-
Modèle de probabilité du cacao 2025a
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par… agriculture biodiversité conservation culture eudr forestdatapartnership -
Modèle de probabilité de consommation de café 2025a
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par… agriculture biodiversité conservation culture eudr forestdatapartnership -
DESS China Terrace Map v1
Cet ensemble de données est une carte des terrasses de Chine en 2018, avec une résolution de 30 m. Il a été développé à l'aide d'une classification supervisée par pixel à l'aide de données multisources et multitemporelles basées sur la plate-forme Google Earth Engine. La précision globale et le coefficient kappa ont atteint respectivement 94% et 0, 72. Cette première… agriculture couverture du sol utilisation des sols utilisation des sols-couverture du sol tsinghua -
Dynamic World V1
Dynamic World est un ensemble de données sur l'utilisation du sol et la couverture terrestre (LULC) en temps quasi réel (NRT) avec une résolution de 10 m. Il comprend des probabilités de classe et des informations sur les libellés pour neuf classes. Les prédictions Dynamic World sont disponibles pour la collection Sentinel-2 L1C du 27/06/2015 à aujourd'hui. La fréquence de revisite de Sentinel-2 est comprise entre 2 et 5 jours. global google landcover landuse landuse-landcover nrt -
ESA WorldCover 10 m v100
Le produit WorldCover 10 m 2020 de l'Agence spatiale européenne (ESA) fournit une carte mondiale de la couverture terrestre pour l'année 2020, avec une résolution de 10 m, basée sur les données Sentinel-1 et Sentinel-2. Le produit WorldCover comprend 11 classes de couverture terrestre et a été généré dans le cadre de … esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
ESA WorldCover 10 m v200
Le produit WorldCover 10 m 2021 de l'Agence spatiale européenne (ESA) fournit une carte mondiale de la couverture terrestre pour 2021, avec une résolution de 10 m, basée sur les données Sentinel-1 et Sentinel-2. Le produit WorldCover comprend 11 classes de couverture terrestre et a été généré dans le cadre de … esa landcover landuse landuse-landcover sentinel1-derived sentinel2-derived -
GPW Annual Dominant Class of Grasslands v1
Cet ensemble de données fournit des cartes mondiales annuelles de la classe dominante des prairies (cultivées et naturelles/semi-naturelles) de 2000 à 2022, avec une résolution spatiale de 30 m. Produite par l'initiative Global Pasture Watch du Land & Carbon Lab, l'étendue des prairies cartographiées inclut tout type de couverture terrestre contenant au moins 30% … forest-biomass global global-pasture-watch land landcover landuse -
GPW Annual Probabilities of Cultivated Grasslands v1
Cet ensemble de données fournit des cartes de probabilité annuelles mondiales des prairies cultivées de 2000 à 2022, avec une résolution spatiale de 30 m. Produite par l'initiative Global Pasture Watch du Land & Carbon Lab, l'étendue des prairies cartographiées inclut tout type de couverture terrestre contenant au moins 30% de prairies sèches ou humides. forest-biomass global global-pasture-watch land landcover landuse -
Probabilités annuelles de prairies naturelles/semi-naturelles de la GPW, version 1
Cet ensemble de données fournit des cartes de probabilité annuelles mondiales des prairies naturelles/semi-naturelles de 2000 à 2022, avec une résolution spatiale de 30 m. Produite par l'initiative Global Pasture Watch du Land & Carbon Lab, l'étendue des prairies cartographiées inclut tout type de couverture terrestre contenant au moins 30% de prairies sèches ou humides. forest-biomass global global-pasture-watch land landcover landuse -
Carte mondiale des plantations de palmiers à huile
Il s'agit d'une carte mondiale de 10 millions de pixels représentant les plantations d'huile de palme industrielles et de petits exploitants pour l'année 2019. Il couvre les zones où des plantations d'huile de palme ont été détectées. Les images classées sont le résultat d'un réseau de neurones convolutifs basé sur des composites semestriels de Sentinel-1 et Sentinel-2. Pour en savoir plus, consultez l'article … agriculture biodiversité conservation culture mondiale utilisation des sols -
