-
Model prawdopodobieństwa dotyczący kakao 2025a
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. Prognozy prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez … agriculture biodiversity conservation crop eudr forestdatapartnership -
Model prawdopodobieństwa dotyczący kawy 2025a
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. Prognozy prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez … agriculture biodiversity conservation crop eudr forestdatapartnership -
DESS China Terrace Map v1
Ten zbiór danych to mapa tarasów w Chinach z 2018 r. o rozdzielczości 30 m. Została ona opracowana na podstawie nadzorowanej klasyfikacji pikseli z użyciem danych pochodzących z wielu źródeł i z wielu okresów, na platformie Google Earth Engine. Ogólna dokładność i współczynnik kappa wyniosły odpowiednio 94% i 0, 72. Pierwszy… agriculture landcover landuse landuse-landcover tsinghua -
Dynamic World V1
Dynamic World to zbiór danych o użytkowaniu i pokryciu terenu (LULC) o rozdzielczości 10 m, aktualizowany w czasie zbliżonym do rzeczywistego (NRT). Zawiera prawdopodobieństwa klas i informacje o etykietach dla 9 klas. Prognozy Dynamic World są dostępne dla kolekcji Sentinel-2 L1C od 27 czerwca 2015 r. do chwili obecnej. Częstotliwość ponownych wizyt satelity Sentinel-2 wynosi od 2 do 5 dni… global google landcover landuse landuse-landcover nrt -
ESA WorldCover 10m v100
Produkt ESA WorldCover 10 m 2020 to globalna mapa pokrycia terenu z 2020 r. o rozdzielczości 10 m, która powstała na podstawie danych z satelitów Sentinel-1 i Sentinel-2. Produkt WorldCover obejmuje 11 klas pokrycia terenu i został wygenerowany w ramach … esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
ESA WorldCover 10m v200
Produkt ESA WorldCover 10 m 2021 to globalna mapa pokrycia terenu z 2021 r. o rozdzielczości 10 m, która powstała na podstawie danych z satelitów Sentinel-1 i Sentinel-2. Produkt WorldCover obejmuje 11 klas pokrycia terenu i został wygenerowany w ramach … esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
GPW Annual Dominant Class of Grasslands v1
Ten zbiór danych zawiera globalne roczne mapy dominujących klas użytków zielonych (uprawianych oraz naturalnych i półnaturalnych) z lat 2000–2022 w rozdzielczości przestrzennej 30 m. Mapa obszarów trawiastych została opracowana w ramach inicjatywy Land & Carbon Lab Global Pasture Watch. Obejmuje ona wszystkie typy pokrycia terenu, które zawierają co najmniej 30% … global global-pasture-watch land landcover landuse landuse-landcover -
GPW Annual Probabilities of Cultivated Grasslands v1
Ten zbiór danych zawiera globalne roczne mapy prawdopodobieństwa występowania uprawianych użytków zielonych w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Dane te pochodzą z inicjatywy Land & Carbon Lab Global Pasture Watch. Zasięg mapowanych użytków zielonych obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% suchych lub… global global-pasture-watch land landcover landuse landuse-landcover -
GPW Annual Probabilities of Natural/Semi-natural Grasslands v1
Ten zbiór danych zawiera globalne mapy rocznego prawdopodobieństwa występowania naturalnych i półnaturalnych terenów trawiastych w latach 2000–2022 w rozdzielczości przestrzennej 30 m. Dane te pochodzą z inicjatywy Land & Carbon Lab Global Pasture Watch. Zasięg mapowanych użytków zielonych obejmuje każdy rodzaj pokrycia terenu, który zawiera co najmniej 30% suchych lub… global global-pasture-watch land landcover landuse landuse-landcover -
Roczna nieskalibrowana pierwotna produktywność brutto (uGPP) GPW w wersji 1
Ten zbiór danych zawiera globalne, niekalibrowane dane dotyczące pierwotnej produkcji brutto na podstawie obserwacji Ziemi od 2000 roku w rozdzielczości przestrzennej 30 m. Obecny zbiór danych, opracowany w ramach inicjatywy Land & Carbon Lab Global Pasture Watch, zawiera wartości brutto produkcji pierwotnej (GPP) na całym świecie w rozdzielczości przestrzennej 30 m od 2000 roku. Wartości GPP to… global global-pasture-watch land landcover landuse plant-productivity -
