- USGS VIIRS 蒸散量¶VIIRS 蒸散量 (ET) 数据集基于全球 ET 产品第 6 版，利用 VIIRS 热图像和全球天气数据集通过遥感获得。它采用 SSEBop（简化表面能量平衡操作版本）方法，最初由 Senay 等人提出。2007 年，Senay 于 2018 年推出了使用卫星湿度测定原理为操作应用量身定制的专门参数化。在 SSEBop 版本 6 中，Senay 等人概述了新... USGS VIIRS 蒸散量¶VIIRS 蒸散量 (ET) 数据集基于全球 ET 产品第 6 版，利用 VIIRS 热图像和全球天气数据集通过遥感获得。它采用 SSEBop（简化表面能量平衡操作版本）方法，最初由 Senay 等人提出。2007 年，Senay 于 2018 年推出了使用卫星湿度测定原理为操作应用量身定制的专门参数化。在 SSEBop 版本 6 中，Senay 等人概述了新...
- USGS MODIS 蒸散量¶这里提供的蒸散量 (ET) 数据集是遥感技术的结果，主要利用 MODIS 热图像和全球天气数据集。该数据集对应于 Climate Engine 使用的全球 ET 产品的第 5 版。它为 2003 年至 2023 年期间的 ET 时空动态提供了宝贵的见解。该数据集的基石是可操作的简化表面能量平衡 (SSEBop) 模型，由 Senay 等人精心详细介绍。（201... USGS MODIS 蒸散量¶这里提供的蒸散量 (ET) 数据集是遥感技术的结果，主要利用 MODIS 热图像和全球天气数据集。该数据集对应于 Climate Engine 使用的全球 ET 产品的第 5 版。它为 2003 年至 2023 年期间的 ET 时空动态提供了宝贵的见解。该数据集的基石是可操作的简化表面能量平衡 (SSEBop) 模型，由 Senay 等人精心详细介绍。（201...
- 雪数据同化系统（SNODAS）¶雪资料同化系统（SNODAS）是国家水文遥感业务中心（NOHRSC）精心开发的综合建模和资料同化系统。其主要目标是提供高度准确的积雪和相关参数估计，作为水文建模和分析的重要资源。SNODAS 通过吸收各种来源的数据来实现这一目标，包括卫星观测、地面测量和数值天气预报模型。这些不同的数据流在雪质量和能量平衡模型中经过彻底处理，最终产生雪水当量（SWE）、雪深、... 雪数据同化系统（SNODAS）¶雪资料同化系统（SNODAS）是国家水文遥感业务中心（NOHRSC）精心开发的综合建模和资料同化系统。其主要目标是提供高度准确的积雪和相关参数估计，作为水文建模和分析的重要资源。SNODAS 通过吸收各种来源的数据来实现这一目标，包括卫星观测、地面测量和数值天气预报模型。这些不同的数据流在雪质量和能量平衡模型中经过彻底处理，最终产生雪水当量（SWE）、雪深、...
- 简介全球2.5分分辨率最高和最低气温数据集包含了全球范围内的年度最高气温数据，每个像元大小为2.5分(~21 km2)，最高气温单位为摄氏度。为研究全球大范围气候分异规律与全球变化提供基础的年最高气温空间分布数据，常应用于气候学、地理学等相关领域研究。前言 – 人工智能教程最高和最低气温数据集用于记录某个地区在一定时间内的最高和最低气温。它们的作用是：1. 提供天气信息：最高和最低气温数据... 简介全球2.5分分辨率最高和最低气温数据集包含了全球范围内的年度最高气温数据，每个像元大小为2.5分(~21 km2)，最高气温单位为摄氏度。为研究全球大范围气候分异规律与全球变化提供基础的年最高气温空间分布数据，常应用于气候学、地理学等相关领域研究。前言 – 人工智能教程最高和最低气温数据集用于记录某个地区在一定时间内的最高和最低气温。它们的作用是：1. 提供天气信息：最高和最低气温数据...
- 简介生物气候是指生物和气候相互作用的结果，包括植物和动物对气候的影响，以及气候对生物的影响。生物气候研究的是生物、气候、土地和水等自然要素之间相互作用的过程，旨在探讨它们是如何互动并导致生态系统的变化的。生物气候对于理解全球气候变化、生物多样性和生态系统功能至关重要。生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素... 简介生物气候是指生物和气候相互作用的结果，包括植物和动物对气候的影响，以及气候对生物的影响。生物气候研究的是生物、气候、土地和水等自然要素之间相互作用的过程，旨在探讨它们是如何互动并导致生态系统的变化的。生物气候对于理解全球气候变化、生物多样性和生态系统功能至关重要。生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素...
