Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >Google Earth Engine(GEE)——欧空局WorldCover 10 m分辨率土地利用/土地覆盖数据集 2020 V100

Google Earth Engine(GEE)——欧空局WorldCover 10 m分辨率土地利用/土地覆盖数据集 2020 V100

作者头像
此星光明
发布于 2024-02-02 02:18:59
发布于 2024-02-02 02:18:59
42500
代码可运行
举报
运行总次数:0
代码可运行

欧空局WorldCover 10 m 2020 V100输入质量¶。 ESA WorldCover 10 m 2020 V100产品是以EPSG:4326投影(地理经纬度CRS)的云优化GeoTIFFs(COG)形式,以3x3度瓦片形式交付。有2651个瓦片,关于访问这个数据集的更多信息可以在这里找到。目前的收集只集中在输入质量层,地图层在谷歌地球引擎中可作为一个图像集。DATA | WORLDCOVER

输入质量层是一个显示地球观测(EO)输入数据质量的每个像素质量指标。该层是一个3波段的GeoTIFF,有

- 波段1:分类工作流程中使用的Sentinel-1 GAMMA0观测值的数量

- 波段2:分类工作流程中使用的哨兵-2 L2A观测值的数量

- 频段3 在分类工作流程中丢弃的无效S2观测值的百分比(0-100)(经过云和云影过滤)。

结合频段2和频段3,可以得出分类工作流程中使用的有效Sentinel-2 L2A观测值的总绝对数。

许可:

The ESA WorldCover product is provided free of charge, without restriction of use. For the full license information see the Creative Commons Attribution 4.0 International License.

Publications, models and data products that make use of these datasets must include proper acknowledgement, including citing the datasets and the journal article as in the following citation.

数据引用

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Zanaga, D., Van De Kerchove, R., De Keersmaecker, W., Souverijns, N., Brockmann, C., Quast, R., Wevers, J., Grosu, A.,
Paccini, A., Vergnaud, S., Cartus, O., Santoro, M., Fritz, S., Georgieva, I., Lesiv, M., Carter, S., Herold, M., Li,
Linlin, Tsendbazar, N.E., Ramoino, F., Arino, O., 2021. ESA WorldCover 10 m 2020 v100.
https://doi.org/10.5281/zenodo.5571936

代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var iq = ee.ImageCollection("projects/sat-io/open-datasets/ESA_WorldCover_Input_Quality");

/*
ESA 10m World Cover Input Quality Dataset

Per pixel quality indicator showing the quality of the Earth Observation (EO) input data. The layer is a
3 band GeoTIFF with
• Band 1: Number of Sentinel-1 GAMMA0 observations used in the classification workflow
• Band 2: Number of Sentinel-2 L2A observations used in the classification workflow
• Band 3 Percentage (0-100) of invalid S2 observations discarded in the classification workflow
(after cloud and cloud shadow filtering).
Combining Band 2 and Band 3 yields the total absolute number of valid Sentinel-2 L2A observations
used in the classification workflow.
*/

//Count collection objects
print('ESA 10m Input Quality Collection size',iq.size())

//Import palette
var palettes = require('users/gena/packages:palettes')
var vis_b1 = {"bands":["b1"],"min":0,"max":174,palette: palettes.cmocean.Deep[7]};
var vis_b2 = {"bands":["b2"],"min":0,"max":174,palette: palettes.cmocean.Haline[7]};
var vis_b3 = {"bands":["b3"],"min":0,"max":100,palette: palettes.cmocean.Oxy[7]};
var vis_b23 = {"bands":["b23"],"min":0,"max":140,palette: palettes.cmocean.Algae[7]};


var b1_mosaic = iq.select(['b2']).mosaic()
var b3_mosaic = iq.select(['b3']).mosaic()
var combined_mosaic = b1_mosaic.multiply(ee.Image.constant(100).subtract(b3_mosaic)).divide(100).round().rename('b23')

Map.addLayer(iq.mosaic(),vis_b1,'Band 1 Input Quality: Number of Sentinel-1 GAMMA0 observations')
Map.addLayer(iq.mosaic(),vis_b2,'Band 2 Input Quality: Number of Sentinel-2 L2A observations',false)
Map.addLayer(iq.mosaic(),vis_b3,'Band 3 Input Quality: Percentage (0-100) of invalid S2 observations discarded')
Map.addLayer(combined_mosaic,vis_b23,'Band 2 combined with Band 3 Input Quality: total absolute number of valid Sentinel-2 L2A observations',false)

代码链接:

