Google Earth Engine（GEE）——2001-2016 年MCD12Q1 V6 土地利用/分类产品UI界面的可视化操作（河北省为例）

最新推荐文章于 2024-04-09 15:00:00 发布
最新推荐文章于 2024-04-09 15:00:00 发布
阅读量1.1k 收藏
点赞数
分类专栏： GEE案例分析 文章标签： ui javascript jquery 土地覆盖 可视化
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/125007031
版权
本教程展示如何使用Google Earth Engine (GEE) 创建一个UI界面，以可视化2001年至2016年河北省MCD12Q1 V6土地利用分类数据。通过设定简单的界面，用户能方便地查看不同年份的土地覆盖情况，无需手动更改数据，简化了对MODIS数据的年度可视化操作。
摘要由CSDN通过智能技术生成

如何制作一个可视化的土地分类界面，可以方便大家查看每一年的指定区域的影像，本教程的目的就是我们通过设定简单的ui界面为大家加载MODIS土地分类数据从2000-2016年区域不同年份的结果，这样方便我们不用动手改一年年的数据，方便可视化操作。

数据介绍：

MCD12Q1 V6 产品每年（2001-2016 年）提供来自六种不同分类方案的全球土地覆盖类型。它是使用 MODIS Terra 和 Aqua 反射率数据的监督分类得出的。然后，受监督的分类经过额外的后处理，结合了先验知识和辅助信息，以进一步细化特定类别。这里我们就选用LC_Type1波段来进行操作。

ee.ImageCollection("MODIS/006/MCD12Q1")

