glass数据集_数据分享|GLASS产品植被覆盖度FVC

最新推荐文章于 2025-03-25 11:16:54 发布
最新推荐文章于 2025-03-25 11:16:54 发布
阅读量4.5k 收藏 4
点赞数 2
文章标签： glass数据集
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/weixin_29974217/article/details/113074148
版权
GLASS FVC产品利用机器学习算法（如GRNN, BPNN, SVR, MARS）基于MODIS和AVHRR数据进行遥感反演。该算法经过广泛验证，提供全球0.05°分辨率的植被覆盖度数据，并在多个科研项目中得到应用。产品可通过中国国家地球系统科学数据中心等平台免费下载，受到全球用户的广泛认可。" 93101039,5713818,Markdown编辑器使用指南,"['Markdown', '编辑器', '代码高亮', '数学公式', '图表']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

点击蓝字 关注我们

1

遥感反演算法

GLASS FVC产品算法基于机器学习方法，使用了从全球分布式高空间分辨率卫星数据生成的训练样本。最初，用于MODIS数据的GLASS FVC乘积算法是使用通用回归神经网络(GRNN)方法，训练样本数据Thematic Mapper(TM)和Enhanced Thematic Mapper plus(ETM +)数据生成的。但是，在生成长期全球GLASS FVC产品的过程中，发现GRNNs方法的计算效率并不令人满意。因此，评估了四种机器学习方法，包括反向传播神经网络(BPNN)，GRNN，支持向量回归(SVR)和多元自适应回归样条(MARS)。

    还开发了用于AVHRR数据的GLASS FVC算法，以与GLASS MODIS FVC产品配合使用。它基于GLASS MODIS FVC产品，可从AVHRR和MODIS数据实现FVC估计的连续性。

    使用高分辨率卫星数据和地面测量的估计值进行了广泛的验证实验。最近总结了算法的详细信息和验证结果

在全球高空间分辨率植被覆盖度样本数据集建设的基础上，比较不同机器学习算法的效果(包括广义回归神经网络，后向传播神经网络，支持向量机，多元自适应样条回归)，完成基于MODIS数据的FVC产品算法

