GEE数据集——全球日光日照地图分布图数据

2024-02-10 11:52

本文主要是介绍GEE数据集——全球日光日照地图分布图数据,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!

日光地图分布图数据


在社区和专业地图绘制者的支持下,Daylight 是全球开放地图数据的完整分发版。我们将 OpenStreetMap 等项目的全球贡献者的工作与 Daylight 地图合作伙伴的质量和一致性检查相结合,创建了一个免费、稳定和易于使用的街道尺度全球地图。日光地图发行版将包括一个新的数据集,该数据集由矢量化的土地覆盖物特征组成,这些特征来自欧洲空间局的 2020 年世界覆盖物(10 米)栅格。该数据集覆盖全球,适用于最大 1:100 万(缩放级别 8)的地图。

Daylight Map Distribution(DMD)数据集是一个包含有关地球表面日照分布的信息的数据集。该数据集包括了全球范围内不同时间段的日照数据,可以用于分析和研究太阳能利用、气候模式、地理信息系统等领域。DMD数据集由卫星观测、地面观测和气象模型等多种数据源融合而成,提供了高时空分辨率的日照信息。

这个数据集对于太阳能行业非常重要,因为它可以帮助太阳能公司和研究人员确定最佳的太阳能板安装位置。通过分析DMD数据集,可以确定某个地区的日照强度、持续时间和季节变化,从而帮助优化太阳能系统的设计和性能预测。

除了太阳能行业之外,DMD数据集还可以被应用于气候研究。科学家可以利用这一数据集来分析全球不同地区的日照分布情况,研究气候变化对日照的影响,并预测未来的气候模式。

此外,DMD数据集也对城市规划和建筑设计具有重要意义。设计师和规划者可以利用这一数据集来评估建筑物周围的日照情况,从而设计出更加节能环保的建筑和城市规划方案。

总之,Daylight Map Distribution数据集是一个多功能的数据资源,它为太阳能行业、气候研究、城市规划等领域提供了宝贵的日照信息,有助于推动可持续发展和环境保护的工作。

 

数据集结构


数据集发布由团队定期创建,并将相应纳入 GEE 数据集。

代码

var water_polygons = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/water_polygons");
var land_polygons = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/land_polygons");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/DAYLIGHT-LAND-WATER-POLY

Landcover layer: ESA 2020

var landcover = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/LANDCOVER_ESA_2020");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/DAYLIGHT-LANDCOVER

License¶

Daylight Map Distribution is open data, licensed under the Open Data Commons Open Database License (ODbL). Daylight is built from upstream sources, primarily from OpenStreetMap contributors with optional additions from Esri Community Maps Contributors and Microsoft Corporation.

Provided by: Daylight Map Distribution

Curated in GEE by: Samapriya Roy

Keywords: Daylight Map Distribution, landcover, land polygons, water polygons, OSM, OpenStreetMap

Last updated in GEE: 2023-10-20

 

 

这篇关于GEE数据集——全球日光日照地图分布图数据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/697041

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

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

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

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