在Google Earth Engine中实现1米的地表温度降尺度

已于 2024-04-01 14:52:41 修改
阅读量554 收藏 10
点赞数 5
文章标签： 图像处理 python
于 2024-04-01 14:43:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/adhuahd/article/details/137232724
版权

文章导读

基于遥感的地表温度(LST)的降尺度对城市供暖、火山监测等多个研究领域具有重要意义。全球卫星的LST数据集最多也仅限于60米。在本研究中，利用Google Earth Engine(GEE)平台的海量计算能力和10个大数据集目录，设计了一个1米的全自动、开源、用户友好的LST降尺度系统，命名为High Spatial Resolution-GEE或HSR-GEE。它具有降低Landsat-8 LST尺度的能力。

论文标题

Mhawej M, Abunnasr Y. HSR-GEE: A 1-m GEE Automated Land Surface Temperature Downscaling System over CONUS[J]. EGUsphere, 2023, 2023: 1-16.

研究方法研究结论

结合国家农业图像计划(NAIP)图像和CONUS，在Landsat-8过境时期，输入I米的HSR-lST。HSR -GEE仅使用红、绿、蓝和近红外波段，实现了多种机器学习方法。包括最小二乘法( RLS)、随机森林(RF)和支持向量机(SVM)并与辐射表面温度分解(DisTrad模型)和热锐化(TSHARP)方法进行了比较。本文针对美国上空的多幅航空热像图对HSR-GEE的输出结果进行了验证。RLS、RF、SVM、DisTrad模型和TSHARP的MAE分别为1.92°℃、2.53℃、1.33℃、3.42℃和3.4℃。SVM方法是一种土地覆盖/利用形式，RLS方法最适合1m的LST降尺度。

研究结论

(1)HSR-GEE这个系统的提出，可以帮助来自不同背景的研究人员推进研究。
(2)HSR-GEE是目前唯一可用的基于1-m GEE的降尺度系统，它能够在几秒钟用几种不同的方法(即RLS、RF、SVM、DisTrad模型和TSHARP模型)导出所需的高分辨率LST信息。
(3)在CONUS上实现这个动态系统，并在必要时对其进行增强。

