GEE——西非土地使用土地覆盖数据集

最新推荐文章于 2024-08-11 11:30:00 发布
最新推荐文章于 2024-08-11 11:30:00 发布
阅读量671 收藏
点赞数
分类专栏： GEE教程训练 GEE数据集专栏 Google Earth Engine 文章标签： 土地覆盖 土地分类 监测 变化 非洲
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/qq_31988139/article/details/120958362
版权
西非土地利用动态项目提供了1975、2000和2013年的土地利用及土地覆盖数据，覆盖包括佛得角群岛在内的西非地区。这些数据集揭示了区域内的土地变化趋势，为环境影响研究提供了详尽的基础。引用自Tappan等人2016年的USGS数据发布。
摘要由CSDN通过智能技术生成

西非土地利用动态项目始于 1999 年，致力于绘制土地利用和土地覆盖图，描述时间和空间趋势，并了解它们对整个西非环境的影响。西非土地利用动态项目的成果是为包括佛得角群岛在内的西非撒哈拉以南地区生成了三个时期（1975、2000 和 2013 年）的土地利用和土地覆盖数据集。西非土地利用土地覆盖时间序列数据集为系统地以前所未有的详细程度表征和分析整个地区的土地变化提供了独特的基础。

引用：

Tappan, G. G., Cushing, W.M., Cotillon, S.E., Mathis, M.L., Hutchinson, J.A., Herrmann, S.M., and Dalsted, K.J., 2016, West Africa Land Use Land Cover Time Series: U.S. Geological Survey data release, http://dx.doi.org/10.5066/F73N21JF

