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)——GHSL:全球人类住区层,建成网格 1975-1990-2000-2015 (P2016) 数据集

Google Earth Engine(GEE)——GHSL:全球人类住区层,建成网格 1975-1990-2000-2015 (P2016) 数据集

作者头像
此星光明
发布于 2024-02-02 05:21:25
发布于 2024-02-02 05:21:25
13200
代码可运行
举报
运行总次数:0
代码可运行

GHSL 依赖于新的空间数据挖掘技术的设计和实施,允许从大量异构数据中自动处理和提取分析和知识,这些数据包括:全球、精细规模的卫星图像数据流、人口普查数据和人群来源或自愿地理信息来源。

这些数据包含从 Landsat 图像集(GLS1975、GLS1990、GLS2000 和 ad-hoc Landsat 8 collection 2013/2014)派生的关于已建成存在的多时相信息层。

这些数据是通过 2015 年全球人类住区层方法产生的。

欲了解更多信息,请访问:https ://ghsl.jrc.ec.europa.eu/ghs_bu.php 和https://ghsl.jrc.ec.europa.eu/documents/GHSL_data_access.pdf

全球人类住区层 (GHSL) 项目得到了欧盟委员会、联合研究中心以及区域和城市政策总局的支持。GHSL 产生新的全球空间信息、基于证据的分析和描述地球上人类存在的知识。

数据集可用性

1975-01-01T00:00:00Z - 2014-12-31T00:00:00

数据集提供者

欧共体联合研究中心

地球引擎:

ee.Image("JRC/GHSL/P2016/BUILT_LDSMT_GLOBE_V1")

分辨率 38 米

乐队

姓名

最大限度

描述

built

多时态建立存在

cnfd

0

255

2014 年汇总的已建成类的空白填充置信度网格。0 = 100% 没有建成的置信度,127 = 50% 的决策截断,255 = 100% 的有建成的置信度

dm

不同时期数据可用性的马赛克。

建类表

颜色

描述

1

0c1d60

水面

2

000000

在任何时代都没有土地

3

448564

从 2000 年到 2014 年建立

4

70daa4

从 1990 年到 2000 年建立

5

83ffbf

从 1975 年到 1990 年建成

6

ffffff

建于 1975 年

dm 类表

颜色

描述

1

任何时期都没有数据可用性

2

1975年

3

1990

4

1975 年和 1990 年

5

2000

6

1975 年和 2000 年

7

1990 年和 2000 年

8

1975 年、1990 年和 2000 年

9

2015

10

1975 年和 2015 年

11

1990 年和 2015 年

12

1975 年、1990 年和 2015 年

13

2000 年和 2015 年

14

1975 年、2000 年和 2015 年

15

1990 年、2000 年和 2015 年

16

1995、1190、2000 和 2015

代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var dataset = ee.Image('JRC/GHSL/P2016/BUILT_LDSMT_GLOBE_V1');
var builtUpMultitemporal = dataset.select('built');
var visParams = {
  min: 1.0,
  max: 6.0,
  palette: ['0c1d60', '000000', '448564', '70daa4', '83ffbf', 'ffffff'],
};
Map.setCenter(8.9957, 45.5718, 12);
Map.addLayer(builtUpMultitemporal, visParams, 'Built-Up Multitemporal');

使用条款

GHSL 由 EC JRC 作为开放和免费数据制作。授权重复使用,前提是确认来源。如需更多信息,请阅读使用条件(欧盟委员会重复使用和版权声明)。

Citations:

