Google Earth Engine（GEE）——1985-2018年全球不透水不透水层（清华数据）

最新推荐文章于 2024-03-05 08:30:00 发布
最新推荐文章于 2024-03-05 08:30:00 发布
阅读量1.6k 收藏 3
点赞数
分类专栏： GEE教程训练 文章标签： 不透水层 全球 数据集 清华 gee
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/121476521
版权

该数据集包含1985年至2018年全球不透水表面积的年度变化信息，分辨率为30米。从透水到不透水的变化是使用监督分类和时间一致性检查的综合方法确定的。不透水的像素被定义为超过50%的不透水。转变的年份（从透水到不透水）可以从像素值中确定，范围从34（年份：1985）到1（年份：2018）。例如，1990年的不透水表面可以显示为像素值大于29（见查询表）。这个数据集在时间上是一致的，按照从透水（如非城市）到不透水（如城市）的转换单调地进行。关于制图方法和评估的更多信息，见1985-2018年间全球人工不透水面积（GAIA）的年度地图（Gong等人，2020）。

 

Dataset Availability

1985-01-01T00:00:00 - 2018-12-31T00:00:00

Dataset Provider

Tsinghua University

Collection Snippet

Copied

ee.Image("Tsinghua/FROM-GLC/GAIA/v10")