Segments CCDC globaux Google basés sur Landsat (1999-2019)
Cette collection contient des résultats précalculés obtenus en exécutant l'algorithme de détection et de classification des changements continus (CCDC) sur 20 ans de données de réflectance de la surface Landsat. Le CCDC est un algorithme de recherche de points d'inflexion qui utilise un ajustement harmonique avec un seuil RMSE dynamique pour détecter les points d'inflexion dans les données de séries temporelles. Le… change-detection google landcover landsat-derived landuse landuse-landcover -
LUCAS Copernicus (Polygons with attributes, 2018) V1
L'enquête LUCAS (Land Use/Cover Area frame Survey) a été mise en place dans l'Union européenne (UE) pour fournir des informations statistiques. Il s'agit d'un exercice de collecte de données sur la couverture et l'utilisation des sols in situ, qui s'étend sur l'ensemble du territoire de l'UE. LUCAS collecte des informations sur l'occupation des sols et … copernicus eu jrc landcover landuse landuse-landcover -
LUCAS harmonisé (localisation théorique, 2006-2018) V1
L'enquête LUCAS (Land Use/Cover Area frame Survey) a été mise en place dans l'Union européenne (UE) pour fournir des informations statistiques. Il s'agit d'un exercice de collecte de données sur la couverture et l'utilisation des sols in situ, qui s'étend sur l'ensemble du territoire de l'UE. LUCAS collecte des informations sur l'occupation des sols et … eu jrc landcover landuse landuse-landcover lucas -
Modèle de probabilité Palm 2025a
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par… agriculture biodiversité conservation culture eudr forestdatapartnership -
Modèle de probabilité de l'arbre à caoutchouc 2025a
Remarque: Cet ensemble de données n'a pas encore été évalué par des pairs. Pour en savoir plus, consultez le fichier README GitHub. Cette collection d'images fournit une estimation de la probabilité par pixel que la zone sous-jacente soit occupée par la marchandise. Les estimations de probabilité sont fournies avec une résolution de 10 mètres et ont été générées par… agriculture biodiversité conservation culture eudr forestdatapartnership -
USFS Landscape Change Monitoring System v2024.10 (CONUS et OCONUS)
Ce produit fait partie de la suite de données du système de surveillance des changements paysagers (LCMS). Il présente les changements, la couverture et/ou les classes d'utilisation des sols modélisés par le LCMS pour chaque année. Il couvre les États-Unis continentaux (CONUS) ainsi que les zones situées en dehors de ceux-ci (OCONUS), y compris l'Alaska (AK), Porto Rico (PR), les îles Vierges des États-Unis (USVI) et les îles … change-detection forest gtac landcover landuse landuse-landcover -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
Cet ensemble de données cartographie le principal facteur de perte de la couverture arborée entre 2001 et 2022 à l'échelle mondiale, avec une résolution de 1 km. Produites par le World Resources Institute (WRI) et Google DeepMind, les données ont été développées à l'aide d'un modèle de réseau de neurones global (ResNet) entraîné sur un ensemble d'échantillons collectés … agriculture déforestation forêt biomasse forestière google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
Cet ensemble de données cartographie le principal facteur de perte de la couverture arborée entre 2001 et 2023 à l'échelle mondiale, avec une résolution de 1 km. Produites par le World Resources Institute (WRI) et Google DeepMind, les données ont été développées à l'aide d'un modèle de réseau de neurones global (ResNet) entraîné sur un ensemble d'échantillons collectés … agriculture déforestation forêt biomasse forestière google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
Cet ensemble de données cartographie le principal facteur de perte de la couverture arborée entre 2001 et 2024 à l'échelle mondiale, avec une résolution de 1 km. Produites par le World Resources Institute (WRI) et Google DeepMind, les données ont été développées à l'aide d'un modèle de réseau de neurones global (ResNet) entraîné sur un ensemble d'échantillons collectés … agriculture déforestation forêt biomasse forestière google landandcarbon