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 ——全球人类住区层(GHSL)数据集
The GHSL relies on the design and implementation of new spatial data mining technologies allowing to automatically process and extract analytics and knowledge from large amount of heterogeneous data including: global, fine-scale satellite image data streams, census data, and crowd sources or volunteered geographic information sources.
此星光明
2024/02/02
2550
Google Earth Engine ——全球人类住区层(GHSL)数据集
GHSL: 全球1975 年到 2030 年以 5 年间隔建成面积的分布情况(100m)
该栅格数据集描述了建成面积的分布情况,以每 100 米网格单元中的平方米为单位。 该数据集测量:a) 建筑总面积;b) 分配给主要非住宅(NRES)用途网格单元的建筑面积。 数据从 1975 年到 2030 年以 5 年为间隔进行时空内插或外推。 有关全球人类住区图层主要产品的完整信息,请参阅[全球人类住区图层数据包 2023 年报告](https://ghsl.jrc.ec.europa.eu/documents/GHSL_Data_Package_2023.pdf?t=1683540422)。 全球人类住区图层(GHSL)项目得到了欧盟委员会、联合研究中心以及区域和城市政策总司的支持。
此星光明
2025/01/27
710
GHSL: 全球1975 年到 2030 年以 5 年间隔建成面积的分布情况(100m)
GHSL: 1975 年至 2020 年的全球居住人口估计值以 5 年为间隔以及2025 年和 2030 年的人口预测值数据
该栅格数据集描述了居住人口的空间分布,以单元居民的绝对数量表示。 1975 年至 2020 年的居住人口估计值以 5 年为间隔,2025 年和 2030 年的人口预测值则来自 CIESIN GPWv4.11,这些人口预测值从普查或行政单位分解到网格单元,并参考了 GHSL 全球建成区地表图层中每一纪元建成区的分布、体积和分类。
此星光明
2025/01/21
1110
GHSL: 1975 年至 2020 年的全球居住人口估计值以 5 年为间隔以及2025 年和 2030 年的人口预测值数据
Google Earth Engine ——GHS-MOD是GHSL采用的农村-城市住区分类MODel---城市化程度(DEGURBA)分类数据集
GHSL: Global Human Settlement Layers, Settlement Grid 1975-1990-2000-2014 (P2016)
此星光明
2024/02/02
2250
Google Earth Engine ——GHS-MOD是GHSL采用的农村-城市住区分类MODel---城市化程度(DEGURBA)分类数据集
GHSL: 1975-2030全球建筑体积的分布情况,以每 100 米网格单元立方米为单位
GHSL: Global building volume 1975-2030 (P2023A)
此星光明
2025/01/24
860
GHSL: 1975-2030全球建筑体积的分布情况,以每 100 米网格单元立方米为单位
GHSL:1975-2030 年全球网格人口和建成面积数据为基础(5 年为间隔)
该栅格数据集采用联合国统计委员会推荐的 "城市化程度 "第一阶段方法,以全球人类地理信息系统(GHSL)项目生成的 1975-2030 年全球网格人口和建成面积数据为基础,以 5 年为间隔,对全球多时城乡进行了分类。 城市化程度图层是通过整合从大地遥感卫星和哨兵-2 数据 GHS-BUILT-S R2023 中提取的建成面积信息,以及从 CIESIN GPW v4.11[GHS-POP R2023] 中提取的网格人口数据生成的(https://developers.google.com/earth-engine/datasets/catalog/JRC_GHSL_P2023A_GHS_POP)。 该产品是在 GHS-BUILT-S 和 GHS-POP 更新的基础上对 2023 年发布的数据进行的更新。 结算模型在详细级别(第二级 - L2)提供。 有关全球人类居住图层主要产品的完整信息,请参阅[全球人类居住图层数据包 2023 报告](https://human-settlement.emergency.copernicus.eu/documents/GHSL_Data_Package_2023.pdf?t=1727170839)。 全球人类居住图层(GHSL)项目得到了欧盟委员会、联合研究中心以及区域和城市政策总局的支持。
此星光明
2025/01/27
830
GHSL:1975-2030 年全球网格人口和建成面积数据为基础(5 年为间隔)
Google Earth Engine——北纬85度和南纬60度之间所有地区到最近的人口密集区的迁移时间数据集
This global accessibility map enumerates land-based travel time to the nearest densely-populated area for all areas between 85 degrees north and 60 degrees south for a nominal year 2015. Densely-populated areas are defined as contiguous areas with 1,500 or more inhabitants per square kilometer or a majority of built-up land cover types coincident with a population centre of at least 50,000 inhabitants. This map was produced through a collaboration between the University of Oxford Malaria Atlas Project (MAP), Google, the European Union Joint Research Centre (JRC), and the University of Twente, Netherlands. The underlying datasets used to produce the map include roads (comprising the first ever global-scale use of Open Street Map and Google roads datasets), railways, rivers, lakes, oceans, topographic conditions (slope and elevation), landcover types, and national borders. These datasets were each allocated a speed or speeds of travel in terms of time to cross each pixel of that type. The datasets were then combined to produce a “friction surface”, a