Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Модель вероятности какао 2025a
Примечание: Этот набор данных ещё не прошёл рецензирование. Подробнее см. в файле README на GitHub. Эта коллекция изображений показывает оценочную вероятность того, что данная область занята товаром, с точностью до пикселя. Оценки вероятности получены с разрешением 10 метров и были получены…
Примечание: Этот набор данных ещё не прошёл рецензирование. Подробнее см. в файле README на GitHub. Эта коллекция изображений показывает оценочную вероятность того, что данная область занята товаром, с точностью до пикселя. Оценки вероятности получены с разрешением 10 метров и были получены…
Глобальная карта лесного покрова EC JRC 2020, версия 2
Глобальная карта лесного покрова представляет собой пространственно-явное представление наличия и отсутствия лесов в 2020 году с разрешением 10 м. 2020 год соответствует дате окончания действия Регламента Европейского Союза «О предоставлении…»
Примечание: Этот набор данных ещё не прошёл рецензирование. Подробнее см. файл README на GitHub, связанный с этой моделью. На этом изображении представлена оценка попиксельного уровня (в диапазоне [0, 1]), которая показывает, занята ли данная область пикселя нетронутым лесом в 2020 году. Эти оценки…
Глобальная карта типов лесов обеспечивает пространственное отображение девственных лесов, естественно возобновляющихся лесов и лесопосадок (включая плантации) по состоянию на 2020 год с пространственным разрешением 10 м. Базовым слоем для картирования этих типов лесов является площадь лесного покрова…
«Естественные леса мира 2020» представляет собой глобальную карту вероятности появления естественных лесов в 2020 году с разрешением 10 метров. Она была разработана в поддержку таких инициатив, как Регламент Европейского союза по обезлесению (EUDR), и других усилий по сохранению и мониторингу лесов. Карта…
Примечание: Этот набор данных ещё не прошёл рецензирование. Подробнее см. в файле README на GitHub. Эта коллекция изображений показывает оценочную вероятность того, что данная область занята товаром, с точностью до пикселя. Оценки вероятности получены с разрешением 10 метров и были получены…
Примечание: Этот набор данных ещё не прошёл рецензирование. Подробнее см. в файле README на GitHub. Эта коллекция изображений показывает оценочную вероятность того, что данная область занята товаром, с точностью до пикселя. Оценки вероятности получены с разрешением 10 метров и были получены…
[null,null,[],[[["\u003cp\u003eThe datasets provide information on global forest cover, including forest presence, absence, and types, at 10m resolution for the year 2020.\u003c/p\u003e\n"],["\u003cp\u003eThere are probability models for cocoa, palm, and rubber tree occupation, offering per-pixel likelihood estimates at 10m resolution.\u003c/p\u003e\n"],["\u003cp\u003eA Forest Persistence dataset provides scores indicating undisturbed forest areas in 2020, aiding in deforestation analysis.\u003c/p\u003e\n"],["\u003cp\u003eMany of the datasets are associated with the Forest Data Partnership and some are pre-review, requiring caution in interpretation and application.\u003c/p\u003e\n"],["\u003cp\u003eDatasets support various applications like biodiversity conservation, land use planning, and compliance with EU deforestation regulations.\u003c/p\u003e\n"]]],["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"],null,[]]