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/ESA-10m-WORLDCOVER-IQ

Data access page: ESA_WorldCover_v100

Provided by: Zanaga et al, ESA WorldCover consortium

Curated in GEE by: Samapriya Roy

Keywords: : land, cover, land use, land cover, lulc, 10m, global, world, sentinel-1, sentinel 2, ESA

Last updated: 2021-11-01

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-02-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Google Earth Engine ——2017-2018年伊朗土地覆盖/土地利用数据集KNTU/LiDARLab/IranLandCover/V1
The Iran-wide land cover map was generated by processing Sentinel imagery within the Google Earth Engine Cloud platform. For this purpose, over 2,500 Sentinel-1 and over 11,000 Sentinel-2 images were processed to produce a single mosaic dataset for the year 2017. Then, an object-based Random Forest classification method was trained by a large number of reference samples for 13 classes to generate the Iran-wide land cover map.
此星光明
2024/02/02
1470
Google Earth Engine ——2017-2018年伊朗土地覆盖/土地利用数据集KNTU/LiDARLab/IranLandCover/V1
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
全球动态土地分类数据集是一个10米的近实时(NRT)土地利用/土地覆盖(LULC)数据集,包括九个类别的概率和标签信息。
此星光明
2024/02/02
4240
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
欧空局火灾扰动气候变化倡议(CCI) 欧空局火灾扰动气候变化倡议(CCI)项目通过卫星观测绘制了全球烧毁面积地图。这里介绍的 AVHRR - LTDR Pixel v1.1 产品包含全球烧毁面积的网格数据,这些数据来自美国国家航空航天局制作的 AVHRR(高级甚高分辨率辐射计)陆地长期数据记录 (LTDR) v5 数据集的光谱信息。
此星光明
2024/08/14
1000
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
此图层显示土地利用/土地覆盖 (LULC) 的全球地图。该地图来自 ESA Sentinel-2 图像,分辨率为 10m。它综合了全年 10 个类别的 LULC 预测,以生成 2020 年的代表性快照。该地图由深度学习模型生成,该模型使用超过 50 亿个手工标记的 Sentinel-2 像素进行训练,从 20,000 多个站点中采样分布于世界所有主要生物群落。
此星光明
2024/02/02
8340
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!
The dataset is a 10m global industrial and smallholder oil palm map for 2019. It covers areas where oil palm plantations were detected. The classified images are the output of a convolutional neural network based on Sentinel-1 and Sentinel-2 half-year composites.
此星光明
2024/02/02
1510
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!
Google Earth Engine——PROBA-V C1 Top Of Canopy Daily Synthesis 100m/333m数据集
Proba-V is a satellite mission tasked to map land cover and vegetation growth. It was designed to provide continuity for the VGT optical instrument from the SPOT-4 and SPOT-5 missions.
此星光明
2024/02/02
1930
Google Earth Engine——PROBA-V C1 Top Of Canopy Daily Synthesis 100m/333m数据集
GEE数据集——Cloud Score+ S2_HARMONIZED数据集
Cloud Score+ 是一种用于中高分辨率光学卫星图像的质量评估(QA)处理器。Cloud Score+ S2_HARMONIZED数据集是由统一的哨兵-2 L1C数据集制作的,Cloud Score+的输出可用于识别相对清晰的像素,并有效去除L1C(大气顶部)或L2A(表面反射率)图像中的云层和云影。
此星光明
2024/02/02
3410
GEE数据集——Cloud Score+ S2_HARMONIZED数据集
Google Earth Engine(GEE)——LandCoverNet训练标签 v1.0
LandCoverNet训练标签 v1.0 LandCoverNet是一个全球年度土地覆被分类训练数据集,带有2018年Sentinel-1、Sentinel-2和Landsat-8任务的多光谱卫星图像的标签。LandCoverNet中的图像芯片为256 x 256像素,横跨多个瓦片。每个图像芯片包含来自以下卫星产品的时间观测数据,并带有年度等级标签,全部以栅格格式(GeoTIFF文件)存储。
此星光明
2024/02/02
1870
Google Earth Engine(GEE)——LandCoverNet训练标签 v1.0