最低0.47元/天 解锁文章
GLASS数据的批量下载（以植被覆盖度FVC为例）
qq_41828818的博客
03-26 6940
最近在搞植被覆盖度，所以又和学长学到一个FVC（植被覆盖度）数据下载的方法。虽然，学长已经记录过了，但是…我记性不好，有些细节，还是自己来记录吧…哈哈哈哈啊哈哈哈…在此感谢学长… 1.首先，GLASS数据的下载网址——美国马里兰大学 2.选择第一个产品 3.打开就是年份的文件 4.由于此数据是MODIS数据为基础的，想要下载自己的区域，就要选择轨道号什么的，那么就麻烦了。那么就有了大神的代码了…此为…学长的代码博客——批量下载GLASS代码博客 5.那么比如我选择的区域以及时间，跑出来的代码是 6.将这
【数据集】Global Land Surface Satellites (GLASS)：LAI、Albedo、LST、FVC
WW、forever的博客
10-31 557
【数据集】Global Land Surface Satellites (GLASS)：LAI、Albedo、LST、FVC
glass数据集
04-05
机器学习，数据挖掘经典的数据集,欢迎大家下载
玻璃数据集
05-29
玻璃数据集，用于机器学习，主要包含不同玻璃的化学成分，可通过机器学习进行分类。
【数据分享】常用的GPP/NPP数据集~持续更新~
最新发布
weixin_59101151的博客
03-25 319
全球GPP/NPP数据集区域GPP/NPP数据集•论文网址点击DOI进入下载地址ds_id=1786登陆NASA账号•全球GPP/NPP数据集。
glass数据集_数据分享 | GLASS产品发射率BBE
weixin_34345695的博客
01-20 1389
点击蓝字 关注我们1遥感反演算法BBE产品代表8-13.5µm的发射率值，因为它是估算表面长波净辐射的最佳光谱范围(Cheng and Liang 2013)。该算法估计地表类型的地表宽带发射率包括：水、雪或冰、裸露土壤(00.156)和过渡带(0.1对于裸露土壤，我们使用MODIS光谱反照率估算BBE(Cheng and Liang 2014)。该算法利用ASTER-BBE和MODIS...
Glass Classification（玻璃分类）-数据集
03-04
From USA Forensic Science Service; 6 types of glass; defined in terms of their oxide content (i.e. Na, Fe, K, etc) 来自美国法医科学服务局;6种玻璃;根据它们的氧化物含量(如Na、Fe、K等)来定义 glass.csv
【GLASS FVC数据】利用Python批量下载GLASS的植被覆盖度（FVC）数据
captain_keating的博客
05-22 1076
Python批量下载GLASS的植被覆盖度（FVC、Fcov）以及al数据：GLASS产品包括2022年之前发布的数据：叶面积指数（LAI），反照率（Albedo）,发射率（BBE），光合有效辐射（PAR），长波辐射（LW），下行短波辐射（DSR），净辐射（NR），陆表温度（LST），光合有效辐射吸收比（FAPAR），植被覆盖率（FVC），潜热通量（ET），植被总初级生产力（GPP）;还有2023年增加数据：植被聚集指数，中国建筑物屋顶数据（CBRA），国际湿地城市数据，森林覆盖度（FFC），土壤湿地数据。
【GLASS albedo数据】利用Python批量下载GLASS的反照率数据（Surface Broadband Albedo,简称Albedo）
captain_keating的博客
10-31 1000
GLASS 反照率产品是通过反演算法和基于统计的时空滤波算法生成的。GLASS产品包括2022年之前发布的数据：叶面积指数（LAI），反照率（Albedo）,发射率（BBE），光合有效辐射（PAR），长波辐射（LW），下行短波辐射（DSR），净辐射（NR），陆表温度（LST），光合有效辐射吸收比（FAPAR），植被覆盖率（FVC），潜热通量（ET），植被总初级生产力（GPP）;还有2023年增加数据：植被聚集指数，中国建筑物屋顶数据（CBRA），国际湿地城市数据，森林覆盖度（FFC），土壤湿地数据。
长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的实践技术应用
weixin_49857990的博客
12-22 1332
植被是陆地生态系统中最重要的组分之一，也是对气候变化最敏感的组分，其在全球变化过程中起着重要作用，能够指示自然环境中的大气、水、土壤等成分的变化，其年际和季节性变化可以作为地球气候变化的重要指标。此外，由于生态工程保护建设和植被自然生长等因素，中国陆地生态系统发挥了重要的碳汇作用
斯坦福大学 机器学习 glass数据集 dataset
10-28
斯坦福大学 机器学习 glass数据集 dataset
glass.data
12-10
UCI上的glass数据集，可以进行数据分析，聚类，比如本人可以拿它做K-means等等，都是很好的。
glass.mat GLASS数据集，mat格式
06-06
聚类数据集，mat格式，matlab直接可用
Glass
10-25
Glass
glass数据集_数据分享 | GLASS产品地表反照率Albedo
weixin_29524677的博客
01-20 3955
点击蓝字 关注我们1遥感反演算法GLASS反照率产品包括三个光谱范围：实际大气条件下的总短波，可见光和近红外(所谓的蓝天反照率)。 GLASS反照率产品基于两个算法通过时间滤波器方案的集成(Liu et al.2013a;Liu et al. 2013b;Qu et al.2014)。一种算法基于通过大气校正从大气层(TOA)辐射转换而来的表面反射率，另一种算法基于直接基于TOA...
glass数据集_WEKA在机器学习、数据挖掘领域的应用（一）
weixin_35796207的博客
12-22 2445
WEKA简介•Weka的主要开发者来自新西兰的怀卡托(Waikato)大学,是一款免费的，非商业化的，基于JAVA环境下开源的机器学习（Machine Learning）以及数据挖掘（Data Mining）软件。•Weka可以对数据进行预处理，分类，聚类、关联规则、属性选择以及可视化。•Weka的源码使用java编写，所有它的jar包还可以导入java的工程中，直接调用api。•weka可以打开...
记录GLASS数据从下载到处理——获取研究区逐月GLASS产品
DaShuJuZhang的博客
06-27 9244
应用python进行GLASS数据的批量自动获取与数据处理
全国1000米分辨率逐年植被覆盖度（FVC）数据集
m0_63269495的博客
03-27 938
植被覆盖度是描述地表植被的重要参数与生态环境的基本指标，在大气圈、土壤圈、水圈和生物圈中都占据着重要的地位，区域及全球范围的植被覆盖度估算对植被及相关领域的研究具有重要意义。往往参照《土壤侵蚀分类分级标准》，将植被覆盖度划分为4个等级：<30%为低覆盖度、30%—45%为中低覆盖度、45%—60%为中覆盖度、>60%为高覆盖度。本数据集包括2000年至今，全国逐年植被覆盖度数据，FVC范围值为0-1，数据为浮点型，GeoTIFF格式。NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。
全国1000米分辨率逐月植被覆盖度（FVC）数据集（2000-2024）
m0_63269495的博客
11-28 838
植被覆盖度是描述地表植被的重要参数与生态环境的基本指标，在大气圈、土壤圈、水圈和生物圈中都占据着重要的地位，区域及全球范围的植被覆盖度估算对植被及相关领域的研究具有重要意义。往往参照《土壤侵蚀分类分级标准》，将植被覆盖度划分为4个等级：<30%为低覆盖度、30%—45%为中低覆盖度、45%—60%为中覆盖度、>60%为高覆盖度。本数据集包括2000年至今，全国逐月植被覆盖度数据，FVC范围值为0-1，数据为浮点型，GeoTIFF格式。NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。
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
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