JRC Monthly Water History, v1.4数据集

简介: JRC Monthly Water History, v1.4数据集

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 Monthly Water History是由欧盟联合研究中心(JRC)开发的一个水文数据库产品,旨在提供全球各种水文变量(如气温、降水、雪深、蒸发等)的历史记录。该数据库涵盖了从1950年到当前时间的全球范围内的水文数据,并以月为单位进行更新。这些数据可以用于研究全球水资源的变化和管理,以及进行气候变化和生态系统研究等应用。JRC Monthly Water History可以通过JRC的网站免费在线访问和下载。

地表水数据可以用于许多领域,以下是一些主要的应用:

1.水资源管理:地表水数据可以帮助决策者制定水资源管理策略,了解水的可用性和质量,进行水资源规划和管理。

2.环境保护:地表水数据可以帮助评估水体质量,确定水体污染源和潜在的生态风险,以保护水体生态系统。

3.气候变化:地表水数据是了解气候变化影响的关键指标,可以用于监测水文循环的变化,预测洪涝和干旱的发生和影响,以及评估水资源的可持续性。

4.灾害管理:地表水数据可以帮助监测和预警洪涝、干旱、水文灾害等天气事件,以及评估水文灾害对人类和生态系统的影响。

总之,地表水数据对于社会、经济和环境可持续发展具有重要意义,能够提供有关水资源状况和管理的有用信息。

数据集ID:

GSW1_4/MonthlyHistory

时间范围: 1984年-2020年

范围: 全球

来源: EC JRC/Google

复制代码段:

var images = pie.ImageCollection("GSW1_4/MonthlyHistory")

名称 类型 空间分辨率(m) 无效值 描述信息
water byte 30 255 月度水体监测情况
Bitmask for water
  • Bit 0-1: Water detection
    • 0: No data
    • 1: Not water
    • 2: Water

代码:

/**
 * @File    :   GlobalSurfaceWater
 * @Time    :   2022/3/29
 * @Author  :   piesat
 * @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JRC Monthly Water History, v1.4数据集
 */
//加载JRC Monthly Water History, v1.4数据集
var dataset = pie.ImageCollection('GSW1_4/MonthlyHistory')
                 .filterDate("1984-04-01","1984-05-01")
                 .select("water")
                 .mosaic()
print("dataset",dataset);
//设置预览参数
var visualization = {
  min: 0.0,
  max: 2.0,
  palette: ['ffffff', 'fffcb8', '0905ff']
};
//定位地图中心及缩放级别
Map.setCenter(121.2,29.09, 7);
//加载显示影像
Map.addLayer(dataset, visualization,"dataset")

数据引用:Jean-Francois Pekel, Andrew Cottam, Noel Gorelick, Alan S. Belward, High-resolution mapping of global surface water and its long-term changes. Nature 540, 418-422 (2016). (doi:10.1038/nature20584)

相关文章
|
3月前
|
算法 安全 数据挖掘
文献解读-Transcriptional Start Site Coverage Analysis in Plasma Cell-Free DNA Reveals Disease Severity and Tissue Specificity of COVID-19 Patients
这项研究展示了 cfDNA 分析在揭示新冠肺炎进展中的组织参与情况和疾病机制方面的潜力。它强调了 cfDNA 作为无创生物标志物在疾病严重程度检测、患者监测和预后评估中的应用价值。这种方法为理解新冠肺炎的病理生理学提供了新的视角,并可能帮助开发更有针对性的治疗策略。
40 2
|
9月前
|
数据采集 编解码 人工智能
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
91 0
|
5月前
|
算法 数据挖掘
文献解读-Genome-wide imputation using the practical haplotype graph in the heterozygous crop cassava
PHG是一种将基因组简化为一组单倍型的方法。这种方法可用于从稀疏的基因分型信息中预测杂合子物种中的全基因组单倍型。它的高精度,特别是在稀有等位基因中,在非常低的测序深度下,使其成为一种潜在的强大插补工具。
54 4
|
4月前
|
算法 搜索推荐 数据挖掘
文献解读-​ ​Listeria monocytogenes personalized cancer vaccines drive therapeutic immune responses to cancer derived neoantigens
这项研究展示了ADXS-NEO新抗原癌症疫苗在克服癌症免疫治疗两大主要挑战方面的潜力。通过使用临床前小鼠肿瘤模型,研究证实ADXS-NEO能够产生强大的新抗原特异性T细胞反应,并将"冷"肿瘤微环境转变为"热"。作为一种基因工程改造的单核细胞李斯特菌疫苗,ADXS-NEO每个构建可靠定多达40个潜在新抗原,在MC38肿瘤模型中引发强大T细胞反应。系统给药后,它能驱动促炎性先天和适应性免疫,减弱肿瘤内的免疫抑制细胞(如调节性T细胞、髓系来源抑制细胞和M2型肿瘤相关巨噬细胞),同时产生效应αβ/γδ肿瘤浸润T细胞和M1型巨噬细胞。
58 0
|
机器学习/深度学习 数据采集 自然语言处理
MEE: A Novel Multilingual Event Extraction Dataset 论文解读
事件抽取(EE)是信息抽取(IE)的基本任务之一,旨在从文本中识别事件提及及其论点(即参与者)。由于其重要性,已经为事件抽取开发了广泛的方法和资源。
177 0
|
9月前
|
编解码 人工智能
全球地表水数据集JRC Global Surface Water Mapping Layers, v1.2数据
全球地表水数据集JRC Global Surface Water Mapping Layers, v1.2数据
179 0
|
机器学习/深度学习 移动开发 自然语言处理
DEPPN:Document-level Event Extraction via Parallel Prediction Networks 论文解读
当在整个文档中描述事件时,文档级事件抽取(DEE)是必不可少的。我们认为,句子级抽取器不适合DEE任务,其中事件论元总是分散在句子中
153 0
DEPPN:Document-level Event Extraction via Parallel Prediction Networks 论文解读
|
算法 Linux Shell
SGAT丨Single Gene Analysis Tool
SGAT丨Single Gene Analysis Tool
《Distributed End-to-End Drug Similarity Analytics and Visualization Workflow》电子版地址
Distributed End-to-End Drug Similarity Analytics and Visualization Workflow
89 0
《Distributed End-to-End Drug Similarity Analytics and Visualization Workflow》电子版地址
|
编解码 ice
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集
158 0
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集