Resolution

30 meters

Bands Table

Name Description Min* Max*
change_year_index Ye
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
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
【数据集6】全球人工不透水面积GAIA（清华数据）
WW、forever的博客
01-01 1587
全球人工不透水面GAIA简介及其应用
Google Earth Engine（GEE）——利用全球不透水层数据提取1985-2018年流域内的不透水层面积（渭河流域为例）
qq_31988139的博客
04-13 1673
之前出过一篇博客是关于数据集的就是清华1985-2018全球不透水层30米分辨率的数据，具体数据介绍看： Google Earth Engine（GEE）——1985-2018年全球不透水不透水层（清华数据）_此星光明2021年博客之星云计算Top3的博客-CSDN博客 我这里只看一下波段情况，因为这里要获取每一年的波段信息，所以要看波段名称和每一年如何获取相应的数据：这里我们可以看到波段是按照最大最小值来给出的年份，所以我们直接按照这个建立一个序列即可： Resolution 30 meters
1985-2020年中国30米不透水面数据集.txt
03-07
像元值的范围为0-8，其中0为非不透水面，或透水面、或背景。1-8为不透水面。每个数字的具体的含义我没有下载到原文，暂时无法知晓。个人推测：1是1985年的不透水面，2是1990年新增，3是1995年新增，4是2000年新增，5是2005年新增，6是2010年新增，7是2015年新增，8是2020年新增。因此，如果想要2020年的不透水面，可以将1-8重分类一下即可。 金字塔、属性表都很齐全。
全球不透水层数据集30m分辨率
qq_31988139的博客
10-30 226
利用GlobeLand30地表覆盖产品、VIIRS夜间灯光数据和MODIS EVI植被指数产品，提取全球高置信度的人工不透水面分类的训练样本；基于多源多时相遥感数据的不透水面提取算法，以5°网格进行了逐区块地自适应随机森林建模，生产了区块不透水面产品，并经过地理拼接生成了2015年全球30m不透水面产品（MSMT_IS30-2015）。数据的总体精度为95.1%，kappa系数为0.898，显著优于国际上现有产品。
AI EARTH——1972-2019全球不透水面30米分辨率产品(GISA-2.0)
最新发布
qq_31988139的博客
03-05 1110
此数据集采用自1972年来的超过三百万景Landsat影像, 研发了一套从20世纪70年代至今的最细时空粒度的全 球不透水面产品(GISA)。
Google Earth Engine ——全球1984年至2018年JRC/GSW1_1/GlobalSurfaceWater地表水数据集
qq_31988139的博客
09-23 3153
This dataset contains maps of the location and temporal distribution of surface water from 1984 to 2018 and provides statistics on the extent and change of those water surfaces. For more information see the associated journal article:High-resolution mappi.
Google Earth Engine——清华Tsinghua/FROM-GLC/GAIA/v10该数据集包含1985年至2018年全球不透水表面积的年度变化信息，分辨率为30米
qq_31988139的博客
12-05 1548
This dataset contains annual change information of global impervious surface area from 1985 to 2018 at a 30m resolution. Change from pervious to impervious was determined using a combined approach of supervised classification and temporal consistency check
1985 年至 2020 年全球 30 米不透水表面动态数据集 (GISD30)
qq_31988139的博客
10-08 542
全球 30 米不透水表面动态数据集 (GISD30) 为了解 1985 年至 2020 年全球不断变化的不透水表面景观提供了宝贵的资源。该数据集在城市可持续发展、人为碳排放评估和全球生态环境建模等领域具有深远的科学意义和实际应用价值。GISD30 是通过一种创新的自动化方法精心创建的，该方法充分利用了光谱泛化和自动样本提取策略的优势。该数据集利用谷歌地球引擎云计算平台上的时间序列大地遥感卫星图像，提供了有关不透水表面动态的全面见解。
全球30米不透水层数据集
qq_31988139的博客
10-15 406
不透水面是指人工和自然地表覆盖物，如建筑物、道路、停车场等，这些覆盖物不允许水渗透到地下，导致大量水流失和洪涝灾害。水资源问题：不透水层会阻碍地表雨水渗透到地下水层，导致地下水资源减少、水质下降。生态环境问题：不透水层会破坏自然水循环，导致湿地、河流生态系统遭受破坏。此外，不透水层会导致城市热岛效应，影响空气质量和生态环境。城市规划问题：不透水层会限制城市土地利用，导致城市扩张受限和土地资源浪费。因此，保护地表水资源、维护生态环境、合理规划城市发展都需要考虑不透水层的影响。
全球30m不透水地表动态数据集（GISD30）
qq_31988139的博客
10-26 238
此外，引入时空一致性校正方法来增强不透水表面动力学的可靠性。该数据集提供了关于过去 35 年（1985 年至 2020 年）全球不透水表面积翻倍的重要见解，其中亚洲的增幅最为显着。具体而言，1985年之前的透水面和不透水面分别标记为0和1，1985-1990年、1990-1995年、1995-2000年、2000-2005年、2005-2010年、2010-2010年期间扩大的不透水面2015年和2015-2020年被标记为2、3、4、5、6、7和8。创建者：张X.、刘L.、赵T.、高Y.、陈X.、米J.
