- 数据名称:Landsat9_C2_ST数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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... 数据名称:Landsat9_C2_ST数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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...
- 数据名称:Landsat9_C2_SR数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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Landsa... 数据名称:Landsat9_C2_SR数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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Landsa...
- 数据名称:Landsat9_C2_RAW数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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... 数据名称:Landsat9_C2_RAW数据来源:USGS时空范围:2022年1月-2023年3月空间范围:全国数据简介: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...
- 数据名称:Landsat8_C2_ST数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介:Landsat8_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、... 数据名称:Landsat8_C2_ST数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介:Landsat8_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、...
- 数据名称:Landsat8_C2_SR数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介: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... 数据名称:Landsat8_C2_SR数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介: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...
- 数据名称:Landsat8_C2_RAW数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介: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... 数据名称:Landsat8_C2_RAW数据来源:USGS时空范围:2020年1月-2023年3月空间范围:全国数据简介: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...
- 巴西年度土地覆被和利用地图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 – 人工智能教程其他地区,... 巴西年度土地覆被和利用地图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 – 人工智能教程其他地区,...
- CSV文件侧重于存储简单、结构化、规范化的数据(比如日志,配置信息等);而Excel文件则侧重于存储复杂,非结构化,非规范化的数据(比如用户输入信息、调查问卷信息等)。当然,在实际的数据应用中,我们还是需要根据数据的特点和用户需求来决定到底选用哪种格式。 CSV文件侧重于存储简单、结构化、规范化的数据(比如日志,配置信息等);而Excel文件则侧重于存储复杂,非结构化,非规范化的数据(比如用户输入信息、调查问卷信息等)。当然,在实际的数据应用中,我们还是需要根据数据的特点和用户需求来决定到底选用哪种格式。
- 简介:中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR(1978-1987)、SSM/I(1987-2009)和SSMIS(2009-2015)逐日亮温数据,由双指标(TB,37v,SG)冻融判别算法生成。前言 – 人工智能教程分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分,空间分辨率为25.067525 km,EASE-Grid... 简介:中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR(1978-1987)、SSM/I(1987-2009)和SSMIS(2009-2015)逐日亮温数据,由双指标(TB,37v,SG)冻融判别算法生成。前言 – 人工智能教程分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分,空间分辨率为25.067525 km,EASE-Grid...
- 简介:植被功能型(PFT)是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合,每一种植被功能型共享相似的植物属性,是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。前言 – 人工智能教程目前,植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型,如美国国家大气研究中心(NCAR)的陆面过程模型已... 简介:植被功能型(PFT)是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合,每一种植被功能型共享相似的植物属性,是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。前言 – 人工智能教程目前,植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型,如美国国家大气研究中心(NCAR)的陆面过程模型已...
- 简介:中国区域地面气象要素驱动数据年度合成产品,包括近地面气温、近地面气压、近地面空气比湿、近地面全速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式,时间分辨率为年,水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。前言 – 人工智能教程气象要素是指大气层中各种物理量或者化学成分,它们是描述大气现象和气象预报的基本单位和要素,主要包括以下几个... 简介:中国区域地面气象要素驱动数据年度合成产品,包括近地面气温、近地面气压、近地面空气比湿、近地面全速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式,时间分辨率为年,水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。前言 – 人工智能教程气象要素是指大气层中各种物理量或者化学成分,它们是描述大气现象和气象预报的基本单位和要素,主要包括以下几个...
- 简介:中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米,合成方式采用月最大值合成。本产品采用基于归一化植被指数(NDVI)像元二分模型,根据土地利用类型确定纯植被像元值和纯裸土像元值,计算中去除湖泊、河流、冰川/永久积雪等区域,实现植被覆盖度计算。通过时空变化趋势分析检验法分析,该数据集符合时间变化趋势和空间变化趋势。前言 – 人工智能教程植被覆盖度是指在某一区域内,植物... 简介:中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米,合成方式采用月最大值合成。本产品采用基于归一化植被指数(NDVI)像元二分模型,根据土地利用类型确定纯植被像元值和纯裸土像元值,计算中去除湖泊、河流、冰川/永久积雪等区域,实现植被覆盖度计算。通过时空变化趋势分析检验法分析,该数据集符合时间变化趋势和空间变化趋势。前言 – 人工智能教程植被覆盖度是指在某一区域内,植物...
- 简介:中国30米年度土地覆盖产品(annual China Land Cover Dataset, CLCD)是基于三十万景Landsat影像,结合现有产品自动稳定样本和目视解译样本生产获得。前言 – 人工智能教程该数据集基于5463个独立参考样本,产品整体精度为79.31% 。该数据集反映了中国快速的城市化和一系列生态工程,揭示了在气候变化下人类活动对区域地表覆盖的影响。土地覆盖和土地利... 简介:中国30米年度土地覆盖产品(annual China Land Cover Dataset, CLCD)是基于三十万景Landsat影像,结合现有产品自动稳定样本和目视解译样本生产获得。前言 – 人工智能教程该数据集基于5463个独立参考样本,产品整体精度为79.31% 。该数据集反映了中国快速的城市化和一系列生态工程,揭示了在气候变化下人类活动对区域地表覆盖的影响。土地覆盖和土地利...
- 简介:中国逐年干燥度指数,空间分辨率为1km,时间为1901-2022,为比值,没有单位。该数据集是基于中国1km逐月潜在蒸散发(PET)和降水量(PRE)采用比值法计算式得到(年AI =年PET/年PRE)。AI是表征一个地区干湿程度的指标,一般来说,根据AI分类可以概括地把区域分为湿润(AI<1,相当于森林)、半湿润(AI在1-1.5,相当于森林草原)、半干旱(AI在1.5-4,相当... 简介:中国逐年干燥度指数,空间分辨率为1km,时间为1901-2022,为比值,没有单位。该数据集是基于中国1km逐月潜在蒸散发(PET)和降水量(PRE)采用比值法计算式得到(年AI =年PET/年PRE)。AI是表征一个地区干湿程度的指标,一般来说,根据AI分类可以概括地把区域分为湿润(AI<1,相当于森林)、半湿润(AI在1-1.5,相当于森林草原)、半干旱(AI在1.5-4,相当...
- 简介:中国1km土壤特征数据集(2010)是基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图,以及美国农业部(USDA)中国区域土地和气候模拟标准,开发了一个多层土壤粒度分布数据集(砂、粉土和粘土含量)。采用多边形链接方法,结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息,推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里,可用于区域范... 简介:中国1km土壤特征数据集(2010)是基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图,以及美国农业部(USDA)中国区域土地和气候模拟标准,开发了一个多层土壤粒度分布数据集(砂、粉土和粘土含量)。采用多边形链接方法,结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息,推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里,可用于区域范...
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享:开源让物联网平台更开放、易用
2024/05/14 周二 16:30-18:00
张俭 华为云IoT DTSE技术布道师
作为开发者的你是否也想加入开源社区?本期物联网平台资深“程序猿”,开源专家张俭,为你揭秘华为云IoT如何借助开源构建可靠、开放、易用的物联网平台,并手把手教你玩转开源社区!
去报名
热门标签