姓名 单位 敏 最大限度 描述
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）——MCD12Q1 v006（Terra+Aqua ）土地覆盖类型 每年 L3 全球 500 m SIN 网格数据中国区域下载
此星光明博客
12-08 2591
数据介绍 Terra 和 Aqua 组合中分辨率成像光谱仪 (MODIS) 土地覆盖类型 (MCD12Q1) 第 6 版数据产品每年（2001-2019 年）提供全球土地覆盖类型，源自用户指南中列出的六种不同分类方案。MCD12Q1 第 6 版数据产品是使用 MODIS Terra 和 Aqua 反射数据的监督分类得出的。然后，监督分类经过额外的后处理，结合先验知识和辅助信息以进一步细化特定类别。 MCD12Q1 V6产品提供了按年度（2001-2016年）的全球土地覆盖类型，由六种不同的分类方案得出
Google Earth Engine（GEE）——筛选北京地区土地覆盖度MCD12Q1 V6产品使用count和group进行统计
此星光明博客
11-24 1223
MCD12Q1 V6产品提供了按年度（2001-2016年）的全球土地覆盖类型，由六种不同的分类方案得出。它是通过对MODIS Terra和Aqua反射率数据进行监督分类得出的。监督下的分类然后经过额外的后处理，结合先前的知识和辅助信息，进一步完善特定的类别。 函数： 常量 ee.Image.constant(value) Generates an image containing a constant value everywhere. 生成一个到处都含有常量值的图...
GEE数据集——MCD12Q1.006 MODIS土地覆被类型 全球500m
weixin_48048649的博客
02-12 1624
MCD12Q1 V6 产品以每年（2001-2016 年）的间隔提供全球土地覆被类型，这些类型源自六种不同的分类方案。它是使用MODIS Terra和Aqua反射率数据的监督分类得出的。然后，监督分类进行额外的后处理，这些后处理结合了先验知识和辅助信息，以进一步完善特定类别。
GEE数据变更：MCD12Q1（土地覆盖）和MOD13Q1（植被指数）2020年后请使用MCD12Q2和MYD13Q1（植被指数）
此星光明博客
04-09 1838
这里我们需要知道一点的是MCD12Q1数据的服务年限是2000-2020年，之后的数据请使用MCD13Q1数据集，这样才能延续2020年之后的数据。不要使用“”（土地覆盖）和“”（植被指数），请尝试使用“和。
Google Earth Engine（GEE）中的10m土地利用产品
guaicaicexu的博客
06-29 2135
今天介绍在GEE中可以调用的土地利用数据，ESA/WorldCover/v100 它是由欧洲航天局（ESA）基于哨兵1号和哨兵2号的影像数据，制成10m分辨率的土地利用产品，共有11个地类。
GEE下载Modis多年土地利用产品MCD12Q1
weixin_45443016的博客
04-03 484
GEE下载多年Modis/006/MCD1201产品
GEE2：MCD12Q1全球500米土地利用分类产品使用
amyniez的博客，欢迎交流讨论
08-12 1937
The MCD12Q1 V6 product provides global land cover types at yearly intervals (2001-2016) derived from six different classification schemes. It is derived using supervised classifications of MODIS Terra and Aqua reflectance data.
GEE开发之MODIS_MCD12Q1数据分析和获取
等待着冬天的风的博客
05-09 4355
Terra 和 Aqua 组合的中分辨率成像光谱仪 (MODIS) 土地覆盖类型 (MCD12Q1) 版本 6.1 数据产品每年提供全球土地覆盖类型。MCD12Q1 版本 6.1 数据产品是使用 MODIS Terra 和 Aqua 反射率数据的监督分类得出的。土地覆盖类型源自国际地圈-生物圈计划 (IGBP)、马里兰大学 (UMD)、叶面积指数 (LAI)、生物群落-生物地球化学循环 (BGC) 和植物功能类型 (PFT) 分类方案。
Google Earth Engine —— 利用sentinel-1/2数据集进行土地分类59个参数案例
此星光明博客
10-26 1422
本案例是一个分类教程，考虑了土地分类的59各波段信息，这里不做过多的介绍的了，直接参考文中代码注释。
GEE案例（python）-利用GEE的交互式桑基图可视化分类时间序列数据的变化（2000-2020年不同土地转化可视化）
08-05
使用地球引擎（Earth Engine）可视化土地植被、植物健康、焚烧严重程度或任何其他时间序列分类图像的变化，并配有交互式桑基图。使用内置数据集库方便快捷，也可灵活定义自己的自定义数据集。 谷歌地球引擎（Google...
MCD12_User_Guide_V6.pdf
05-15
MODIS土地覆盖数据 MCD12Q1和MCD12C1用户指南。资料格式：pdf。发布时间：2018年5月14日。包括内容：数据概况，数据格式和投影，数据分类赋值说明（IGBP,UMD,LAI,BGC,PFT,LCCS1,LCCS2,LCCS3）等。
MCD12Q1分类数据解析
11-27
数据说明
Modis MCD12Q1数据提取工具
03-17
批量提取MODIS土地覆盖数据MCD12Q1中的数据集。使用方法：选择输入目录下的一个hdf文件，选择要提取的字段，指定输出目录，点击运行即可将输入目录下所有hdf文件中MCD12Q1数据集中指定的数据集提取出来，结果按按照原文件名，保存为tiff格式。参考：http://blog.csdn.net/giselite/article/details/21081297
modisMCD12Q1-2001数据
06-08
本数据为modisMCD12Q1数据，年份2001年，位置为h26v05和h27v05,可应用于论文研究数据源。
MCD12Q1_网盘链接
12-21
2001-2019 IGBP
Google Earth Engine（GEE）——欧洲10米分辨率土地分类（21种分类）EUCROPMAP 2018数据
此星光明博客
09-02 709
基于 Sentinel-1 和 LUCAS Copernicus 2018 年原位观测的欧洲作物类型图（EUCROPMAP 2018）。，是欧盟第一个基于 2018 年 S1A 和 S1B 合成孔径雷达观测的 10m 像素大小的大陆作物类型图。主要作物特定土地覆盖分类。
Google Earth Engine（GEE）——美国俄勒冈大学制作的可视化土地分类下载器
此星光明博客
05-20 1106
今天给大家推荐一款可以在线下载美国土地覆盖度、生物量、不透水层等数据的可视化下载工具，界面简单但是数据集有限，这个可视化下载界面是由美国俄勒冈大学制作的。具体的使用链接： OSU eMapR Lab | Data Vis 首先说一下基础底图：分为三类，分别是真彩色、矢量图和地形 接下来可以选择我们所需的数据集，第一个是加利福尼亚州的数据，第二个是全美的数据，第三数据集是加利福尼亚扰动变化的情况。 其中土地分类数据为具体可以分为以下部分： 开阔水域 多年生冰/雪 已开发，开放空间 已开发，中等.
GEE - 数据集介绍MCD12Q1
By
07-16 3756
数据集：MCD12Q1,计算面积，列表求和
()Google Earth Engine(GEE)实例代码学习三十一——利用MODIS土地分类产品(MCD12Q1)对Landsat影像分类
little00bee的博客
04-24 4765
本文分享如何利用MODIS全球土地分类产品(MCD12Q1)通过采样点实现Landsat影像土地利用类型分类 //选取一块研究区 var geometry = ee.Geometry.Polygon( [[[29.972731783841393, 31.609824974226175], [29.972731783841393, 30.1103838183110...
给我一段代码让我在GEE中下载MCD12Q2数据中的波段Greenup，时间为2001.01.01-2005.12.31
最新发布
09-23
在Google Earth Engine (GEE) 中，要下载特定波段（比如 "GreenUp"，这通常不是MCD12Q2直接包含的一个波段，可能是自定义计算的结果）并在指定日期范围内（2001.01.01 - 2005.12.31），你需要先编写一个脚本来计算绿化的趋势指标。这里我们将假设这个 GreenUp 是基于NDVI（Normalized Difference Vegetation Index）的某种计算结果。请注意，这需要你有一些基本的GEE编程知识。 ```python import ee ee.Authenticate() ee.Initialize() # 时间范围 startDate = '2001-01-01' endDate = '2005-12-31' # 计算 NDVI 并命名为 "greenup" def greenup(image): ndvi = image.normalizedDifference(['B5', 'B4']) # 假设B5是近红外，B4是红光 return ndvi.rename("GreenUp") # 加载 MODIS MCD12Q2 数据并计算 GreenUp collection = ee.ImageCollection('MODIS/006/MCD12Q2') filteredColl = collection.filterDate(startDate, endDate) # 对每个年份应用 greenup 函数 greenedYears = filteredColl.map(greenup) # 合并所有年份的 GreenUp 图像到一个单独的图像 mergedImage = greenedYears.mean() # 使用平均值作为年度代表 # 下载绿化趋势图像（默认分辨率为1000米） download_url = mergedImage.getDownloadURL({ 'scale': 1000, 'name': 'greenup_2001_to_2005' }) print(f"Download URL for the GreenUp image: {download_url}") ``` 这只是一个简化版的例子，实际操作中可能需要对NDVI计算进行更复杂的时间序列分析。同时，如果你想要的是某一年的绿化增长，可能还需要做一些额外的工作，如计算每年之间的差异或比率。
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