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
全球土地覆盖10米的更精细分辨率观测和监测(FROM-GLC10) 这项工作和论文的目的是对2017年用不同卫星上的传感器获取的10米分辨率图像进行分类。我们通过10米分辨率的地图FROM-GLC10进行检查,并与我们2017年30米全球土地覆盖地图FROM-GLC30进行比较。我们发现,虽然结果是可比的,但10米地图确实提供了更多的空间细节。虽然达到了与30米分辨率数据相当的总体精度,但10米分辨率地图的实际精度只能通过从10米分辨率数据中收集的测试样本来正确评估。您可以在这里阅读该论文
此星光明
2024/09/27
2430
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
Google Earth Engine(GEE)——S2影像异常值
在计算索引并生成高质量马赛克时,有一个明显的图像是异常值。我已经确定了图像,问题在于 B5 波段的值非常低,这使得索引具有非常高的值。
此星光明
2024/02/02
1610
Google Earth Engine(GEE)——S2影像异常值
Google Earth Engine ——数据全解析专辑(COPERNICUS/S1_GRD)20154至今哨兵-1号合成孔径雷达 (SAR) 数据集
The Sentinel-1 mission provides data from a dual-polarization C-band Synthetic Aperture Radar (SAR) instrument at 5.405GHz (C band). This collection includes the S1 Ground Range Detected (GRD) scenes, processed using the Sentinel-1 Toolbox to generate a calibrated, ortho-corrected product. The collection is updated daily. New assets are ingested within two days after they become available.
此星光明
2024/02/02
3440
Google Earth Engine ——数据全解析专辑(COPERNICUS/S1_GRD)20154至今哨兵-1号合成孔径雷达 (SAR) 数据集
Google Earth Engine ——数据全解析专辑(COPERNICUS/S5P/NRTI/L3_CO)实时的 CO 浓度高分辨率图像数据集
This dataset provides near real-time high-resolution imagery of CO concentrations.
此星光明
2024/05/24
1150
Google Earth Engine ——数据全解析专辑(COPERNICUS/S5P/NRTI/L3_CO)实时的 CO 浓度高分辨率图像数据集
Google Earth Engine(GEE)——欧洲10米分辨率土地分类(21种分类)EUCROPMAP 2018数据
基于 Sentinel-1 和 LUCAS Copernicus 2018 年原位观测的欧洲作物类型图(EUCROPMAP 2018)。
此星光明
2024/02/02
1960
Google Earth Engine(GEE)——欧洲10米分辨率土地分类(21种分类)EUCROPMAP 2018数据
Google Earth Engine(GEE)——GEDI L4B全球地表生物量密度1000m分辨率数据集
这个全球生态系统动态调查(GEDI)L4B产品提供了基于从2019-04-18开始的第19任务周到2021-08-04结束的第138任务周的观测结果的1公里×1公里平均地上生物量密度(AGBD)的估计值。GEDI L4A足迹生物量产品将每个高质量的波形转换为AGBD预测,而L4B产品使用每个1公里单元边界内存在的样本来统计推断平均AGBD。
此星光明
2024/02/02
4200
Google Earth Engine(GEE)——GEDI L4B全球地表生物量密度1000m分辨率数据集
Google Earth Engine(GEE)——全球距离最近的30米/90米集水区数据集
最近近排水口以上的高度(HAND)是一个使用最近的排水口进行归一化的数字高程模型,用于水文和更广泛的用途,如灾害测绘、地貌分类和遥感。HAND的基本特征之一是它能够捕捉当地环境中的异质性,否则难以测量或建模。虽然学术文献中发表了许多HAND的应用,但还没有生成和分析全球规模的HAND数据集,特别是使用更高分辨率的DEM,如新的、一角秒(约30米)分辨率的SRTM版本。在这项工作中,我们提出了第一个使用两个DEM的镶嵌计算的全球版本的HAND。SRTM(30米)和Viewfinder Panoramas DEM(90米)。较低分辨率的DEM被用来覆盖北纬60度以上的纬度,在那里SRTM是缺失的。为了并行处理,生成了新的HydroBASINS集水区的同质化、等面积版本。新的集水区边界被用来用D8方法划定DEM。用于计算HAND的方法是用PCRaster软件实现的,在谷歌计算引擎并行平台上运行。
此星光明
2024/02/02
2680
Google Earth Engine(GEE)——全球距离最近的30米/90米集水区数据集
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
Sentinel-2 is a wide-swath, high-resolution, multi-spectral imaging mission supporting Copernicus Land Monitoring studies, including the monitoring of vegetation, soil and water cover, as well as observation of inland waterways and coastal areas.
此星光明
2024/02/02
4230
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
Google Earth Engine ——MODIS Fire_cci焚烧区像素产品5.1版数据集
The MODIS Fire_cci Burned Area pixel product version 5.1 (FireCCI51) is a monthly global ~250m spatial resolution dataset containing information on burned area as well as ancillary data. It is based on surface reflectance in the Near Infrared (NIR) band from the MODIS instrument onboard the Terra satellite, as well as active fire information from the same sensor of the Terra and Aqua satellites.
