博士

GEE数据

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

全球 30 米不透水表面动态数据集 (GISD30) 为了解 1985 年至 2020 年全球不断变化的不透水表面景观提供了宝贵的资源。该数据集在城市可持续发展、人为碳排放评估和全球生态环境建模等领域具有深远的科学意义和实际应用价值。GISD30 是通过一种创新的自动化方法精心创建的，该方法充分利用了光谱泛化和自动样本提取策略的优势。该数据集利用谷歌地球引擎云计算平台上的时间序列大地遥感卫星图像，提供了有关不透水表面动态的全面见解。前言 – 人工智能教程

全球 30 米不透水表面动态数据集 (GISD30)

本研究中介绍的全球无缝高分辨率温度数据集（GSHTD）为各领域的研究人员提供了全面而宝贵的资源。该数据集涵盖 2001 年至 2020 年，主要关注陆地表面温度 (Ts) 和近地面气温 (Ta)。GSHTD 的独特之处在于它包含了七种类型的温度数据，包括晴空昼夜 Ts、全天空昼夜 Ts 以及平均、最高和最低 Ta。值得注意的是，该数据集以 30 弧秒或 1 千米的空间分辨率实现了全球覆盖。前言 – 人工智能教程

2001 年至 2020 年，全球陆地表面温度 (Ts) 和近地面气温 (Ta)数据集

该数据集提供了新墨西哥州南部和得克萨斯州西部二叠纪特拉华分盆地以及犹他州乌因塔盆地的高排放甲烷点源探测数据（千克/小时）。https://www.cbedai.net/xg

美国两大主要石油和天然气甲烷数据集

该数据集提供了美国两个主要石油和天然气（O&G）产区内与石油和天然气（O&G）相关的基础设施的位置：德克萨斯州西部和新墨西哥州南部二叠纪盆地的特拉华子盆地以及犹他州的乌因塔盆地。https://www.cbedai.net/xg

美国两个主要石油和天然气（O&G）产区内与石油和天然气（O&G）相关的基础设施的位置

非洲树木覆盖高分辨率地图 该数据集利用通过挪威国际气候和森林倡议（NICFI）计划在热带地区获得的纳卫星星座高分辨率卫星图像。该数据集的主要目标是在非洲大陆范围内全面绘制森林和非森林树木图，超越以往绘制大尺度木本植被图的精度。前言 – 人工智能教程

2019 年覆盖非洲大陆的超高分辨率森林覆盖数据集

迄今为止，全球烧毁面积（BA）产品只有较高的空间分辨率，因为目前大多数全球烧毁面积产品都是在主动火灾探测或密集时间序列变化分析的帮助下生成的，这需要非常高的时间分辨率。不过，在本研究中，我们将重点放在基于陆地卫星图像的全球烧毁面积自动测绘方法上。通过利用庞大的卫星图像目录以及谷歌地球引擎的高性能计算能力，我们提出了一种自动流水线，从时间序列的陆地卫星图像中生成 30 米分辨率的全球尺度年度烧毁面积地图，并发布了新颖的 30 米分辨率 2015 年全球年度烧毁面积地图（GABAM 2015）。前言 – 人工智能教程

1990-2021 年30 米全球年度烧毁面积地图 (GABAM)

Landsat9_C2_ST数据集是经大气校正的地表温度数据，属于Collection2的二级数据产品，以开尔文为单位测量地球表面温度，是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况，以及极端高温事件，如自然灾害(如火山爆发、野火)和城市热岛效应。前言 – 人工智能教程

Landsat9_C2_ST类经过大气校正的地表温度数据

Landsat9_C2_SR数据集是经大气校正后的地表反射率数据，属于Collection2的二级数据产品，空间分辨率为30米，基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟，以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。前言 – 人工智能教程

LANDSAT_9/02/T1/SR的Landsat9_C2_SR类数据集

Landsat9_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储，平台将影像像素值扩大了10000倍。Landsat9卫星包含二代陆地成像仪（Operational Land Imager2，OLI-2）和二代热红外传感器（Thermal Infrared Sensor，TIRS-2）两种传感器。卫星每16 天可以实现一次全球覆盖。OLI-2包括九个波段，空间分辨率为30米，包括一个15米的全色波段，成像宽幅为185×185km。TIRS-2用于收集地球两个热区地带的热量流失，了解所观测地带的水分消耗。相较于Landsat8上的TIRS，TIRS在风险等级和设计上做了改进，以尽量减少杂光影像。前言 – 人工智能教程