- 简介生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素。前言 – 人工智能教程生物气候是指生物和气候之间的相互作用和影响。生物影响气候的方式有很多，包括植物的光合作用、蒸腾作用、放射作用、土壤微生物代谢作用等等，而气候也会对生物产生很大的影响，包括温度、湿度、日照、降水等等因素。生物和气候之间相互作用的结果，对整... 简介生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素。前言 – 人工智能教程生物气候是指生物和气候之间的相互作用和影响。生物影响气候的方式有很多，包括植物的光合作用、蒸腾作用、放射作用、土壤微生物代谢作用等等，而气候也会对生物产生很大的影响，包括温度、湿度、日照、降水等等因素。生物和气候之间相互作用的结果，对整...
- 简介土地覆盖分类产品（MCD12Q1.006）数据集是采用2001-2019年度获取的 MODIS Terra和Aqua反射率数据进行监督分类，并结合先验知识和辅助信息进一步完善特定类别得到的土地覆盖分类产品。Landsat-8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器，每... 简介土地覆盖分类产品（MCD12Q1.006）数据集是采用2001-2019年度获取的 MODIS Terra和Aqua反射率数据进行监督分类，并结合先验知识和辅助信息进一步完善特定类别得到的土地覆盖分类产品。Landsat-8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器，每...
- 简介：全球日值气象数据集（GLDAS Catchment Land Surface Model L4 daily 0.25 x 0.25 degree GRACE-DA1 V2.2 ，简称GLDAS_CLSM025_DA1_D），时空分辨率分别为1天、0.25度。GLDAS-2.2目前包括来自CLSM-F2.5和GRACE-DA的产品，其中GRACE-DA数据范围为2003年至今。根据与E... 简介：全球日值气象数据集（GLDAS Catchment Land Surface Model L4 daily 0.25 x 0.25 degree GRACE-DA1 V2.2 ，简称GLDAS_CLSM025_DA1_D），时空分辨率分别为1天、0.25度。GLDAS-2.2目前包括来自CLSM-F2.5和GRACE-DA的产品，其中GRACE-DA数据范围为2003年至今。根据与E...
- 简介全球二氧化碳排放数据1deg产品(ODIAC)是一个空间分辨率为1deg*1deg的全球化石燃料燃烧产生的二氧化碳空间分布产品。它率先将基于空间的夜间灯光数据与单个发电厂的排放/位置相结合来估计化石燃料二氧化碳的排放。该产品被国际研究界广泛用于各种研究应用（例如 CO2通量反演、城市排放估算和观测系统设计实验）前言 – 人工智能教程以下是一些二氧化碳数据：2019年，全球平均二氧化碳浓度... 简介全球二氧化碳排放数据1deg产品(ODIAC)是一个空间分辨率为1deg*1deg的全球化石燃料燃烧产生的二氧化碳空间分布产品。它率先将基于空间的夜间灯光数据与单个发电厂的排放/位置相结合来估计化石燃料二氧化碳的排放。该产品被国际研究界广泛用于各种研究应用（例如 CO2通量反演、城市排放估算和观测系统设计实验）前言 – 人工智能教程以下是一些二氧化碳数据：2019年，全球平均二氧化碳浓度...
- 简介全球3小时气象数据集（GLDAS Noah Land Surface Model L4 3 hourly 0.25 x 0.25 degree V2.1，简称GLDAS_NOAH025_3H 2.1），时空分辨率分别为3小时、0.25度。该数据产品于2020年1月重新处理，代替之前版本。前言 – 人工智能教程该数据产品利用土地信息系统(LIS)第7版中的Noah Model 3.6模... 简介全球3小时气象数据集（GLDAS Noah Land Surface Model L4 3 hourly 0.25 x 0.25 degree V2.1，简称GLDAS_NOAH025_3H 2.1），时空分辨率分别为3小时、0.25度。该数据产品于2020年1月重新处理，代替之前版本。前言 – 人工智能教程该数据产品利用土地信息系统(LIS)第7版中的Noah Model 3.6模...
- 简介：全球250米叶面指数产品由北京师范大学的肖志强教授团队生产，提供了多分辨率卫星遥感（MUSES）250m分辨率全球LAI产品，利用了MODIS地表反射率数据（MOD09Q1）生成的网格数据，时间分辨率为8天。数据中的每一个MOD09Q1像元包含了8天之内最佳L2G（栅格化后的L2级产品）观测数值，综合考虑了高观测覆盖、低视角、无云及云的阴影以及气溶胶浓度的影响。LAI即叶面积指数（l... 简介：全球250米叶面指数产品由北京师范大学的肖志强教授团队生产，提供了多分辨率卫星遥感（MUSES）250m分辨率全球LAI产品，利用了MODIS地表反射率数据（MOD09Q1）生成的网格数据，时间分辨率为8天。数据中的每一个MOD09Q1像元包含了8天之内最佳L2G（栅格化后的L2级产品）观测数值，综合考虑了高观测覆盖、低视角、无云及云的阴影以及气溶胶浓度的影响。LAI即叶面积指数（l...
