- 简介：JRC Monthly Water History产品，是利用1984至2020年获取的landsat5、landsat7和landsat8的卫星影像，生成的一套30米分辨率的全球地表水覆盖的月度地表水监测地图集。该数据集共有442景数据，包含1984年3月至2020年12月间的月度水体检测情况，用户可以在全球尺度上按地区回溯某月份水体检测情况。前言 – 人工智能教程JRC Mont... 简介：JRC Monthly Water History产品，是利用1984至2020年获取的landsat5、landsat7和landsat8的卫星影像，生成的一套30米分辨率的全球地表水覆盖的月度地表水监测地图集。该数据集共有442景数据，包含1984年3月至2020年12月间的月度水体检测情况，用户可以在全球尺度上按地区回溯某月份水体检测情况。前言 – 人工智能教程JRC Mont...
- 简介：JRC Global Surface Water Mapping Layers产品，是利用1984至2020年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。产品由包含7个波段的图像组成，反映了过去35年间地表水在空间和时间的分布情况。前言 – 人工智能教... 简介：JRC Global Surface Water Mapping Layers产品，是利用1984至2020年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。产品由包含7个波段的图像组成，反映了过去35年间地表水在空间和时间的分布情况。前言 – 人工智能教...
- 简介：全球地表水覆盖（Global Surface Water）是利用1984至2019年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。该数据集包含change为全球地表水体变化程度，它提供了1984-1999年和2000-2019年间地表水发生增加、减少或保持... 简介：全球地表水覆盖（Global Surface Water）是利用1984至2019年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。该数据集包含change为全球地表水体变化程度，它提供了1984-1999年和2000-2019年间地表水发生增加、减少或保持...
- 简介：本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36km，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据... 简介：本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36km，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，玉米有两个生长季节，以“主要（major）”/“次要（second）”区分。前言 – 人工智能教程根据联合国粮食和农业组织（FAO）提供的数据，以下是近年来全球玉米产量的历史数据和空间分布：历史数据：2019年全球玉米产量为1.134亿吨，同比下降2.8%。2018年... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，玉米有两个生长季节，以“主要（major）”/“次要（second）”区分。前言 – 人工智能教程根据联合国粮食和农业组织（FAO）提供的数据，以下是近年来全球玉米产量的历史数据和空间分布：历史数据：2019年全球玉米产量为1.134亿吨，同比下降2.8%。2018年...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，水稻有两个生长季节，以“主要（major）”/“次要（second）”区分。全球历史水稻产量自20世纪初以来迅速增长，据联合国粮农组织（FAO）的数据，2019年全球水稻产量为496亿公斤。以下是一些主要水稻产区和其产量：前言 – 人工智能教程1. 中国：中国是全球... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，水稻有两个生长季节，以“主要（major）”/“次要（second）”区分。全球历史水稻产量自20世纪初以来迅速增长，据联合国粮农组织（FAO）的数据，2019年全球水稻产量为496亿公斤。以下是一些主要水稻产区和其产量：前言 – 人工智能教程1. 中国：中国是全球...
- 简介全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，小麦的两个生长季节包括“冬（winter）”和“春（spring）”。全球小麦产量与产区分布：1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。3. 欧洲地区是全球第二大小麦生产地区，占全球小麦... 简介全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，小麦的两个生长季节包括“冬（winter）”和“春（spring）”。全球小麦产量与产区分布：1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。3. 欧洲地区是全球第二大小麦生产地区，占全球小麦...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，大豆只有“主要（major）”生长季节。前言 – 人工智能教程全球大豆主要产区包括：1. 美国：美国是全球最大的大豆生产国，主要集中在中西部的五大州：伊利诺伊州、艾奥瓦州、内布拉斯加州、明尼苏达州和南达科他州。2. 巴西：巴西是全球第二大大豆生产国，主要集中在南部地... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，大豆只有“主要（major）”生长季节。前言 – 人工智能教程全球大豆主要产区包括：1. 美国：美国是全球最大的大豆生产国，主要集中在中西部的五大州：伊利诺伊州、艾奥瓦州、内布拉斯加州、明尼苏达州和南达科他州。2. 巴西：巴西是全球第二大大豆生产国，主要集中在南部地...
- 最近我在 International Journal of Digital Earth （《国际数字地球学报》）发表了一篇森林生物量模型构建的文章：Evaluation of machine learning methods and multi-source remote sensing data combinations to construct forest above-ground... 最近我在 International Journal of Digital Earth （《国际数字地球学报》）发表了一篇森林生物量模型构建的文章：Evaluation of machine learning methods and multi-source remote sensing data combinations to construct forest above-ground...
- 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）... 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）...
- National Intertidal Digital Elevation Model 25m 1.0.0国家潮间带数字高程模型（NIDEM；Bishop-Taylor 等人，2018 年、2019 年）是澳大利亚裸露潮间带的大陆尺度高程数据集。NIDEM 首次以 25 米的空间分辨率三维呈现了澳大利亚潮间带的沙滩和海岸、滩涂、岩石海岸和礁石，弥补了潮下测深数据与陆地高程数据之间的关键... National Intertidal Digital Elevation Model 25m 1.0.0国家潮间带数字高程模型（NIDEM；Bishop-Taylor 等人，2018 年、2019 年）是澳大利亚裸露潮间带的大陆尺度高程数据集。NIDEM 首次以 25 米的空间分辨率三维呈现了澳大利亚潮间带的沙滩和海岸、滩涂、岩石海岸和礁石，弥补了潮下测深数据与陆地高程数据之间的关键...
