GEE数据集——全球 30m Landsat 树冠覆盖 v4 Global 30m Landsat Tree Canopy Version 4 (TCC) 2000-2015年

全球 30m Landsat 树冠覆盖率 v4
Global 30m Landsat Tree Canopy Version 4 (TCC) 产品是一个 30 米分辨率的数据集,显示每个像素的树冠覆盖率在 0% 到 100% 之间。TCC产品于2019年5月发布,由大地遥感卫星影像档案处理而成。它取代了之前版本的 2000、2005、2010 和 2015 年全球树冠覆盖率估计值。前言 – 人工智能教程

它还包括北美和南美 2010 年至 2015 年的年度树冠覆盖率估计值。TCC 数据集基于 Landsat 和 Sentinel-2 图像。2023 年发布的最新 TCC 2021.4 版产品套件包含多个组件,其中包括一个包含 2008-2021 年地图和数据的年度科学产品。数据产品链接:Index of /MEASURES/GFCC30TC.003



引用

Sexton, J. O., Song, X.-P., Feng, M., Noojipady, P., Anand, A., Huang, C., Kim, D.-H., Collins, K.M., Channan, S., DiMiceli, C., Townshend, J.R.G. (2013). Global, 30-m resolution continuous fields of tree cover: Landsat-based rescaling of MODIS Vegetation Continuous Fields with lidar-based estimates of error.
International Journal of Digital Earth, 130321031236007. doi:10.1080/17538947.2013.786146.

 

gfcc30

 

Earth Engine Snippet
var GFCC30TC = ee.ImageCollection("projects/sat-io/open-datasets/GFCC30TC"),
    countries = ee.FeatureCollection("FAO/GAUL/2015/level0");
print(GFCC30TC)
var vis = ['#CCFFCC','#99FF99','#66FF66','#33CC33','#009900','#006600','#003300','#000000'];

Map.addLayer(GFCC30TC.filterDate('2000-01-01','2001-12-31').mosaic().clip(countries),{min:0,max:150,palette:vis},'GFCC30TC 2000')
Map.addLayer(GFCC30TC.filterDate('2015-01-01','2015-12-31').mosaic().clip(countries),{min:0,max:150,palette:vis},'GFCC30TC 2015')

代码链接: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/GFCC30TC-TREE-CANOPY-COVER

License

This data is open to the public and browse images are freely available without restriction.

Created by: Sexton, J. O et al

Curated in GEE by : Samapriya Roy

keywords: Global Tree Canopy, Forestry, Time series, Landsat

Last updated on GEE: 2023-07-05

 注意事项:

本美国政府计算机仅供授权用户使用。  访问本即表示您同意接受全面监控,并且不期望有任何隐私。
未经授权的访问或使用可能会使您受到纪律处分和刑事起诉。

用户请注意:您正在从位于美国地质调查局地球资源中心的 NASA 陆地过程分布式主动存档中心(LP DAAC)下载数据。
科学 (EROS) 中心下载数据。

该数据对公众开放,浏览图像不受限制。
 卫星数据产品可能需要 NASA Earthdata 登录用户名和密码。
 要获取 NASA Earthdata 登录帐户,请访问
https://urs.earthdata.nasa.gov/users/new/。

