腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
GEE数据专栏,GEE学习专栏,GEE错误集等专栏
专栏成员
举报
1181
文章
208208
阅读量
46
订阅数
订阅专栏
申请加入专栏
全部文章(999+)
数据(983)
google(673)
产品(372)
var(228)
地图(224)
模型(180)
系统(138)
集合(136)
data(113)
函数(109)
算法(103)
教程(100)
image(83)
基础(75)
map(63)
变量(61)
人工智能(60)
开发(56)
统计(55)
机器学习(52)
数据库(52)
string(51)
对象(45)
管理(44)
dataset(43)
可视化(42)
反射(38)
工作(34)
double(32)
global(32)
mean(29)
数据中心(28)
图表(27)
网络(27)
异常(26)
网站(25)
surface(23)
服务(23)
量化(23)
工具(22)
sentinel(21)
app(20)
论文(20)
解决方案(19)
字符串(19)
数据处理(18)
bit(18)
事件(18)
设计(17)
存储(16)
error(16)
label(16)
框架(16)
连接(16)
编辑器(15)
脚本(15)
流量(15)
软件(15)
优化(15)
geometry(14)
io(14)
pixel(14)
表格(14)
python(13)
area(13)
opacity(13)
select(13)
数组(13)
https(12)
云计算(12)
cloud(12)
grid(12)
测试(12)
开发者(12)
pip(11)
raster(11)
部署(11)
javascript(10)
function(10)
mask(10)
博客(10)
性能(10)
深度学习(9)
code(9)
median(9)
point(9)
tm(9)
遍历(9)
程序(9)
客户端(9)
内核(9)
索引(9)
决策树(8)
安全(8)
教育(8)
model(8)
scale(8)
ui(8)
协议(8)
压缩(8)
数据分析(7)
迁移(7)
list(7)
streamlit(7)
time(7)
编码(7)
排序(7)
数据类型(7)
搜索(7)
大数据(6)
max(6)
using(6)
数据采集(6)
数据挖掘(5)
图像处理(5)
开源(5)
average(5)
input(5)
legend(5)
prism(5)
product(5)
rgb(5)
series(5)
version(5)
visibility(5)
服务器(5)
内存(5)
云平台(5)
神经网络(4)
processing(4)
asm(4)
assets(4)
ast(4)
class(4)
classification(4)
csv(4)
date(4)
detection(4)
filter(4)
layer(4)
min(4)
polygon(4)
set(4)
table(4)
this(4)
动画(4)
集群(4)
实践(4)
官方文档(3)
ajax(3)
高性能计算(3)
企业(3)
渲染(3)
线性回归(3)
kernel(3)
数据结构(3)
cell(3)
crop(3)
dry(3)
export(3)
for循环(3)
height(3)
join(3)
line(3)
mapping(3)
metadata(3)
monitoring(3)
null(3)
projection(3)
reference(3)
resolution(3)
sample(3)
text(3)
void(3)
二进制(3)
工作流(3)
配色(3)
配置(3)
入门(3)
事务(3)
调试(3)
同步(3)
效率(3)
语法(3)
原理(3)
医疗(2)
容器(2)
自动化(2)
图像分析(2)
add(2)
algorithm(2)
axis(2)
bug(2)
cat(2)
channel(2)
cycle(2)
d3(2)
dictionary(2)
document(2)
eos(2)
field(2)
flux(2)
h2o(2)
histogram(2)
history(2)
key(2)
limit(2)
na(2)
output(2)
plot(2)
project(2)
properties(2)
protected(2)
response(2)
state(2)
structure(2)
sum(2)
tar(2)
types(2)
vi(2)
view(2)
编程(2)
翻译(2)
行业(2)
计算机视觉(2)
计算机图形学(2)
视频(2)
数据管理(2)
数学(2)
系统设计(2)
异步(2)
硬件(2)
用户体验(2)
云服务(2)
ASO(2)
tensorflow(1)
html(1)
arm(1)
access(1)
命令行工具(1)
http(1)
分布式(1)
无人驾驶(1)
gcc(1)
数据可视化(1)
云开发(1)
聚类算法(1)