- 简介：HWSD（Harmonized World Soil Database）是联合国粮食及农业组织（FAO）和国际土壤参考与信息中心（ISRIC）共同开发的世界土壤数据集。该数据集是一份高分辨率（1 km），全球范围的土壤数据库，包括有关土壤类型、土壤属性、土壤质地、土层深度和土壤水分等方面的信息。HWSD数据集是基于大量地面测量和遥感数据，以及土壤分类系统和统一名称体系，进行整合和标准化... 简介：HWSD（Harmonized World Soil Database）是联合国粮食及农业组织（FAO）和国际土壤参考与信息中心（ISRIC）共同开发的世界土壤数据集。该数据集是一份高分辨率（1 km），全球范围的土壤数据库，包括有关土壤类型、土壤属性、土壤质地、土层深度和土壤水分等方面的信息。HWSD数据集是基于大量地面测量和遥感数据，以及土壤分类系统和统一名称体系，进行整合和标准化...
- 美国地质勘探局历史图像美国西部¶该数据集包含代表 20 世纪 50 年代中期美国西部地区状况的图像基础图层。我们从USGS EROS 档案中 1940 年至 1970 年间拍摄的 160,000 多张航拍图像中获取图像，采集日期中位数为 1954 年。这些图像完整覆盖了美国西部 17 个州：亚利桑那州、加利福尼亚州、科罗拉多州、爱达荷州、堪萨斯州、蒙大拿州、北达科他州、内布拉斯加州、新墨... 美国地质勘探局历史图像美国西部¶该数据集包含代表 20 世纪 50 年代中期美国西部地区状况的图像基础图层。我们从USGS EROS 档案中 1940 年至 1970 年间拍摄的 160,000 多张航拍图像中获取图像，采集日期中位数为 1954 年。这些图像完整覆盖了美国西部 17 个州：亚利桑那州、加利福尼亚州、科罗拉多州、爱达荷州、堪萨斯州、蒙大拿州、北达科他州、内布拉斯加州、新墨...
- 简介新一代对地观测卫星Suomi NPP,搭载的可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suit,VIIRS），能够获取新的夜间灯光遥感影像（Day/Night Band,DNB波段）。VIIRS_VCMSLCFG夜光遥感数据的空间分辨率为750m，为月度合成数据，它是在VIIRS_VCMCFG数据的基础上做了散射光校正，校正程序向极点... 简介新一代对地观测卫星Suomi NPP,搭载的可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suit,VIIRS），能够获取新的夜间灯光遥感影像（Day/Night Band,DNB波段）。VIIRS_VCMSLCFG夜光遥感数据的空间分辨率为750m，为月度合成数据，它是在VIIRS_VCMCFG数据的基础上做了散射光校正，校正程序向极点...
- 全球火灾天气数据库 (GFWED)¶全球火灾天气数据库 (GFWED) 整合了从 1980 年至今影响植被火灾发生和蔓延的可能性的不同天气因素，每日时间分辨率和约 50 公里（0.5 度 x 0.625 度）空间分辨率。它基于火灾天气指数 (FWI) 系统，这是世界上使用最广泛的火灾天气系统。FWI 系统是在加拿大开发的，由三个湿度代码和三个火灾行为指数组成。水分代码捕获三种通用燃料类别的... 全球火灾天气数据库 (GFWED)¶全球火灾天气数据库 (GFWED) 整合了从 1980 年至今影响植被火灾发生和蔓延的可能性的不同天气因素，每日时间分辨率和约 50 公里（0.5 度 x 0.625 度）空间分辨率。它基于火灾天气指数 (FWI) 系统，这是世界上使用最广泛的火灾天气系统。FWI 系统是在加拿大开发的，由三个湿度代码和三个火灾行为指数组成。水分代码捕获三种通用燃料类别的...
上滑加载中
推荐直播
-
-
华为开发者空间玩转DeepSeek2025/03/13 周四 19:00-20:30
马欣 山东商业职业技术学院云计算专业讲师，山东大学、山东建筑大学等多所本科学校学生校外指导老师
同学们，想知道如何利用华为开发者空间部署自己的DeepSeek模型吗？想了解如何用DeepSeek在云主机上探索好玩的应用吗？想探讨如何利用DeepSeek在自己的专有云主机上辅助编程吗？让我们来一场云和AI的盛宴。
即将直播 -
华为云Metastudio×DeepSeek与RAG检索优化分享2025/03/14 周五 16:00-17:30
大海 华为云学堂技术讲师 Cocl 华为云学堂技术讲师
本次直播将带来DeepSeek数字人解决方案，以及如何使用Embedding与Rerank实现检索优化实践，为开发者与企业提供参考，助力场景落地。
去报名
热门标签