结果展示

图片

图片

图片

图片

交流合作

图片

GEEStudyRoom
关注
GEE APP——HSR-GEE：美国中部地区 1 米 GEE 陆面温度自动降尺度系统
此星光明博客
05-09 149
基于遥感的地表温度（LST）数据集的降尺度处理对多个研究领域都至关重要，其中包括城市供暖、灌溉调度、火山监测等。即使技术不断发展，特别是卫星传感器的空间、时间和光谱分辨率不断提高，全球卫星最多也只能获得 60 米的地表温度数据集。在本研究中，我们利用谷歌地球引擎（GEE）平台的海量计算能力和大型数据集目录，设计了一个 1 米全自动、开源和用户友好的 LST 降尺度系统，命名为高空间分辨率-GEE 或 HSR-GEE。
Python语言在地球科学中地理、气象、气候变化、水文、生态、传感器等数据可视化到常见数据分析方法的使用
weixin_46747075的博客
05-03 1655
Python在科学和工程领域地位日益重要，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。
阿肯色州的高分辨率（一米）森林树冠覆盖率（FCC）数据
此星光明博客
08-29 1657
森林树冠覆盖率（FCC）在森林评估和管理中至关重要，影响碳封存、野生动物栖息地和水调节等生态系统服务。准确有效地映射和提取FCC信息的技术的持续进步需要对其有效性和可靠性进行彻底评估。本研究的主要目标是：（1）创建具有1米空间分辨率的大规模森林FCC数据集，（2）评估区域范围内FCC的区域空间分布，（3）调查全球森林变化中FCC区域的差异（Hansen等人，2013年）和阿肯色州不同空间尺度的美国林务局树冠覆盖产品（即，县和市一级）。
AI Earth运用Landsat数据反演地表温度（LST）【附代码！】
weixin_46004577的博客
01-25 1010
AI Earth地球科学云平台简介，基于AI Earth开发者模式运用landsat遥感数据反演地表温度（LST）
基于Google Earth Engine的Landsat单窗算法地表温度（LST）反演
热门推荐
疯狂学习GIS的博客
02-26 1万+
基于Google Earth Engine的Landsat单窗算法地表温度（LST）反演1 背景知识2 算法介绍3 代码4 效果 1 背景知识   基于遥感数据的地表温度（LST）反演目前得到了广泛的应用，尤其是面向大尺度、长时间范围的温度数据需求，遥感方法更是可以凸显其优势。目前，基于各类遥感数据源的地表温度反演方法不断得以改进，精度亦不断提升。之前的博客，也分别基于不同角度对遥感数据温度反演的方法、原理以及具体操作加以详细介绍：   博客1：基于ENVI的Landsat 7地表温度（LST）大气校正
Earth Engine下地表温度反演
deserts Tsung
11-19 8329
首先感谢ENVI-IDL技术殿堂在ENVI平台下的指导，原文链接，现将其在GEE平台实现。不同的是，该博文称使用原始DN值计算NDVI对反演影响不大，但通过实践发现还是有差异，所以代码采用了经过大气校正的地表反射率产品进行NDVI的计算。 注意的地方：代码中44和45行需要自行替换，也可以通过filter过滤功能进行查找得到。另一个需要注意的是原博文中提到的三个变量参数还是需要自己去NASA获取...
在 Google Earth Engine (GEE) 上使用随机森林对 2 米气温进行空间降尺度
gis收藏家的博客
03-19 1314
在 2 米气温的背景下，它涉及使用其他相关数据，例如来自 NASA 数字高程模型 (NASADEM) 的高程和来自中分辨率成像光谱仪 (MODIS) 的亮温数据。一般来说，温度随着对流层高度的增加而降低，对流层是地球大气层的最低层，是天气发生和我们居住的地方。因此，通过在我们的分析中包含 NASADEM 的海拔数据，我们可以解释海拔高度对 2 米气温的影响。最后，我们使用训练数据集训练模型。通过这些步骤，我们使用训练有素的随机森林模型以两种不同的分辨率预测 2 米气温，从而提供对温度变化的详细空间了解。
modis数据_科研成果快报第180期：一个基于Google Earth Engine的Landsat卫星地表温度数据生产框架...
weixin_39655689的博客
11-29 870
一个基于Google Earth Engine的Landsat卫星地表温度数据生产框架An Efficient Framework for Producing Landsat-Based Land Surface Temperature Data Using Google Earth Engine成果信息Wang, M., Zhang, Z., …, & Liu, X.. A...
HSR-GEE：美国中部地区 1 米 GEE 陆面温度自动降尺度系统.pdf
05-08
为了克服这一局限性，研究团队开发了一种名为HSR-GEE的系统，该系统能够在谷歌地球引擎（Google Earth Engine, GEE）平台上实现1米分辨率的地表温度降尺度处理。 #### HSR-GEE系统介绍 HSR-GEE系统是一种完全自动...