有关您下载的数据的更多信息,包括文档
以及如何正确引用数据,请访问 https://lpdaac.usgs.gov/。
 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
2010全球30m分辨率陆表水域数据集(GlobeLand30_WTR2010)是中国捐赠给联合国(20149月)的全球30m分辨率土地覆盖数据集(2010)中十个数据集之一。陆表水域是地表覆盖的重要组成部分。该数据集依托全球地表覆盖遥感制图项目,根据全球优选(无云或少云)的2010及前后1-2间9907景30m空间分辨率的美国陆地资源卫星(Landsat)TM5、ETM 多光谱影像数据及2640景中国环境减灾卫星(HJ-1)多光谱影像数据。在数据预处理基础上,利用基于像元的水域综合提取、面向对象的图斑处理和人机交互的数据优化等遥感提取方法,兼顾陆表水域遥感提取的高效性和准确性,形成了2010全球30m分辨率陆表水域数据集(GlobeLand30_WTR2010)。该数据经过部分地区的抽样检验。数据集采用分幅方式组织数据文件,总计759个数据文件组,每个文件组包括3类数据文件,分别为以.Tif, .tfw格式存储的实体数据、以.shp格式存储的数据开发应用的遥感影像数据信息和以.xml格式存储的元数据信息。为便利获取和网络共享,实体数据被分为5个压缩数据文件包(.rar数据格式)。其中,GlobeLand30_WTR2010_1.rar是欧洲和亚洲72?E以西的地表水域数据集文件包;GlobeLand30_WTR2010_2.rar是亚洲72?E以东的地表水域数据集文件包;GlobeLand30_WTR2010_3.rar是北美洲50?以北的地表水域数据集文件包;GlobeLand30_WTR2010_4.rar是北美洲50?以南和南美洲的地表水域数据集文件包;GlobeLand30_WTR2010_5.rar是非洲和大洋洲的地表水域数据集文件包。此外,数据集中包括一个附录数据说明文件(GlobeLand30_WTR2010.xlsx)。数据表明,2010全球陆表水域总面积为367.54万km2。全球陆表水域的空间分布不均匀。其中,北美洲占据全球地表水域面积40%以上
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。
GEE是Google Earth Engine的缩写,是一个基于云计算的地理信息数据处理平台。使用GEE进行Landsat-8二级产品数据的大气校正可以分为以下几个步骤: 1. 在GEE中选择Landsat-8 OLI/TIRS Collection 2 Level-2数据集作为数据源。 2. 选择需要进行大气校正的影像,并导入到代码中。 3. 根据影像的时间和位置信息,获取对应的气象数据,如大气温度、水汽含量等。 4. 使用提供的大气校正模块,对影像进行大气校正。GEE提供了多种大气校正模块,如DOS (Dark Object Subtraction)、ATCOR (Atmospheric and Topographic Correction)等。 5. 对校正后的影像进行后续处理,如NDVI计算、图像显示等。 以下是一个基于GEE进行Landsat-8二级产品数据大气校正的示例代码: ```javascript // 选择数据集 var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') .filter(ee.Filter.eq('WRS_PATH', 44)) .filter(ee.Filter.eq('WRS_ROW', 34)) .filterDate('2018-01-01', '2018-12-31') .select(['SR_B2', 'SR_B3', 'SR_B4', 'SR_B5', 'SR_B6', 'SR_B7']); // 导入需要进行大气校正的影像 var img = ee.Image(dataset.first()); // 获取影像的时间和位置信息 var date = img.get('system:time_start'); var lat = img.get('LAT'); var lon = img.get('LON'); // 获取气象数据 var meteoData = ee.ImageCollection('NOAA/CFSV2/FOR6H') .filterBounds(ee.Geometry.Point(lon, lat)) .filterDate(ee.Date(date).advance(-1, 'day'), ee.Date(date)) .select(['Temperature_height_above_ground', 'Specific_humidity_height_above_ground']); // 获取大气温度和水汽含量 var airTemp = meteoData.select('Temperature_height_above_ground').mean(); var waterVap = meteoData.select('Specific_humidity_height_above_ground').mean(); // 大气校正 var corrImg = ee.Algorithms.Landsat.simpleCloudScore(img).select(['B2','B3','B4','B5','B6','B7','cloud']); var dosCorr = ee.Image(ee.Algorithms.Landsat.dos(corrImg, airTemp, waterVap, 0.08)); // 输出校正后的影像 Map.addLayer(dosCorr, {bands: ['B4', 'B3', 'B2'], min: 0, max: 3000}, 'dos corrected'); ``` 其中,ee.Algorithms.Landsat.simpleCloudScore用于对影像进行云检测,返回一个包含云掩膜的影像,ee.Algorithms.Landsat.dos用于进行DOS大气校正,返回一个校正后的影像。在输出校正后的影像时,可以选择需要显示的波段、色彩范围等参数。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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