map where every pixel is allocated a nominal overall speed of travel based on the types occurring within that pixel. Least-cost-path algorithms (running in Google Earth Engine and, for high-latitude areas, in R) were used in conjunction with this friction surface to calculate the time of travel from all locations to the nearest city (by travel time). Cities were determined using the high-density-cover product created by the Global Human Settlement Project. Each pixel in the resultant accessibility map thus represents the modeled shortest time from that location to a city.
此星光明
2024/02/02
1340
Google Earth Engine——北纬85度和南纬60度之间所有地区到最近的人口密集区的迁移时间数据集
Google Earth Engine ——全球人类住区层(GHSL)项目由欧盟委员会人口的分布和密度250米分辨率数据集
GHSL依赖于新的空间数据挖掘技术的设计和实施,允许自动处理并从大量的异质数据中提取分析和知识,这些数据包括:全球的、精细的卫星图像数据流、人口普查数据、以及人群来源或自愿的地理信息来源。
此星光明
2024/02/02
2080
Google Earth Engine ——全球人类住区层(GHSL)项目由欧盟委员会人口的分布和密度250米分辨率数据集
Google Earth Engine(GEE)——GHSL 全球人口网格数据集250米分辨率
GHSL 依赖于新的空间数据挖掘技术的设计和实施,允许从大量异构数据中自动处理和提取分析和知识,这些数据包括:全球、精细规模的卫星图像数据流、人口普查数据和人群来源或自愿地理信息来源。
此星光明
2024/02/02
3990
Google Earth Engine(GEE)——GHSL 全球人口网格数据集250米分辨率
GHSL:全球2018 年建成面积(总建面和非住宅)的分布数据(10m分辨率)
GHSL: Global built-up surface 10m (P2023A)
此星光明
2025/01/21
790
GHSL:全球2018 年建成面积(总建面和非住宅)的分布数据(10m分辨率)
2018 年全球建筑物高度的分布情况,分辨率为 100 米
该空间栅格数据集描述了全球建筑物高度的分布情况,分辨率为 100 米,时间为 2018 年。 用于预测建筑物高度的输入数据是 ALOS 全球数字地表模型(30 米)、NASA 航天飞机雷达地形任务数据(30 米)以及 2017-2018 年期间 L1C 数据的全球哨兵-2 图像合成。 有关 GHSL 数据产品的更多信息,请参阅[GHSL 数据包 2023 报告](https://ghsl.jrc.ec.europa.eu/documents/GHSL_Data_Package_2023.pdf?t=1683540422),其中建筑高度层被称为平均净建筑高度(ANBH)。 全球人类居住层(GHSL)项目由欧盟委员会、联合研究中心和区域与城市政策总局支持。
此星光明
2025/01/23
590
2018 年全球建筑物高度的分布情况,分辨率为 100 米
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
欧洲共同体联合研究中心的全球森林覆盖图以 10 米的空间分辨率提供了 2020 年森林存在和不存在的明确空间表示。
此星光明
2024/05/24
2380
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
Google Earth Engine(GEE)——基于 MCD64A1 的 GlobFire 日常火灾数据集
基于 MODIS 数据集 MCD64A1 的火灾边界。数据是基于一种算法计算的,该算法依赖于在图形结构中编码烧毁区域补丁之间的时空关系。
此星光明
2024/02/02
2250
Google Earth Engine(GEE)——基于 MCD64A1 的 GlobFire 日常火灾数据集
Google Earth Engine ——全球1984年至2015年Landsat系列卫星获取地表水的位置和时间即地表水月度数据集的观测数据
This dataset contains maps of the location and temporal distribution of surface water from 1984 to 2015 and provides statistics on the extent and change of those water surfaces. For more information see the associated journal article: High-resolution mapping of global surface water and its long-term changes (Nature, 2016) and the online Data Users Guide.
此星光明
2024/02/02
1490
Google Earth Engine ——全球1984年至2015年Landsat系列卫星获取地表水的位置和时间即地表水月度数据集的观测数据
Google Earth Engine(GEE)——欧盟(EU)调查土地利用/覆盖矢量(LUCAS)点数据集无需GEE也可以下载
欧洲联盟(EU)的土地利用/覆盖面积框架调查(LUCAS)是为了提供统计信息而设立的。它是一项三年一次的原地土地覆盖和土地利用数据收集工作,涵盖了欧盟的全部领土。LUCAS收集了关于土地覆盖和土地利用、农业环境变量、土壤和草原的信息。这些调查还提供了空间信息,以分析农业、环境和农村之间的相互影响,如灌溉和土地管理。
此星光明
2024/02/02
2120
Google Earth Engine(GEE)——欧盟(EU)调查土地利用/覆盖矢量(LUCAS)点数据集无需GEE也可以下载
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口计数和密度网格的输入单元的平均面积数据集
The Gridded Population of World Version 4 (GPWv4), Revision 11 models the distribution of global human population for the years 2000, 2005, 2010, 2015, and 2020 on 30 arc-second (approximately 1km) grid cells. Population is distributed to cells using proportional allocation of population from census and administrative units. Population input data are collected at the most detailed spatial resolution available from the results of the 2010 round of censuses, which occurred between 2005 and 2014. The input data are extrapolated to produce population estimates for each modeled year.