Google Earth Engine（GEE）——Earth Engine Python API 介绍 （含温度散点曲线图的绘制）
此星光明博客
08-27 926
在过去的十年中，大量的地理空间数据，如卫星数据（如地表温度、植被）或大尺度的输出，甚至全球模型（如风速、地下水补给），已经可以从多个国家免费获得。机构和大学（例如 NASA、USGS、NOAA 和 ESA）。各个领域的科学家和工程师每天都使用这些地理空间数据来预测天气、预防灾害、保障供水或研究气候变化的后果。使用这些地理空间数据时，会出现一些问题： 有哪些数据可用？在哪里可以找到？ 我们如何访问这些数据？ 我们如何操作这些 PB 级数据？ 在本教程中，介绍了Google Earth Engine.
面向对象尺度的随机森林分类教程在Google Earth Engine（GEE）中
XtAbap的博客
09-19 1014
在本教程中，我们将介绍如何在Google Earth Engine（GEE）平台上使用随机森林算法进行面向对象尺度的分类。训练数据应该包含卫星影像数据和对应的地物类别标签。通过以上步骤，我们可以在GEE平台上使用随机森林算法进行面向对象尺度的分类。通过准备数据、提取特征、训练分类器、进行分类预测和结果可视化，我们可以获得对地表地物的自动化分类结果。在完成随机森林分类器的训练后，我们可以使用该分类器对新的影像数据进行分类预测。在GEE中，我们可以使用分类器的classify()函数对影像数据进行分类预测。
Google Earth Engine (GEE) ——Google Earth Engine 和modi的关系
此星光明博客
11-06 639
如引言中所述，雪盖的全球尺度映射有几个要求。由于积雪可能是一种短暂的土地覆盖状态，因此需要较高的时间分辨率来捕捉积雪的变化。此外，空间分辨率越高越好；与具有 20 km2像素的雪盖地图相比，30 m2像素的雪盖变化图将具有更多实际应用和价值，后者又比具有 500 km2像素的地图具有更多价值像素。幸运的是，MODIS 系统满足所有这些要求。MODIS Terra 和 Aqua 这两颗卫星按照所谓的太阳同步、近极、圆形轨道绕地球运行，并每隔大约 3 小时穿过赤道，收集 36 个单独的波段来测量地表状况...
计算机视觉算法：从图像处理到智能识别
Pioneer00001的博客
10-31 685
计算机视觉作为人工智能的核心技术，正在深刻改变我们的生活和工作方式。通过不断的技术创新和应用拓展，计算机视觉将在更多领域展现出其强大的潜力。未来，随着技术的进一步发展，计算机视觉将继续引领人工智能的革命，推动社会的智能化进程。希望这篇文章能够帮助大家更好地了解计算机视觉，激发对这一领域的兴趣和探索。
【anaconda】使用记录
最新发布
zhuyan108的博客
11-05 249
window11 下安装anaconda。
自助餐剩余食品识别图像分割系统：教学内容全覆盖
sgcsdn99的博客
11-04 1284
数据集信息展示在本研究中，我们使用的数据集名为“9_5_Merged”，该数据集专门用于训练改进YOLOv8-seg的自助餐剩余食品识别图像分割系统。该数据集包含71个类别，涵盖了丰富多样的食品种类，旨在提高模型对不同类型剩余食品的识别和分割能力。通过对这些类别的细致划分，我们希望能够实现更高精度的图像分割，进而优化自助餐剩余食品的管理和利用。
探索 Python 的新天地：Helium 库揭秘
AIGC搞起
11-04 655
在自动化测试和网页交互的领域，Selenium 是一个强大的工具，但它的复杂性和陡峭的学习曲线让许多开发者望而却步。Helium库的出现，以其简洁的 API 和易用性，为 Python 开发者提供了一个新的选择。它不仅简化了 Selenium 的使用，还自带 WebDriver，减少了配置的复杂性。Helium 以其简洁的 API 和易用性，为 Python 开发者提供了一个强大的 Selenium 替代方案。它不仅减少了代码量，还简化了 WebDriver 的管理，使得自动化测试和网页交互变得更加容易。
01_IAR新建CC2530工程
nanxl1的博客
11-02 1019
由于很多Zigbee商家提供的教程未有从零建立CC2530工程的讲解，可能会导致后面的开发中出现一些琐碎的问题。本文将以**LED流水灯**为例，从0到1用**IAR**建立CC2530工程。
Python小游戏21——拼图小游戏
cxh666888_的博客
11-05 862
如果图像大小不同，你需要调整tile_size和图像缩放代码。初始化Pygame：使用pygame.init()来初始化Pygame库，这是使用Pygame进行任何游戏开发的第一步。更新屏幕：使用pygame.display.flip()或pygame.display.update()来更新屏幕显示。调整图像大小：使用pygame.transform.scale()来调整图像的大小，以适应拼图游戏的需求。设置屏幕尺寸：使用pygame.display.set_mode()来设置游戏的屏幕尺寸和模式。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值