此星光明
2024/02/02
2160
Google Earth Engine ——MODIS Fire_cci焚烧区像素产品5.1版数据集
Google Earth Engine——Proba-V数据集包含:土地覆盖和植被生长,该传感器收集三个VNIR(可见光和近红外)波段和一个SWIR(短波红外)波段的数据,视场为2250公里。
Proba-V is a satellite mission tasked to map land cover and vegetation growth. It was designed to provide continuity for the VGT optical instrument from the SPOT-4 and SPOT-5 missions.
此星光明
2024/02/02
2540
Google Earth Engine——Proba-V数据集包含:土地覆盖和植被生长,该传感器收集三个VNIR(可见光和近红外)波段和一个SWIR(短波红外)波段的数据,视场为2250公里。
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
ETH Global Sentinel-2 10米冠层高度(2020年) 全世界的植被高度变化是全球碳循环的基础,也是生态系统及其生物多样性运作的核心。管理陆地生态系统、缓解气候变化和防止生物多样性的丧失,需要地理空间上的明确信息,而且最好是高度解析的信息。在这里,我们提出了2020年第一个全球的、地面采样距离为10米的墙到墙的树冠高度图。没有一个数据源能满足这些要求:像GEDI这样的专门的空间任务提供了稀疏的高度数据,但覆盖面却前所未有,而像Sentinel-2这样的光学卫星图像提供了全球密集的观测,但不能直接测量垂直结构。通过融合GEDI和Sentinel-2,我们开发了一个概率深度学习模型,从地球上任何地方的Sentinel-2图像中检索树冠高度,并对这些估计的不确定性进行量化。
此星光明
2024/02/02
4070
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
MuSyQ 叶片叶绿素含量产品(中国)V02 (时空分辨率30m/10天)
此数据集为高分30米空间分辨率10天合成的叶片叶绿素含量产品(负责人:李静研究员),为多源协同定量遥感产品生产系统((Multi-source data Synergized Quantitative remote sensing production system,MuSyQ))中产品之一。 叶片叶绿素含量(Chlleaf)植被遥感监测中最重要的参数之一,目前国际上缺少高分辨率的叶绿素含量标准化产品,难以满足日益精细化的应用需求。双方合作的产品利用Sentinel-2 MSI 数据的时空分辨率优势,生产出30米/10天高时空分辨率的Chlleaf产品。在生产过程中使用了一种对叶片信息敏感对冠层信息不敏感的 CSI 指数来计算不同植被类型的Chlleaf ,相比已有Chlleaf产品,精度更高,产品时间序列物候特征更加显著。前言 – 人工智能教程
此星光明
2024/02/02
3360
MuSyQ 叶片叶绿素含量产品(中国)V02 (时空分辨率30m/10天)
推荐阅读
Google Earth Engine ——2017-2018年伊朗土地覆盖/土地利用数据集KNTU/LiDARLab/IranLandCover/V1
1470
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
4240
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
1000
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
8340
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!
1510
Google Earth Engine——PROBA-V C1 Top Of Canopy Daily Synthesis 100m/333m数据集
1930
GEE数据集——Cloud Score+ S2_HARMONIZED数据集
3410
Google Earth Engine(GEE)——LandCoverNet训练标签 v1.0
1870
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
2430
Google Earth Engine(GEE)——S2影像异常值
1610
Google Earth Engine ——数据全解析专辑(COPERNICUS/S1_GRD)20154至今哨兵-1号合成孔径雷达 (SAR) 数据集
3440
Google Earth Engine ——数据全解析专辑(COPERNICUS/S5P/NRTI/L3_CO)实时的 CO 浓度高分辨率图像数据集
1150
Google Earth Engine(GEE)——欧洲10米分辨率土地分类(21种分类)EUCROPMAP 2018数据
1960
Google Earth Engine(GEE)——GEDI L4B全球地表生物量密度1000m分辨率数据集
4200
Google Earth Engine(GEE)——全球距离最近的30米/90米集水区数据集
2680
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
4230
Google Earth Engine ——MODIS Fire_cci焚烧区像素产品5.1版数据集
2160
Google Earth Engine——Proba-V数据集包含:土地覆盖和植被生长,该传感器收集三个VNIR(可见光和近红外)波段和一个SWIR(短波红外)波段的数据,视场为2250公里。
2540
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
4070
MuSyQ 叶片叶绿素含量产品(中国)V02 (时空分辨率30m/10天)
3360
相关推荐
Google Earth Engine ——2017-2018年伊朗土地覆盖/土地利用数据集KNTU/LiDARLab/IranLandCover/V1
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验