Google Earth Engine（GEE）——多源遥感数据进行大面积森林生物量估算利用（GEDI+S2+S1）

最新推荐文章于 2024-10-18 11:12:30 发布
最新推荐文章于 2024-10-18 11:12:30 发布
阅读量1.1k 收藏 11
点赞数 3
分类专栏： GEE案例分析 文章标签： javascript 森林生物量 gedi agb 随机森林
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/130626531
版权
本文介绍了如何利用Google Earth Engine（GEE）结合GEDI（全球生态系统动力学调查）的森林高度数据、Sentinel-2的光学数据和Sentinel-1的雷达数据，进行大面积森林生物量的估算。通过使用stratifiedSample方法从图像中提取分层随机样本，并应用随机森林等算法进行数据处理和分析。文章提供了数据来源、数据详细信息以及关键代码片段。
摘要由CSDN通过智能技术生成

在开始之前，我们首先介绍一下所使用的数据，这里所用到的数据主要是森林高度数据，另外就是雷达数据和光谱数据，这里我们光学数据sentinel2，雷达数据sentinel1这里着重看一下森林高度数据：

GEDI L4B Gridded Aboveground Biomass Density (Version 2)

Dataset Availability

2019-04-18T00:00:00 - 2021-08-04T00:00:00

Dataset Provider

USFS Laboratory for Applications of Remote Sensing in Ecology (LARSE) NASA GEDI mission, accessed through the USGS LP DAAC