分类算法(1)
accessibility(1)
ado(1)
analysis(1)
ant(1)
arcgis(1)
archive(1)
arguments(1)
arrays(1)
axes(1)
buffer(1)
button(1)
byte(1)
calculation(1)
center(1)
character(1)
charts(1)
chatgpt(1)
com(1)
contains(1)
cs(1)
default(1)
deprecated(1)
diff(1)
difference(1)
dimensions(1)
display(1)
download(1)
dplyr(1)
dt(1)
dynamic(1)
each(1)
edge(1)
excel(1)
exception(1)
explorer(1)
expression(1)
facebook(1)
file(1)
free(1)
gan(1)
geo(1)
geopandas(1)
gis(1)
gps(1)
gpt(1)
gradient(1)
identifier(1)
im(1)
landscape(1)
liquid(1)
match(1)
meta(1)
metrics(1)
native(1)
omi(1)
openstreetmap(1)
path(1)
pca(1)
pdf(1)
percentage(1)
pm2(1)
position(1)
post(1)
prediction(1)
production(1)
profile(1)
public(1)
qgis(1)
range(1)
reduce(1)
render(1)
repeat(1)
root(1)
row(1)
self(1)
sensors(1)
sequence(1)
shapefile(1)
slider(1)
spaces(1)
spline(1)
spss(1)
surge(1)
system(1)
title(1)
tools(1)
tree(1)
uber(1)
union(1)
v8(1)
vector(1)
video(1)
visualization(1)
watch(1)
width(1)
word(1)
zip(1)
百度(1)
报表(1)
笔记(1)
编译(1)
表单(1)
并发(1)
布局(1)
操作系统(1)
程序员(1)
代理(1)
登录(1)
递归(1)
动态规划(1)
后端(1)
技巧(1)
计算机(1)
计算机科学(1)
加密(1)
进程(1)
开源软件(1)
科技(1)
链表(1)
浏览器(1)
漏洞(1)
权限(1)
摄像头(1)
数据存储(1)
图数据库(1)
文件上传(1)
芯片(1)
虚拟现实(1)
研发(1)
指针(1)
数据预处理(1)
标签(1)
2024腾讯·技术创作特训营 第五期(1)
搜索文章
搜索
搜索
关闭
GEE数据集:1996 年到 2020 年全球红树林观测数据集(JAXA)(更新)
var
地图
数据
io
raster
这项研究使用了日本宇宙航空研究开发机构(JAXA)提供的 L 波段合成孔径雷达(SAR)全球mask数据集,从 1996 年到 2020 年的 11 个时间段,建立了全球红树林范围和变化的长期时间序列。 该研究采用 "从地图到图像 "的方法进行变化检测,其中基线地图(GMW v2.5)使用阈值化和上下文红树林变化掩码进行更新。 这种方法适用于所有图像-日期对,每个时间段生成 10 幅地图,汇总后生成全球红树林时间序列。 所绘制的红树林范围图的准确度估计为 87.4%(95th conf. int.: 86.2 - 88.6%),但单个增益和损失变化类别的准确度较低,分别为 58.1%(52.4 - 63.9%)和 60.6%(56.1 - 64.8%)。误差来源包括合成孔径雷达镶嵌数据集的错误登记(只能部分纠正),以及红树林破碎区域(如水产养殖池塘周围)的混淆。 总体而言,1996 年确定的红树林面积为 152,604 平方公里(133,996 - 176,910),到 2020 年将减少-5,245 平方公里(-13,587 - 3686),总面积为 147,359 平方公里(127,925 - 168,895),估计 24 年间损失 3.4%。 全球红树林观测 3.0 版是迄今为止最全面的全球红树林变化记录,预计将支持广泛的活动,包括对全球沿海环境的持续监测、保护目标进展情况的界定和评估、保护区规划以及全球红树林生态系统的风险评估。
此星光明
2024-10-01
33
0
GEE数据集:全球城市热岛强度(UHII)数据集(更新)
数据类型
io
集合
数据
数据采集
