全球10米土地覆盖产品(ESA)数据集2020和2021年

2023-11-08 11:28

本文主要是介绍全球10米土地覆盖产品(ESA)数据集2020和2021年,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

全球10米土地覆盖产品(ESA)来源于欧空局,是基于哨兵一号、哨兵二号数据制作的2020年的10m分辨率的全球土地覆盖数据。土地利用数据一共分为11类,分别是:林地、灌木、草地、耕地、建筑、裸地/稀疏植被区、雪和冰、开阔水域、草本湿地、红树林、苔藓。经验证,数据精度达到74.4%。前言 – 人工智能教程

欧洲空间局的全球10米土地覆盖产品(ESA's Global Land Cover)是一种高分辨率土地覆盖数据集,采用多源遥感数据和机器学习算法生成。这个数据集提供了全球每个地方在特定时间的土地覆盖类型信息,包括树林、草地、农田、城市、水域等。这个数据集对于环境监测、自然资源管理、气候变化研究等方面十分有用。前言 – 人工智能教程

全球10米土地覆盖数据在以下方面具有重要作用:

1. 环境监测:该数据集可用于监测土地利用变化、森林覆盖率变化和自然保护区的扩张,以帮助开展环境监测和保护工作。

2. 自然资源管理:该数据集可用于协助管理自然资源,如农业、林业、水资源等。这有助于制定农业政策、合理管理林区、划定保护区域以及管理水资源。

3. 气候变化研究:土地覆盖与气候变化是密切相关的。该数据集可用于检测气候变化、制定减缓策略和适应措施,并评估这些措施的效果。

4. 城市规划:由于全球城市化进程加速,对城市规划的需求也增加了。该数据集可用于城市规划和土地利用规划,以制定高效城市化和公平城市化的政策。

5. 地球科学:全球10米土地覆盖数据对于地球科学研究也具有重要意义,如土地地貌、岩性、土地退化、地震地质等方面的研究。

数据集ID: 

ESA/WORLD_COVER_2020

时间范围: 2020年-2020年

范围: 全球

来源: ESA WorldCover project 2020

复制代码段: 

var images = pie.ImageCollection("ESA/WORLD_COVER_2020")

波段 

名称类型无效值空间分辨率(m)描述信息
B1Byte010m全球10米土地覆盖产品(ESA),类别信息见下表
类别代码
Tree Cover10
Shrubland20
Grassland30
Cropland40
Built-up50
Bare/sparse vegetation60
Snow and ice70
Permanent water bodies80
Herbaceous wetland90
Mangroves95
Moss and lichen100

代码:

/*** @File    :   全球10米土地覆盖产品(ESA)* @Time    :   2021/11/26* @Author  :   pieadmin* @Version :   1.0* @Contact :   400-890-0662* @License :   (C)Copyright 航天宏图信息技术股份有限公司* @Desc    :   加载全球10米土地覆盖产品(ESA)数据集*///加载显示北京市矢量边界数据
var bj = pie.FeatureCollection("NGCC/CHINA_CITY_BOUNDARY").filter(pie.Filter.eq("name", "北京市")).first().geometry();
Map.centerObject(bj, 9);
Map.addLayer(bj, {color: "ff0000ff", fillColor: "00000000", width: 1}, "北京市");//加载显示全球10米土地覆盖产品(ESA)数据集并筛选耕地
var img = pie.ImageCollection('ESA/WORLD_COVER_2020')
var img = pie.ImageCollection('ESA/WORLD_COVER_2021').select("B1").filterBounds(bj).mean().clip(bj).eq(40);
var visParam = {min: 0,max: 1,palette: ['000000','9acd32']
};
//加载显示耕地
Map.addLayer(img.updateMask(img.eq(1)),visParam, "crop")

文章引用:


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

 

这篇关于全球10米土地覆盖产品(ESA)数据集2020和2021年的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/369540

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

高效+灵活,万博智云全球发布AWS无代理跨云容灾方案!

摘要 近日,万博智云推出了基于AWS的无代理跨云容灾解决方案,并与拉丁美洲,中东,亚洲的合作伙伴面向全球开展了联合发布。这一方案以AWS应用环境为基础,将HyperBDR平台的高效、灵活和成本效益优势与无代理功能相结合,为全球企业带来实现了更便捷、经济的数据保护。 一、全球联合发布 9月2日,万博智云CEO Michael Wong在线上平台发布AWS无代理跨云容灾解决方案的阐述视频,介绍了

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X