Collection Snippet

ee.Image("LARSE/GEDI/GEDI04_B_002")</

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） ——多源遥感影像（S1/S2和地形数据）监督和非监督分类（以随机森林和Kmeans聚类）案例
此星光明博客
07-17 914
本文主要是利用准备好的影像和一景准备好的样本点来进行分析，在以下脚本中，我们将探索将像素分类为专题类的技术。这里的多源遥感影像就是我们利用SAR和光谱影像以及地形参数以及其它植被指数作为一个多波段影像，多波段单景影像就是我们的多源遥感数据，而其它的就是谁当随机森林和其它监督分类方法，无论是评估土地分类还是其它，方法都一样，变量就是影像波段，所以我们只管添加参数就好了，剩下的就按照监督分类即可。每个输出特征将具有输入图像的每个波段的一个属性，以及从输入特征复制的任何指定属性。要从每个输入要素复制的属性列表。
Google Earth Engine(GEE)——多源遥感变量筛选（PCA主成分分析），变量筛选/降维处理
此星光明博客
11-22 932
主成分分析（Principal Component Analysis，PCA）是一种常用的数据降维方法，它可以将高维数据降到低维空间中，同时尽量保留原始数据的信息。在生物信息学领域，PCA可以用来进行基因表达数据的分析和可视化。需要注意的是，在进行PCA之前需要对原始数据进行标准化处理，以避免不同特征之间的量纲不同对结果产生影响。很多时候我们需要进行数据的将为和筛选，传统的方法我们可以根绝经验方法进行筛选或者按照变量重要性和相关性进行分析，当然我们可以通过计算多个变量之间的主成分分析来进行变量的筛选。
GEE-多源遥感数据进行大面积森林生物量估算利用（GEDI+S2+S1）超700行代码.pdf
07-21
如何利用GEE（Google Earth Engine）多源遥感数据进行大面积森林生物量估算利用（GEDI+S2+S1）超700行代码，如果需要进行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我们指数表达式的计算，以及归一化教程的详细代码，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。
可以使用GEE（Google Earth Engine）获取研究区内近10年森林变化数据集，并对其进行分析。
2301_77925375的博客
05-28 420
以上代码中，我们使用了在GEE平台上提供的 MODIS（Moderate Resolution Imaging Spectroradiometer）的森林数据集，选择了该数据集中的森林覆盖度指标（LC_Tree_Cover），并使用时间过滤器（Filter.calendarRange）选取了近10年的数据集。6. 对研究区域内的近10年森林变化趋势进行分析，比如计算每年森林覆盖度的平均值、方差和标准差等统计量，可以使用GEE的 reduce() 功能进行计算。1. 登录GEE平台，新建一个脚本。
GEE数据集——全球森林地面生物量2010、2017、2018、2019和2020年的森林地上生物量
此星光明博客
08-28 1592
欧空局 CCI 全球森林地面生物量该数据集提供了2010、2017、2018、2019和2020年的森林地上生物量估计值。这些估算值来自哥白尼哨兵-1 号任务、环境卫星的 ASAR 仪器和日本宇宙航空研究开发机构的高级陆地观测卫星（ALOS-1 和 ALOS-2）提供的地球观测数据（视年份而定），以及其他地球观测来源提供的额外信息。该数据集是欧洲航天局（ESA）气候变化倡议（CCI）计划的一部分，由生物量 CCI 小组生成。该数据集包括针对所有生物群落和每年的 L 波段多时观测数据。
Google Earth Engine（GEE）利用森林变化数据集分析
guaicaicexu的博客
07-09 1022
今天来分享一下如何在GEE中利用森林变化数据集进行分析
GEE：GEDI L4A 地上生物量密度（AGBD）数据集下载
养乐多的博客
03-27 2921
数据特征约 25 米2019-04-17 至 2022-10-25一次性估计纬度和经度以十进制表示地点最西经度最东经度最北纬度最南纬度全球的-18018053.99333-52.20456波段名单位描述AGBD毫克/公顷预测的地上生物量密度（Mg/ha）毫克/公顷较低的预测区间（参见 alpha 属性的级别）毫克/公顷上预测区间（请参阅水平的 alpha 属性）agbd_se毫克/公顷地上生物量密度（Mg/ha）预测标准误差。
pyGEDI：pyGEDI是Python软件包，用于NASA的全球生态系统动力学调查（GEDI）任务，数据提取，分析，处理和可视化
02-04
介绍 新的全球生态系统动力学调查于2018年12月5日启动，正在国际空间站产生高分辨率激光收集森林周围树冠高度，树冠垂直结构和表面标高的3D数据。 由于它每天都在收集数据，因此稳定且快速的平台至关重要。 因此， pyGEDI库是用Python开发的，因为它可以利用多个CPU和GPU，并受C和支持。 pyGEDI为GEDI产品的数据提取，分析，处理和可视化提供了高性能，较低的认知负担以及更清晰，更透明的代码。 包装概述 pyGEDI在一个包中具有用于可视化，处理，分析和数据提取的多种功能。 pyGEDI软件包包含以下功能： 与NASA服务器的连接。 下载GEDI数据。 剪裁您的特定区域。
GEE随机森林和Kmeans聚类案例：S1和S2和地形数据多源遥感影像监督和非监督分类.pdf
04-24
综合上述信息，我们可以看到，GEE（Google Earth Engine）是一个强大的遥感分析工具，它提供了处理和分析多源遥感数据的平台。通过GEE，用户可以快速访问大量的遥感数据，利用随机森林和Kmeans聚类等机器学习方法，...
python实现对森林生物量进行随机森林回归预测