城市热岛效应(UHI)的特点是城市地区局部变暖,是城市化对气候的重要影响。 估算城市热岛强度(UHII)的传统方法受到一些限制,例如只关注晴空表面的 UHII,而忽略了全天空表面和冠层(气温)的 UHII。 这些方法往往忽略了人为干扰,导致估算结果的不确定性。 为了克服这些挑战,本研究引入了一种新的动态等面积(DEA)方法,旨在通过动态循环过程减少干扰因素的影响。 通过应用 DEA 方法并整合网格气温数据,建立了一个全面的全球尺度 UHII 数据集,该数据集涵盖 10,000 多个城市,时间跨度超过 20 年,具有月度时间分辨率。 该数据集提供了多方面的 UHII 估计值,包括晴空地表、全天空地表和冠层 UHII,为分析城市环境中的 UHI 趋势提供了坚实的基础。 数据集显示,80% 以上的研究城市的 UHII 大于零,地表 UHII 的全球年平均值约为 1.0°C(白天)和 0.8°C(夜间),冠层 UHII 约为 0.5°C。 此外,60%以上的城市观测到超高层大气吸入指数的年际上升趋势,地表超高层大气吸入指数的全球平均趋势超过每十年 0.1°C(白天)和 0.06°C(夜间),冠层超高层大气吸入指数的全球平均趋势略高于每十年 0.03°C。 此外,还发现了超高强辐射指数的大小和趋势之间的正相关关系,表明超高强辐射指数较强的城市,超高强辐射指数的增长速度往往较快。 由于数据类型(地表温度或气温)、数据采集时间(Terra 或 Aqua)、天气条件(晴空或全天空)和处理方法的不同,该数据集进一步突出了 UHII 估计值的差异。 这一全面的数据集和相应的分析为未来的城市气候研究提供了宝贵的见解,可在 https://doi.org/10.6084/m9.figshare.24821538 上公开获取。 全球城市热岛数据集采用多种方法,包括空气温度和地表温度的估计值。 该数据集从 2003 年到 2020 年按月提供(来自 MODIS Terra 卫星的数据集从 2001 年提供)。 您可以在这里阅读论文中的更多信息。
此星光明
2024-10-01
17
0
NASA:ATLAS/ICESat-2 L3 B每月网格动态海洋地形V002
数据
算法
系统
异常
模型
ATLAS/ICESat-2 L3B Monthly Gridded Dynamic Ocean Topography V002
此星光明
2024-10-01
34
0
ATLAS/ICESat-2 L3B Monthly Gridded Atmosphere (大气月度网格数据集)V005
产品
工具
可视化
数据
系统
ATLAS/ICESat-2 L3B Monthly Gridded Atmosphere V005
此星光明
2024-10-01
22
0
NASA数据集:ATLAS/ICESat-2 L3B 南极和北极网格陆地冰高,第 3 版
存储
可视化
模型
数据
系统
ATLAS/ICESat-2 L3B Gridded Antarctic and Arctic Land Ice Height V003
此星光明
2024-10-01
34
0
NASA:ATLAS/ICESat-2 L3 A沿线内陆地表水数据V006数据集
data
pip
产品
数据
系统
ATLAS/ICESat-2 L3A Along Track Inland Surface Water Data V006
此星光明
2024-10-01
24
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)
var
地图
论文
数据
google
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
78
0
NASA数据集:ATLAS/ICESat-2 L3A 海洋地表高度 V006
反射
数据
数据中心
系统
机器学习
该数据集(ATL12)包含全球开阔洋(包括无冰季节冰区和近海岸地区)的沿轨海面高度。 还提供了高度分布、显著波高、海况偏差和 10 米高度的估计值。 数据由冰、云和陆地高程卫星-2(ICESat-2)观测站上的高级地形激光测高系统(ATLAS)仪器获取。
此星光明
2024-09-27
77
0
NASA数据集:ATLAS/ICESat-2 L3 A海冰干岸,版本6
pip
产品
反射
数据
系统
ICESat-2天文台利用光计数激光雷达(ATLAS仪器)和辅助系统(GPS、明星相机、和地面处理)来测量量子从ATLAS往返地球所需的时间,并确定反射的量子的大地纬度和经度。ATLAS的激光脉冲照射表面上的三对左/右光点,这些光点描绘出六条约14 m宽的地面轨迹作为ICESat-2绕地球运行。每个地面轨迹都根据产生它的激光光点编号进行编号,地面轨道1 L(GT 1 L)在最左侧,地面轨道3R(GT 3R)在最右侧。每对内的左/右光点在跨轨方向上相距约90 m,在沿轨方向上相距约2.5公里。更高级别的ATLAS/ICESat-2数据产品(ATL 03及以上)由地面轨道组织,地面轨道1 L和1 R形成对一,地面轨道2L和2 R形成对二,地面轨道3L和3R形成对三。每对还有一对轨道-左右梁实际位置之间的假想线(见图1)。成对轨道在跨轨道方向上相距约3公里。每对中的束具有不同的发射能量--所谓的弱束和强束--它们之间的能量比约为1:4. ATLAS强和弱束之间的映射及其在地面上的相对位置取决于ICESat-2天文台的方向(偏转),该方向大约每年改变两次,以最大限度地提高太阳能电池板的太阳照明度。向前方向对应于ATLAS沿着ATLAS仪器参考系中的+x坐标移动。在这个方向上,弱射束领先于强射束,弱射束位于射束图案的左边缘。
此星光明