Globalna mapa plantacji palm olejowych
Zbiór danych to mapa globalnych plantacji palm olejowych na skalę przemysłową i małych gospodarstw z 2019 roku o rozdzielczości 10 m. Obejmuje obszary, na których wykryto plantacje palm olejowych. Sklasyfikowane obrazy są wynikiem działania konwolucyjnej sieci neuronowej opartej na półrocznych kompozycjach obrazów z satelitów Sentinel-1 i Sentinel-2. Więcej informacji znajdziesz w artykule… agriculture biodiversity conservation crop global landuse -
Globalne segmenty CCDC oparte na danych Landsat od Google (1999–2019)
Ta kolekcja zawiera wstępnie obliczone wyniki działania algorytmu ciągłego wykrywania i klasyfikacji zmian (CCDC) na podstawie 20 lat danych o odbiciu powierzchniowym z satelity Landsat. CCDC to algorytm wykrywania punktów przerwania, który wykorzystuje dopasowanie harmoniczne z dynamicznym progiem RMSE do wykrywania punktów przerwania w danych ciągów czasowych. … change-detection google landcover landsat-derived landuse landuse-landcover -
LUCAS Copernicus (wielokąty z atrybutami, 2018) V1
Badanie LUCAS (Land Use/Cover Area frame Survey) w Unii Europejskiej (UE) zostało utworzone w celu dostarczania informacji statystycznych. Jest to trzyletnie badanie pokrycia i użytkowania terenu prowadzone w terenie na obszarze całej Unii Europejskiej. LUCAS zbiera informacje o pokryciu terenu i … copernicus eu jrc landcover landuse landuse-landcover -
LUCAS Harmonized (Theoretical Location, 2006-2018) V1
Badanie LUCAS (Land Use/Cover Area frame Survey) w Unii Europejskiej (UE) zostało utworzone w celu dostarczania informacji statystycznych. Jest to trzyletnie badanie pokrycia i użytkowania terenu prowadzone w terenie na obszarze całej Unii Europejskiej. LUCAS zbiera informacje o pokryciu terenu i … eu jrc landcover landuse landuse-landcover lucas -
Model prawdopodobieństwa Palm 2025a
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. Prognozy prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez … agriculture biodiversity conservation crop eudr forestdatapartnership -
Model prawdopodobieństwa dotyczący drzewa kauczukowego 2025a
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. Prognozy prawdopodobieństwa są podawane z dokładnością do 10 metrów i zostały wygenerowane przez … agriculture biodiversity conservation crop eudr forestdatapartnership -
USFS Landscape Change Monitoring System v2024.10 (CONUS i OCONUS)
Ten produkt jest częścią pakietu danych Landscape Change Monitoring System (LCMS). Zawiera ona model zmian LCMS, pokrycie terenu lub klasy użytkowania terenu dla każdego roku i obejmuje kontynentalną część Stanów Zjednoczonych (CONUS) oraz obszary poza nią (OCONUS), w tym Alaskę (AK), Portoryko… change-detection forest gtac landcover landuse landuse-landcover -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
Ten zbiór danych przedstawia główne przyczyny utraty pokrywy leśnej w latach 2001–2022 na całym świecie w rozdzielczości 1 km. Dane zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
Ten zbiór danych przedstawia główne przyczyny utraty pokrywy leśnej w latach 2001–2023 na całym świecie w rozdzielczości 1 km. Dane zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
Ten zbiór danych przedstawia główne przyczyny utraty pokrywy drzew w latach 2001–2024 na całym świecie w rozdzielczości 1 km. Dane zostały opracowane przez World Resources Institute (WRI) i Google DeepMind przy użyciu globalnego modelu sieci neuronowej (ResNet) wytrenowanego na zbiorze próbek zebranych… agriculture deforestation forest forest-biomass google landandcarbon