Google Earth Engine（GEE）提取不透水面的方法
guaicaicexu的博客
07-19 2983
Google Earth Engine（GEE）提取不透水面
谷歌地球2018最新版
08-28
谷歌地球2018最新版，PC端使用。
Google Earth Engine（GEE）-通过NDBI计算雪山覆盖去除雪山阴影.pdf
11-08
本次使用的数据时LandsatTOA数据 LANDSAT/LT05/C01/T1_TOA然后进行波段运算，之后进行雪山的展示。我们用单位的阈值去过滤掉雪山对整个影像的影像，这是单独提取的一种方式。首先，可以从计算 SNOW_COVER 开始。一种简单（简单）的方法是使用 NDSI 并排除雪像素，但在可见波段中反射率值很低）。这样可以从这个集合中删除一些带有永久冰川的图像。从集合中删除此图像。 当然除了这个方法之外，我们可以根据Landsat中QA波段bitwise去除雪，Bits 9-10: Snow / Ice Confidence NDBI 指数（归一化差值建筑用地指数）是一种用于识别和提取建筑用地的遥感指数。它使用近红外 (NIR) 和短波红外 (SWIR) 波段之间的差异来区分建筑物和其他地表覆盖类型。 NDBI 指数的公式如下： NDBI = (NIR - SWIR) / (NIR + SWIR) 其中，NIR 是近红外波段的反射率，SWIR 是短波红外波段的反射率。 NDBI 指数的值介于 -1 和 1 之间。负值代表水体，高值代表建筑用地。
Google Earth Engine(GEE)-在线计算EVI指数线性回归趋势图.pdf
10-16
在GEE云平台上计算一元线性趋势的具体步骤如下： 1. 登录GEE云平台，打开地图编辑器界面，点击左上角的“代码编辑器”按钮。 2. 在代码编辑器中，输入以下代码，定义要分析的区域和时间范围： 其中，`<region_bounds>`是要分析的区域的边界坐标，可以是一个数组或一个字符串；`<start_date>`和`<end_date>`是要分析的时间范围的起始日期和结束日期，可以是一个字符串或一个日期对象。 3. 读取要分析的数据，例如读取一个NDVI数据集： 这段代码从MODIS数据集中读取NDVI数据，并进行了时间、空间和排序的筛选。 计算每个像元的一元线性趋势，使用ee.Reducer.linearFit()函数： 这段代码将NDVI数据集进行线性拟合，得到每个像元的一元线性趋势，即斜率和截距。 可视化结果，例如绘制趋势斜率图： 这段代码将NDVI的线性趋势斜率图像添加到地图中，可以指定颜色、范围等参数。 运行代码并查看结果，可以在地图上看到一元线性趋势的结果图像，并可以下载结果数据进行进一步分析。 总的来说，使用GEE云平台进行一元线性趋势分析，需要定义区域、时间范围
31省不透水面数据
10-18
中国31省的不透水表面数据，适合用于论文写作与科学研究，
Google Earth Engine（GEE）-利用归一化建筑指数NDBI（不透水层）提取建筑物.pdf
07-27
如何利用GEE（Google Earth Engine）利用归一化建筑指数NDBI（不透水层）提取建筑物，我们需要进行GEE的一些基本学习，具体的专栏大家可以前去我的博客主页学习：涵盖了GEE基础、高阶和应用程序开发以及JavaScript和python两种语言的专栏，同时还建立有GEE图表和应用，外接高阶程序应用等，与此同时，还有微软行星云计算、PIE、AI EARTH等遥感云平台专栏类容可供大家参考。主页链接：https://blog.csdn.net/qq_31988139?type=blog 本资源主要详细介绍了归一化建筑指数NDBI（不透水层）提取建筑物，这里主要是去除指数生成过程中出现的异常值的问题，大家可以通过下载来获取具体的而代码信息，可以直接在线copy代码到gee中进行操作，如有任何疑问可以随时到私信我。此代码仅限于我专栏的一个案例，如果你想学习更多的GEE知识，请进入主页选择，我将不定期更新更多的GEE和其它平台的相关云计算内容，同时也欢迎大家由问题私信，我可以承接相应的代码调试，GEE资源下载等相关服务。再次感谢你的订阅。
Google Earth Engine（GEE）-逐年月长时序多指数和波段图表加载（MODIS数据2013-2021.pdf
02-26
本代码的主要目的是进行长时间序列指定波段和指数计算后的图标加载，研究区才作用山西省，使用了多个MODIS数据集，分别提取EVI和ET等波段属性进行图表加载。这里会将计算出的指数加载在同一个图表，其它单独选择的...
Google Earth Engine（GEE）-利用Landsat卫星影像计算EVI数据并下载以山西省为例.pdf
02-14
(452条消息) Google Earth Engine（GEE）——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算_此星光明2021年博客之星云计算Top3的博客-CSDN博客 第一步我们进行SR去云函数的设定：第二步：设定EVI波段运算的...
Google Earth Engine（GEE）批量下载不透水面数据
guaicaicexu的博客
07-19 1383
目标：提取山西省不透水面数据并批量下载，使用的数据为清华大学宫鹏老师的不透水面数据集“Tsinghua/FROM-GLC/GAIA/v10”参考文献：Gong, P., Li, X., Wang, J., Bai, Y., Chen, B., Hu, T.,& Zhou, Y. (2020). Annual maps of global artificial im......
google earth engine（gee）
06-06
回答1：</h3><br/>Google Earth Engine（GEE）是一个基于云计算的平台，旨在为全球范围内的环境和社会问题提供高效的数据分析和可视化工具。它集成了来自卫星、气象站、传感器等多种数据源的数据，并提供了一系列...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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