2024-09-26
100
0
NASA:A-Train 云分级数据集(用于深度学习模型)
模型
数据
深度学习
data
测试
ATCS 是一个数据集,旨在训练深度学习模型,以便对多角度卫星图像中的云进行体积分割。 该数据集包括来自 PARASOL 任务上 POLDER 传感器的多角度偏振测量的时空对齐斑块,以及来自使用 CloudSat 上云轮廓雷达(CPR)的 2B-CLDCLASS 产品的垂直云轮廓。
此星光明
2024-09-25
129
0
NASA:ASTER L1A 重建未处理仪器数据 V003
ast
data
产品
反射
数据
先进星载热发射和反射辐射计(ASTER)1A 级(AST_L1A)包含重建的仪器数字编号(DN),这些数字编号来自所获取的望远镜遥测数据流: 可见光和近红外(VNIR)、短波红外(SWIR)和热红外(TIR)。 此外,还计算了几何校正系数和辐射校准系数,并将其附加到元数据中,但并未应用。 空间分辨率为 15 米(VNIR)、30 米(SWIR)和 90 米(TIR),时间覆盖范围为 2000 年至今。 自 2021 年 6 月 23 日起,辐射校准系数第 5 版(RCC V5)将应用于新观测到的 ASTER 数据和存档的 ASTER 数据产品。 有关 RCC V5 的详细信息,请参阅以下期刊文章。
此星光明
2024-09-25
66
0
NASA:ATLAS/ICESat-2 L3 B每周网格大气数据集V005
系统
协议
网站
数据
搜索
ATLAS/ICESat-2 L3B Weekly Gridded Atmosphere V005
此星光明
2024-09-25
75
0
NASA:ATLAS/ICESat-2 L3A 陆地和植被高度速览,第 6 版
系统
工作
框架
软件
数据
ATLAS/ICESat-2 L3A Land and Vegetation Height Quick Look V006
此星光明
2024-09-25
81
0
GEE教程:利用sentinel-2数据进行ndwi和ndci指数的计算和下载
image
sentinel
var
教程
数据
NDWI(Normalized Difference Water Index,归一化差异水体指数)和NDCI(Normalized Difference Chlorophyll Index,归一化差异叶绿素指数)都是一种利用遥感影像数据来评估特定地物或地表类型的指数。
此星光明
2024-09-25
109
0
GEE 案例:利用sentinel-2数据计算的NDVI指数对比植被退化情况
反射
数据
geometry
sentinel
var
NDVI(Normalized Difference Vegetation Index,归一化植被指数)是通过计算红外波段和可见光波段的反射值之间的差异来评估植被的状况。利用NDVI指数可以监测植被的退化情况。
此星光明
2024-09-19
87
0
NASA:ATLAS/ICESat-2 L3 A陆地冰高度,版本6
框架
数据
系统
机器学习
地图
该数据集(ATL06)提供了地理定位的陆冰表面高度(WGS 84椭球面之上,ITRF2014参考框架),以及可用于解释和评估高度估算质量的辅助参数。 这些数据由冰、云和陆地高程卫星-2(ICESat-2)观测站上的高级地形激光测高仪系统(ATLAS)仪器获取。
此星光明
2024-09-19
62
0
GEE 案例:利用2001-2024年的MODIS数据长时序ndvi指数归一化后的结果分析
median
min
time
var
数据
利用2001-2024年的MODIS数据长时序ndvi指数归一化后的结果分析,并加载时序图。
此星光明
2024-09-18
62
0
NASA:ATLAS/ICESat-2 L2 A标准化相对反向散射剖面V006
系统
data
产品
反射
数据
ATLAS/ICESat-2 L2A Normalized Relative Backscatter Profiles V006
此星光明
2024-09-18
56
0
ATLAS/ICESat-2 L2A 全球地理定位光子数据,第 6 版
数据
系统
产品
反射
框架
ATLAS/ICESat-2 L2A Global Geolocated Photon Data V006
此星光明
2024-09-17
46
0
ATCS 一个用于训练深度学习模型的数据集(A-Train 云分割数据集)
算法
深度学习
产品
模型
数据
A-Train 云分割数据集 ATCS 是一个用于训练深度学习模型的数据集,可对多角度卫星图像中的云进行体积分割。 该数据集由来自 PARASOL 任务上 POLDER 传感器的多角度偏振测量的时空对齐斑块和来自 2B-CLDCLASS 产品(使用 CloudSat 上的云剖面雷达 (CPR))的垂直云剖面组成。
此星光明
2024-09-17
77
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
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