Landsat9_C2_TOA是每个波段的辐射亮度值转换为大气层顶表观反射率TOA数据集

Landsat9_C2_RAW数据集是经过缩放和校准的辐射亮度产品，按照数据质量划分为T1和T2。数据质量最好的影像归为T1，主要存在于L1TP处理等级中，这些数据做过很好的几何校正和辐射定标，适合于多时相数据分析。处理中没有达到 T1标准的影像被归为T2，T2和T1的辐射标准相同，由于缺少轨道信息，大范围云层覆盖等因素导致可选择的地面控制点不够，没有达到T1的几何精度标准，主要包括 L1GT和L1GS处理等级数据。前言 – 人工智能教程

Landsat9_C2_RAW类经过缩放和校准的辐射亮度数据集

Landsat8_C2_SR数据集是经大气校正后的地表反射率数据，属于Collection2的二级数据产品，空间分辨率为30米，基于Landsat生态系统扰动自适应处理系统（LEDAPS）（版本3.4.0）生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟，以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。前言 – 人工智能教程

Landsat8_C2_SR（地表反射率）数据集

Landsat8_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储，平台将影像像素值扩大了10000倍。Landsat-8卫星包含OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）两种传感器，每16天可以实现一次全球覆盖。Landsat-8 在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，成像宽幅为185×185km。前言 – 人工智能教程

Landsat8_C2_TOA数据集大气层顶表观反射率TOA

Landsat8_C2_RAW数据集是经过缩放和校准的辐射亮度产品，按照数据质量划分为T1和T2。数据质量最好的影像归为T1，主要存在于L1TP处理等级中，这些数据做过很好的几何校正和辐射定标，适合于多时相数据分析。处理中没有达到 T1标准的影像被归为T2，T2和T1的辐射标准相同，由于缺少轨道信息，大范围云层覆盖等因素导致可选择的地面控制点不够，没有达到T1的几何精度标准，主要包括 L1GT和L1GS处理等级数据。前言 – 人工智能教程

Landsat 8 C2 RAW 数据集

在这项研究中，作者通过协调来自 DMSP 数据的相互校准的 NTL 观测数据和来自 VIIRS 数据的模拟 DMSP 类 NTL 观测数据，生成了全球尺度的综合一致的 NTL 数据集。生成的全球 DMSP NTL 时间序列数据（1992-2018 年）显示出一致的时间趋势。这个时间扩展的 DMSP NTL 数据集为各种与人类活动（如电力消费和城市范围动态）有关的研究提供了宝贵的支持。数据集包含经时间校准的 1992-2013 年 DMSP-OLS NTL 时间序列数据；以及从 VIIRS 数据转换而来的 NTL 时间序列（2014-2021 年）前言 – 人工智能教程 空间分辨率：30 弧秒（约 1 千米）

全球夜间灯光（1992-2021 年）数据集

巴西年度土地利用和土地覆被制图项目是一个由生物群落、土地利用、遥感、地理信息系统和计算机科学专家组成的合作网络，依靠谷歌地球引擎平台及其云处理和自动分类功能生成巴西年度土地利用和土地覆被时间序列。MapBiomas 项目--是一项多机构倡议，旨在利用卫星图像的自动分类过程生成年度土地覆被和利用地图。有关该项目的完整介绍，请点击此处。前言 – 人工智能教程

巴西年度土地覆被和利用地图

美国地质调查局地形图的历史可追溯到 19 世纪末，当时美国地质调查局开始着手绘制整个美国的详细地图。1:24,000 比例尺，也称为 7.5 分钟四边形地图，成为最广泛使用的比例尺之一。每张地图覆盖 7.5 分经纬度的区域，从而详细呈现了约 64 平方英里（166 平方公里）的面积。前言 – 人工智能教程

美国地质调查局历史地形图（更新）

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了GEE数据专栏，为你提供了GEE数据的相关文章，致力于帮助开发者快速成长与发展。

GEE数据

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