lestatlu的博客

本研究基于GLCF/GLS_WATER全球内陆水体数据集，利用Google Earth Engine平台对中国东部典型湖泊群区（长江中下游、太湖、洞庭湖等）进行水体分类与面积分析。研究内容包括可视化水体分布、计算水体面积、剔除云与云影干扰，并与MODIS NDWI数据进行对比验证。结果显示，该方法能有效提取2000年研究区水体信息，为历史水文研究提供基础数据支持。该技术方案可拓展应用于水体变化监测、深度学习模型训练及城市扩张对水体影响评估等研究领域。

摘要：本文基于GHSL发布的10米分辨率全球建筑用地数据，利用Google Earth Engine平台，对上海市2018年非住宅建设用地进行提取与分析。研究展示了高分辨率遥感数据在城市功能区识别中的技术路径，包括数据加载、可视化渲染和空间统计等关键步骤。该方法可扩展应用于城市扩张监测、热岛效应评估等城市规划与生态研究领域，为城市空间治理提供数据支撑。案例表明，GHSL数据结合GEE平台能有效支持全球尺度下统一标准的城市建筑分析。

本研究利用Google Earth Engine平台，结合EC JRC全球森林覆盖图（2020年V2版）和MODIS NDVI数据，对东南亚地区（100°E-110°E，5°S-10°N）的森林健康进行动态监测。通过10米分辨率森林覆盖数据精准划定森林范围，结合2023年500米分辨率NDVI数据评估植被活力，并识别NDVI<4000的潜在退化区域。该方法实现了森林分布与健康状况的快速可视化评估，为区域森林资源管理提供技术支持。

本文基于Google Dynamic World高分辨率遥感数据集，提出了广州城市水体与建设用地变化的自动化监测方法。通过2022年1月和12月的10米分辨率地表分类数据，实现了水体净损失、新增建设用地和水体转建设用地三类变化的自动提取与空间可视化。案例展示了GEE平台的代码实现流程，包括多时相数据合成、变化类型掩膜分析和面积统计计算，为城市生态保护与空间扩张监管提供了量化依据。

本研究基于Google Earth Engine平台，利用Landsat 8遥感数据，开发了一套城市绿地覆盖度自动化分析系统。通过NDVI和EVI植被指数计算，结合分段模型反演植被覆盖度，实现0-100%的定量评估。系统将绿地覆盖度分为五级（无/极少至高覆盖），并完成面积统计、空间可视化及与地表温度的相关性分析。结果表明，该方法具有高精度、自动化和可扩展性优势，可用于城市生态评估、热岛效应研究等领域，为城市精细化管理和生态文明建设提供技术支持。未来可扩展多时相监测与多源数据融合分析。

本系列文章介绍Google Earth Engine（GEE）平台在土地利用/覆盖（LULC）研究中的应用，重点解析Copernicus CORINE Land Cover数据集。该数据集包含1990-2018年欧洲39国的5期100米分辨率数据，共44个土地覆盖类别。文章以意大利为例，演示了GEE加载、可视化、多期城市用地提取及面积统计的完整流程，包括代码实现和时空变化分析。该方法为城市扩张研究提供了高效工具，后续将介绍更多全球LULC数据应用。