此星光明
2024/05/24
1530
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口计数和密度网格的输入单元的平均面积数据集
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
  本文对GIS行业相关的综合数据获取网站加以整理,包括但不限于遥感数据、气候数据、土地数据、土壤数据、农业数据、行政区数据、社会数据、经济数据等。数据较多,大家可以直接通过下方目录加以总览。
郭好奇同学
2021/05/28
5K0
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
Google Earth Engine(GEE) ——全球GDP和HDI的网格化数据集(1990-2015)
全球GDP和HDI的网格化数据(1990-2015) 国内生产总值(GDP)和人类发展指数(HDI)是全球发展的两个关键指标。国内生产总值衡量的是最终产品和服务的货币价值,即在一定时期内[特定地区]生产的最终用户购买的产品和服务,而人类发展指数是 "人类发展主要方面的平均成就 "的一个综合指数。
此星光明
2024/02/02
2920
Google Earth Engine(GEE) ——全球GDP和HDI的网格化数据集(1990-2015)
Google Earth Engine ——全球1984年至2015年地表水的位置和时间即地表水数据集的观测数据的元数据
This dataset contains maps of the location and temporal distribution of surface water from 1984 to 2015 and provides statistics on the extent and change of those water surfaces. For more information see the associated journal article: High-resolution mapping of global surface water and its long-term changes (Nature, 2016) and the online Data Users Guide.
此星光明
2024/02/02
1460
Google Earth Engine ——全球1984年至2015年地表水的位置和时间即地表水数据集的观测数据的元数据
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)世界无人区数据集
The Gridded Population of World Version 4 (GPWv4) models the distribution of global human population for the years 2000, 2005, 2010, 2015, and 2020 on 30 arc-second (approximately 1km) grid cells. Population is distributed to cells using proportional allocation of population from census and administrative units. Population input data are collected at the most detailed spatial resolution available from the results of the 2010 round of censuses, which occurred between 2005 and 2014. The input data are extrapolated to produce population estimates for each modeled year.
此星光明
2024/02/02
1840
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)世界无人区数据集
推荐阅读
Google Earth Engine ——全球人类住区层(GHSL)数据集
2550
GHSL: 全球1975 年到 2030 年以 5 年间隔建成面积的分布情况(100m)
710
GHSL: 1975 年至 2020 年的全球居住人口估计值以 5 年为间隔以及2025 年和 2030 年的人口预测值数据
1110
Google Earth Engine ——GHS-MOD是GHSL采用的农村-城市住区分类MODel---城市化程度(DEGURBA)分类数据集
2250
GHSL: 1975-2030全球建筑体积的分布情况,以每 100 米网格单元立方米为单位
860
GHSL:1975-2030 年全球网格人口和建成面积数据为基础(5 年为间隔)
830
Google Earth Engine——北纬85度和南纬60度之间所有地区到最近的人口密集区的迁移时间数据集
1340
Google Earth Engine ——全球人类住区层(GHSL)项目由欧盟委员会人口的分布和密度250米分辨率数据集
2080
Google Earth Engine(GEE)——GHSL 全球人口网格数据集250米分辨率
3990
GHSL:全球2018 年建成面积(总建面和非住宅)的分布数据(10m分辨率)
790
2018 年全球建筑物高度的分布情况,分辨率为 100 米
590
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
2380
Google Earth Engine(GEE)——基于 MCD64A1 的 GlobFire 日常火灾数据集
2250
Google Earth Engine ——全球1984年至2015年Landsat系列卫星获取地表水的位置和时间即地表水月度数据集的观测数据
1490
Google Earth Engine(GEE)——欧盟(EU)调查土地利用/覆盖矢量(LUCAS)点数据集无需GEE也可以下载
2120
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口计数和密度网格的输入单元的平均面积数据集
1530
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
5K0
Google Earth Engine(GEE) ——全球GDP和HDI的网格化数据集(1990-2015)
2920
Google Earth Engine ——全球1984年至2015年地表水的位置和时间即地表水数据集的观测数据的元数据
1460
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)世界无人区数据集
1840
相关推荐
Google Earth Engine ——全球人类住区层(GHSL)数据集
更多 >
领券
社区富文本编辑器全新改版!诚邀体验~
全新交互,全新视觉,新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能,全面提升创作效率和体验
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
查看详情【社区公告】 技术创作特训营有奖征文