a
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 生物多样性 可可 保护 作物 eudr -
Cocoa 概率模型 2025b
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 alphaearth-derived 生物多样性 可可 保护 农作物 -
Coffee Probability 模型 2025a
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 生物多样性 咖啡 保护 作物 eudr -
Coffee Probability 模型 2025b
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 alphaearth-derived 生物多样性 咖啡 保护 作物 -
EC JRC 2020 年全球森林覆盖地图,V3
这份全球森林覆盖地图以空间显式方式呈现了 2020 年的森林存在和不存在情况,空间分辨率为 10 米。2020 年是欧盟“关于在市场上投放 … eudr 森林 森林生物质 jrc -
EC JRC 2020 年全球森林类型地图,V1
全球森林类型地图以空间显式方式表示 2020 年原始森林、自然再生林和人工林(包括种植林)的分布情况,空间分辨率为 10 米。用于绘制这些森林类型的基本图层是森林覆盖范围… eudr 森林 森林生物质 jrc 土地覆盖 原始森林 -
Forest Persistence v0
此图片提供了一个逐像素得分(范围为 [0, 1]),用于指示相应像素区域在 2020 年是否被未受干扰的森林占据。这些得分以 30 米分辨率提供,是通过一种证据汇聚方法生成的,该方法可将多种森林… 生物多样性 保护 森林砍伐 Eudr 森林生物质 forestdatapartnership -
Forest Typology (ForTy) 2020 v1.0
森林类型学 (ForTy) v1 数据集包含 2020 年全球每类概率地图,分辨率为 10 米,覆盖南纬 65° 至北纬 84° 之间的所有陆地区域。六类分类与粮农组织和欧盟《森林砍伐法规》(EUDR) 的定义一致:第 1 类… alphaearth-derived biodiversity climate conservation deforestation eudr -
2020 年世界天然森林
“2020 年世界天然森林”数据集提供了一张 2020 年全球天然森林概率地图,分辨率为 10 米。此图层旨在支持《欧盟零毁林法案》(EUDR) 等倡议,以及其他森林保护和监测工作。地图… biodiversity climate conservation deforestation eudr forest -
Palm Probability 模型 2025a
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 生物多样性 保护 作物 eudr forestdatapartnership -
Palm 概率模型 2025b
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 alphaearth-derived 生物多样性 保护 农作物 eudr -
Rubber Probability 模型 2025b
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 alphaearth-derived 生物多样性 保护 农作物 eudr -
Rubber Tree Probability 模型 2025a
此影像集提供估计的每像素概率,表示相应区域被相应商品占据的可能性。概率估计值以 10 米为单位提供,由机器学习模型生成。如需了解详情,请参阅有关森林数据合作伙伴计划的技术文档… 农业 生物多样性 保护 作物 eudr forestdatapartnership
Datasets tagged eudr in Earth Engine
[null,null,[],[],["Multiple datasets offer 10m resolution spatial data. Two datasets map global forest cover and types for 2020, distinguishing between primary, naturally regenerating, and planted forests. Three other datasets provide per-pixel probability estimates for cocoa, palm, and rubber tree presence. Finally, one dataset quantifies the likelihood of undisturbed forest in 2020. These probability models are marked as pre-peer review. All of them are made for the regulation from the European Union.\n"]]