- 简介：LandScan全球人口分布数据来自于East View Cartographic，由美国能源部橡树岭国家实验室(ORNL)开发。LandScan运用GIS和遥感等创新方法，是全球人口数据发布的社会标准，是全球最为准确、可靠，基于地理位置的，具有分布模型和最佳分辨率的全球人口动态统计分析数据。Landscan全球人口分布数据集提供了2000年至2017年的全球人口统计数据，空间分辨... 简介：LandScan全球人口分布数据来自于East View Cartographic，由美国能源部橡树岭国家实验室(ORNL)开发。LandScan运用GIS和遥感等创新方法，是全球人口数据发布的社会标准，是全球最为准确、可靠，基于地理位置的，具有分布模型和最佳分辨率的全球人口动态统计分析数据。Landscan全球人口分布数据集提供了2000年至2017年的全球人口统计数据，空间分辨...
- 简介：青藏高原连续日光诱导叶绿素荧光数据集（2000-2018）是通过MODIS各通道反射率和SIF观测数据建立神经网络模型，从而得到较高时空分辨率的SIF数据，常作为初级生产力的参考。前言 – 人工智能教程源数据范围为全球，本数据集选取了青藏高原区域。本数据将原本的4天时间尺度数据集成至月数据，加工方法为取月最大值，尽可能达到去除噪声的效果。该数据集常被用作评定植被绿度和初级生产力的时间... 简介：青藏高原连续日光诱导叶绿素荧光数据集（2000-2018）是通过MODIS各通道反射率和SIF观测数据建立神经网络模型，从而得到较高时空分辨率的SIF数据，常作为初级生产力的参考。前言 – 人工智能教程源数据范围为全球，本数据集选取了青藏高原区域。本数据将原本的4天时间尺度数据集成至月数据，加工方法为取月最大值，尽可能达到去除噪声的效果。该数据集常被用作评定植被绿度和初级生产力的时间...
- 简介：基于多源数据融合方法的中国1公里土地覆盖图（2000）在评价已经有土地覆盖数据的基础上，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MODIS 2001年土地覆盖产品(MOD12Q1)进行融合，基于最大信任度原则进行决策，产生了新的IGBP分类系统的2000年1KM中国土地覆盖数据。前言 – 人工... 简介：基于多源数据融合方法的中国1公里土地覆盖图（2000）在评价已经有土地覆盖数据的基础上，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MODIS 2001年土地覆盖产品(MOD12Q1)进行融合，基于最大信任度原则进行决策，产生了新的IGBP分类系统的2000年1KM中国土地覆盖数据。前言 – 人工...
- 简介全球30米年度不透水面产品（Global Impervious Surface Area, GISA）基于300多万景Landsat影像构建时序、光谱特征，利用MODIS和ESA_CCI自动生成多时序高置信度样本；全球按照2°地理格网划分，局部建立分类模型生产。该数据集是一个用来描述地球表面不透水面积分布的数据集。它基于高分辨率遥感影像，使用计算机算法分析得出。不透水面是指人工和自然... 简介全球30米年度不透水面产品（Global Impervious Surface Area, GISA）基于300多万景Landsat影像构建时序、光谱特征，利用MODIS和ESA_CCI自动生成多时序高置信度样本；全球按照2°地理格网划分，局部建立分类模型生产。该数据集是一个用来描述地球表面不透水面积分布的数据集。它基于高分辨率遥感影像，使用计算机算法分析得出。不透水面是指人工和自然...
上滑加载中
推荐直播
-
-
华为AI技术发展与挑战：集成需求分析的实战指南2024/11/26 周二 18:20-20:20
Alex 华为云学堂技术讲师
本期直播将综合讨论华为AI技术的发展现状，技术挑战，并深入探讨华为AI应用开发过程中的需求分析过程，从理论到实践帮助开发者快速掌握华为AI应用集成需求的框架和方法。
去报名 -
华为云DataArts+DWS助力企业数据治理一站式解决方案及应用实践2024/11/27 周三 16:30-18:00
Walter.chi 华为云数据治理DTSE技术布道师
想知道数据治理项目中，数据主题域如何合理划分？数据标准及主数据标准如何制定？数仓分层模型如何合理规划？华为云DataArts+DWS助力企业数据治理项目一站式解决方案和应用实践告诉您答案！本期将从数据趋势、数据治理方案、数据治理规划及落地，案例分享四个方面来助力企业数据治理项目合理咨询规划及顺利实施。
去报名
热门标签