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
Google Earth Engine（GEE）——土地分类/覆盖案例分析含各类土地面积统计和精度评定（印度班加罗尔为例）
qq_31988139的博客
03-07 2310
这里有一个函数需要重新回顾一下：这个函数只适用于TOA影像 ee.Algorithms.Landsat.simpleComposite(collection,percentile,cloudScoreRange,maxDepth,asFloat) 从陆地卫星原始场景的集合中计算出陆地卫星TOA合成。它应用标准的TOA校准，然后使用SimpleLandsatCloudScore算法给每个像素分配一个云分。它在每个点上选择可能的最低云分范围，然后从被接受的像素中计算出每个波段的百分位值。该算法还...
Google Earth Engine（GEE）——欧空局WorldCover 10 m分辨率土地利用/土地覆盖数据集 2020 V100
qq_31988139的博客
03-13 1430
ESA WorldCover 10 m 2020 V100产品是以EPSG:4326投影（地理经纬度CRS）的云优化GeoTIFFs（COG）形式，以3x3度瓦片形式交付。结合频段2和频段3，可以得出分类工作流程中使用的有效Sentinel-2 L2A观测值的总绝对数。- 频段3 在分类工作流程中丢弃的无效S2观测值的百分比（0-100）（经过云和云影过滤）。- 波段1：分类工作流程中使用的Sentinel-1 GAMMA0观测值的数量。- 波段2：分类工作流程中使用的哨兵-2 L2A观测值的数量。
GEE调用中国（China Land Cover Dataset，简称CLCD）1990-2022年30米分辨率的土地分类数据
最新发布
qq_31988139的博客
08-11 699
中国陆地覆盖数据集（China Land Cover Dataset，简称CLCD）是一个用于描述中国陆地覆盖类型和空间分布的数据集。该数据集由中国科学院遥感与数字地球研究所和国土资源部空间信息工程国家重点实验室联合开发，并定期更新。CLCD数据集使用遥感影像和地理信息系统技术，结合人工解译和算法分类方法，对中国的土地覆盖进行了精确的分类和分析。它提供了具有高空间分辨率和详细分类信息的中国陆地覆盖地图。
Google Earth Engine（GEE）——基于s2影像的实时全球10米土地利用/土地覆盖（LULC）数据集
qq_31988139的博客
06-10 3340
全球动态土地分类数据集是一个10米的近实时（NRT）土地利用/土地覆盖（LULC）数据集，包括九个类别的概率和标签信息。动态世界的预测适用于2015-06-27至今的Sentinel-2 L1C集合。Sentinel-2的重访频率为2-5天，取决于纬度。动态世界预测是针对CLOUDY_PIXEL_PERCENTAGE...
GEE使用随机森林和变化检测进行长时序土地覆盖制图
MemoryCholer的博客
05-21 1050
本次实践主要是对论文《Time-series land cover mapping and urban expansion analysis using OpenStreetMap data and remote sensing big data: A case study of Guangdong-Hong Kong-Macao Greater Bay Area, China》的代码复现（DOI:），现在共享出来供大家学习。
Google Earth Engine（GEE）——ESRI 10m年度土地利用土地覆盖（2017-2021）
qq_31988139的博客
03-08 2192
新的应用程序一旦在这个集合中可用，就应该使用2020的更新版本，特别是在使用这个时间序列的多年的数据时，以确保一致的分类。例子：中等到稀疏的灌木丛、灌木和草丛覆盖，有非常稀疏的草、树木或其他植物的热带草原。树木 任何明显的高大（约15英尺或更高）的密集植被集群，通常有一个封闭的或密集的树冠；例子：树木茂密的植被，热带草原内密集的高大植被集群，种植园，沼泽或红树林（密集/高大的植被，有短暂的水或树冠太厚，无法检测到下面的水）。被淹没的植被 任何类型的植被在一年中的大部分时间里都有明显的水的混合；
GEE——欧洲 10 m 分辨率大尺度土地覆盖数据集
qq_31988139的博客
10-26 1155
欧洲的土地覆盖分类，分辨率为 10 m，由 Sentinel 光学和雷达卫星图像驱动的机器学习工作流生成。分类模型根据来自 LUCAS（土地利用/覆盖区域框架调查）数据集的土地覆盖参考数据进行训练。该地图代表 2018 年的情况。您可以在此处阅读预印本 像素值、它们的定义和建议的十六进制颜色代码包括：0（未映射 #000000）、1（人工土地，#CC0303）、2（农田、#CDB400）、3（林地、#235123）、4（灌木地、 #B76124)、5（草原、#92AF1F）、6（裸地、#F7E174）、7
GEE——2018 年南非国家土地覆盖（ 20 米分辨率多季节 Sentinel 2 卫星图像生成的）
qq_31988139的博客
10-26 603
新的南非国家土地覆盖 2018 数据集是根据 20 米多季节 Sentinel 2 卫星图像生成的。使用的影像代表了 Sentinel 2 在 2018 年 1 月 1 日至 2018 年 12 月 31 日期间获取的可用影像的完整时间范围。SANLC 2018 数据集主要基于新的宪报土地覆盖分类标准 (SANS 19144-2)，其中 73信息类别，并且与之前的 1990 年和 2013-14 年南非国家土地覆盖 (SANLC) 数据集具有可比性。 SANLC 2018 数据于2019 年 10 月1日
GEE——巴西年度土地覆盖下载和地图展示（Mapbiomas 集成包）内含使用教程和下载链接
qq_31988139的博客
10-26 683
巴西年度土地利用和土地覆盖制图项目是一项涉及生物群落、土地利用、遥感、GIS 和计算机科学专家的协作网络的计划，这些专家依靠 Google 地球引擎平台及其云处理和自动分类器功能来生成巴西的年度土地利用和土地覆盖时间序列。MapBiomas 项目 - 是一项多机构计划，旨在使用应用于卫星图像的自动分类过程生成年度土地覆盖和使用地图。可以在此处找到该项目的完整描述。 分辨率：30 m，数据类型：多个栅格数据集和类型 若使用数据请引用： "Project MapBiomas - Collection
GEE——美国本土土地变化监测、评估和预测 (LCMAP) v1.1数据集案例展示和分析
qq_31988139的博客
10-26 1063
土地变化监测、评估和预测 (LCMAP) 代表了美国地质调查局地球资源观测与科学 (EROS) 中心的新一代土地覆盖制图和变化监测。LCMAP 以比以前的努力更多的土地覆盖和变化变量满足了对更高质量结果的需求。 LCMAP 科学产品文档包含产品的详细信息、描述和注意事项，可在此处下载 其他资源 链接 LCMAP网站 Land Change Monitoring, Assessment, and Projection 算法描述文档 LCMAP CCDC ADD RSS订阅
Google Earth Engine（GEE）——2015-2019年100米分辨率的动态土地覆盖数据集（CGLS-LC100）
qq_31988139的博客
05-27 1213