qq_49526578的博客
05-08 6726
随机森林算法的基本思想是基于多颗决策树的集成学习过程，使用场景广泛，一般的分类回归问题都可以使用。我们以光学遥感影像为例，来估测森林生物量。
全球生态系统动态调查（GEDI）项目科学概述和应用领域
养乐多的博客
07-22 979
本文将介绍全球生态系统动态调查（GEDI）项目的科学概述和应用领域。包括，生物多样性、生物量和变化、生态系统建模；森林管理和碳循环、地形和地表形变、水资源、天气预报。
GEE 数据处理——Sentinel-1（哨兵1号）正确的数据预处理（去噪、滤波、辐射归一化）
此星光明博客
01-26 3466
哨兵-1 号卫星提供时间密度高、空间分辨率高的合成孔径雷达（SAR）图像。哨兵-1 号的开放数据政策和全球覆盖范围使其成为基于合成孔径雷达的广泛应用的宝贵数据源。在这方面，谷歌地球引擎是进行大面积分析的关键平台，采集后几天内就可获得预处理的哨兵-1 反向散射图像。为了保留信息内容和用户自由度，一些预处理步骤（如斑点过滤）没有应用于摄入的圣天诺-1 图像，因为它们可能因应用而异。
Google Earth Engine（GEE）——山西省生物量计算
此星光明博客
12-01 4355
本次通过NPP和GPP数据来计算生物量， NPP可以用来估计生物量的产量（kg/m2）。生物量是由碳水化合物（CH2O）组成的植被干物质。生物量的总产量是通过将氢和氧的分子质量方程式来计算的。 总初级生产力与净初级生产力的区别是什么？ 生产力代表质量（植物量）的总增加。生态系统的生产力定义为单位时间单位面积内形成或演化的物质（有机物）数量的产生率。总初级生产力定义为主要能源生产者（植物）产生的化学能量，而净初级生产力定义为主要能源生产者储存的化学能总量。GPP和NPP的主要区别在于能量的生产和储存。G
GEE专栏之水质反演 基于线下训练模型的在线叶绿素反演（叶绿素反演结果可视化、图例、白板底图、提取点位像元值并输出CSV）
Lbta的博客
06-25 3857
GEE专栏之水质反演 基于线下训练模型的在线预测 效果图 特色：GEE绘制图例、提取像元值、反演模型与GEE的融合。 该结果为洱海地区叶绿素水质反演结果，利用GEE ui绘制了图例，屏蔽了影像图层即增加了白色底图，提取监测点位像元值并输出CSV，代码部分注释掉了输出像元值，取消注释即可。可供参考 源码部分 var p280 = ee.Geometry.Point([100.16,25.86]) var p281 = ee.Geometry.Point([100.19,25.83]) var p283 =
Google Earth Engine（GEE）计算雷达植被指数RVI
guaicaicexu的博客
07-08 3116
今天来分享下如何在GEE中计算雷达植被指数，
NASA全球生态系统动态调查激光雷达(GEDI)
soderayer的博客
01-18 1757
戈达德太空飞行中心GSFC的LEOB激光与光电部负责建造用于全球生态系统动态调查GEDI激光雷达任务的激光器，将安装在国际空间站ISS的日本实验舱（Japanese Experiment Module，JEM）。GEDI将使用三个NASA开发的激光器，每个耦合一个光束抖动单元BDU（Beam Dithering Unit），用于在地球表面产生三组交错的轨迹，精确测量全球生物量。 1介绍 GEDI激光器基础架构使用了高输出最大效率谐振器（High Output Maximum Efficiency.
Google Earth Engine（GEE）—— 全球生态系统动态调查（GEDI）综合数据集（高程、森林覆盖、城市占比）
此星光明博客
03-13 3446
The Global Ecosystem Dynamics Investigation (GEDI) mission aims to characterize ecosystem structure and dynamics to enable radically improved quantification and understanding of the Earth's carbon cycle and biodiversity. The GEDI instrument, attached to th
JS-常用功能
最新发布
qq_40950398的博客
10-18 202
汇总一些常用的js功能
ECMAScript标准解析及其发展历史与技术演进
qq_20245171的博客
10-15 764
ECMAScript（简称ES）是由ECMA国际（欧洲计算机制造商协会）制定的一种脚本语言规范。它是JavaScript、JScript等语言的基础，并为现代Web开发提供了强大的支持。ECMAScript标准不仅定义了语言的语法和语义，还涵盖了数据类型、对象模型和执行环境等内容，极大推动了JavaScript语言的发展。本文将全面介绍ECMAScript标准的起源、各个版本的演变、关键特性以及未来趋势，深入探讨其对Web开发及编程语言设计的影响。
GEE随机森林分类中如何使用多源遥感数据
04-03
在GEE中使用多源遥感数据进行随机森林分类，可以按以下步骤进行： 1.导入多源遥感数据，如Landsat、Sentinel等，可以使用GEE提供的数据集，也可以上传自己的数据。 2.选择分类区域，可以使用GEE提供的工具在地图上绘制分类区域，也可以上传自己的矢量文件。 3.将多源遥感数据拼接成一个图像，使用GEE提供的图像拼接工具。 4.选择分类变量，根据遥感数据的特征选择分类变量，如NDVI、NDWI、NDBI等。 5.设置分类参数，如树的数量、深度、节点大小等。 6.进行分类操作，使用GEE提供的随机森林分类算法。 7.验证分类结果，可以使用GEE提供的验证工具或者上传自己的验证数据进行验证。 8.导出分类结果，可以导出为栅格图像或矢量文件。
评论 4
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