哥白尼全球土地服务（CGLS）被指定为土地服务的一个组成部分，以运营一个多用途的服务组件，提供一系列关于全球范围内土地表面的状况和演变的生物地球物理产品。 100米分辨率的动态土地覆盖图（CGLS-LC100）是CGLS组合中的一个新产品，提供100米空间分辨率的全球土地覆盖图。CGLS土地覆盖产品提供了一个主要的土地覆盖方案。除了这些离散的类别，该产品还包括所有基本土地覆盖类别的连续实地层，为土地覆盖类型的植被/地面覆盖提供比例估计。这种连续的分类方案可以比标准分类方案更好地描述异质土地覆盖的区域，因此
GEE：快速下载2020年土地利用/覆盖数据（10米分辨率）
养乐多的博客
10-28 7789
数据集： ESA WorldCover 10m v100 数据说明： 该产品提供了基于Sentinel-1和Sentinel-2数据的2020年10米分辨率的全球土地覆盖地图。WorldCover产品有11种土地覆盖类别，是在ESA WorldCover项目框架内生成的，该项目是欧洲航天局第5个地球观测信封计划(EOEP-5)的一部分。 源代码链接： https://code.earthengine.google.com/a21637bdf6f94fe68d9eb7928ac91695?noload=tru
GEE数据集——GLANCE 全球土地覆被训练数据集
qq_31988139的博客
02-25 1180
GLanCE 培训数据集向公众开放，专为区域到全球土地覆被和土地覆被变化分析而设计。该数据集的中等空间分辨率为 30 米，时间跨度为 1984 年至 2020 年，在地理和光谱上代表了全球所有生态区域。每个训练单元提供多达 23 种土地覆被特征，提供了一个统一、标准化和全面的数据库，其中包括有关土地覆被突变和渐变过程的信息，特别是在选定区域的长达 36 年的时间跨度。该数据集具有适应性强的特点，用户可根据自己的研究区域、分类算法和所需的分类图例对其进行子取样和定制，使其成为深入土地覆被调查的多功能资源。
GEE实战5：进行土地覆盖及各类型面积统计与分析【面积分析】
GEE水生态空间
03-07 3885
利用GEE进行不同类型的土地覆盖计算处理，实现以下目标： （1）研究区域总面积的计算分析 （2）单一土地覆盖类型面积的计算分析 （3）各类型土地覆盖面积的计算分析 （4）不同行政区或分析区域内各土地覆盖面积的计算分析
GEE11：2个土地覆盖数据（LUCC）分享和下载
amyniez的博客，欢迎交流讨论
03-15 8925
地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的 重要基础信息。近年来，随着遥感科学技术以及计算机存储和计算能力的不断提 升，地表覆盖应用需求也逐步从公里尺度（如 1 公里，500 米）向更高分辨率的 米级尺度（30 米和 10 米）过渡。目前，已公开的三套 30 米全球地表覆盖产品 （GLC_FCS30，FROM_GLC 和 GlobeLand30）能够很好地服务了全球/区域尺度 的应用需求。
Google Earth Engine（GEE）——累积成本映射（土地覆盖图像中的最低成本路径）
qq_31988139的博客
08-08 401
使用image.cumulativeCost()来计算成本的地图，每个像素包含的最低成本路径的最近源位置的总成本。该过程在各种环境中都很有用，例如栖息地分析（Adriaensen 等人，2003 年）、流域划分（Melles 等人，2011 年）和图像分割（Falcao 等人，2004 年）。在图像上调用累积成本函数，其中每个像素表示遍历它的每米成本。路径是通过像素的八个邻居中的任何一个计算的。所需的输入包括一个source图像，其中每个非零像素代表一个潜在的源（或路径的起点），以及一个maxDi...
GEE代码实例教程详解：MODIS土地覆盖分类与面积计算
TwcatL_tree
07-08 339
在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS土地覆盖数据进行分析。通过MODIS/061/MCD12Q1数据集，我们可以识别不同的土地覆盖类型，并计算每种类型的总面积。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
GEE下载土地利用数据
09-05
要下载土地利用数据，您可以使用Google Earth Engine（GEE）提供的代码。首先，您需要加载土地覆盖数据集并选择您感兴趣的区域。代码示例如下： // Load the land cover data var landCover = ee.Image('USGS/NLCD/NLCD2016'); 接下来，您需要根据需要调整代码中的经纬度坐标和其他参数，并将土地覆盖数据集剪切为感兴趣区域。代码示例如下： // Define the region of interest (ROI) using latitude and longitude coordinates var lat1 = 40.0; // Replace with your desired latitude var lon1 = -105.0; // Replace with your desired longitude var lat2 = 40.2; // Replace with your desired latitude var lon2 = -104.8; // Replace with your desired longitude var roi = ee.Geometry.Rectangle(lon1, lat1, lon2, lat2); // Clip the land cover data to the ROI var clippedLandCover = landCover.clip(roi); 然后，您可以将剪切后的土地覆盖数据添加到地图上进行可视化。代码示例如下： // Add the clipped land cover data to the map for visualization Map.addLayer(clippedLandCover, {}, 'Land Cover Data'); 最后，您可以将剪切后的土地覆盖数据导出为GeoTIFF图像进行下载。代码示例如下： // Export the clipped land cover data as a GeoTIFF image Export.image.toDrive({ image: clippedLandCover, description: 'land_cover_data', // Replace with your desired file name scale: 30, // Replace with your desired scale region: roi // Replace with the ROI geometry }); 请根据您的需要替换代码中的经纬度坐标、导出名称和其他参数，并运行代码以下载土地利用数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [使用Google Earth Engine (GEE)下载土地覆盖数据](https://blog.csdn.net/weixin_58851039/article/details/130522162)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
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

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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