Google Earth Engine ——数据全解析专辑(Canada AAFC Annual Crop Inventory)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云解析 DNS,旗舰版 1个月
简介: Google Earth Engine ——数据全解析专辑(Canada AAFC Annual Crop Inventory)

Starting in 2009, the Earth Observation Team of the Science and Technology Branch (STB) at Agriculture and Agri-Food Canada (AAFC) began the process of generating annual crop type digital maps. Focusing on the Prairie Provinces in 2009 and 2010, a Decision Tree (DT) based methodology was applied using optical (Landsat-5, AWiFS, DMC) and radar (Radarsat-2) based satellite images. Beginning with the 2011 growing season, this activity has been extended to other provinces in support of a national crop inventory. To date this approach can consistently deliver a crop inventory that meets the overall target accuracy of at least 85% at a final spatial resolution of 30m (56m in 2009 and 2010).


从 2009 年开始,加拿大农业和农业食品部 (AAFC) 科技部 (STB) 的地球观测团队开始了生成一年生作物类型数字地图的过程。 2009 年和 2010 年以草原省份为重点,使用基于光学(Landsat-5、AWiFS、DMC)和雷达(Radarsat-2)的卫星图像应用了基于决策树 (DT) 的方法。从 2011 年的生长季节开始,这项活动已扩展到其他省份,以支持国家作物清单。迄今为止,这种方法可以始终如一地提供在最终空间分辨率为 30m(2009 年和 2010 年为 56m)时满足至少 85% 总体目标精度的作物清单。


Resolution

30 meters

Bands Table

Name Description Min Max
landcover Main crop-specific land cover classification. 1 255

Class Table: landcover

Value Color Color Value Description
10 #000000 Cloud
20 #3333ff Water
30 #996666 Exposed Land and Barren
34 #cc6699 Urban and Developed
35 #e1e1e1 Greenhouses
50 #ffff00 Shrubland
80 #993399 Wetland
85 #501b50 Peatland
110 #cccc00 Grassland
120 #cc6600 Agriculture (undifferentiated)
122 #ffcc33 Pasture and Forages
130 #7899f6 Too Wet to be Seeded
131 #ff9900 Fallow
132 #660000 Cereals
133 #dae31d Barley
134 #d6cc00 Other Grains
135 #d2db25 Millet
136 #d1d52b Oats
137 #cace32 Rye
138 #c3c63a Spelt
139 #b9bc44 Triticale
140 #a7b34d Wheat
141 #b9c64e Switchgrass
142 #999900 Quinoa
142 #999900 Sorghum
145 #92a55b Winter Wheat
146 #809769 Spring Wheat
147 #ffff99 Corn
148 #98887c Tobacco
149 #799b93 Ginseng
150 #5ea263 Oilseeds
151 #52ae77 Borage
152 #41bf7a Camelina
153 #d6ff70 Canola and Rapeseed
154 #8c8cff Flaxseed
155 #d6cc00 Mustard
156 #ff7f00 Safflower
157 #315491 Sunflower
158 #cc9933 Soybeans
160 #896e43 Pulses
161 #996633 Other Pulses
162 #8f6c3d Peas
163 #b6a472 Chickpeas
167 #82654a Beans
168 #a39069 Fababeans
174 #b85900 Lentils
175 #b74b15 Vegetables
176 #ff8a8a Tomatoes
177 #ffcccc Potatoes
178 #6f55ca Sugarbeets
179 #ffccff Other Vegetables
180 #dc5424 Fruits
181 #d05a30 Berries
182 #d20000 Blueberry
183 #cc0000 Cranberry
185 #dc3200 Other Berry
188 #ff6666 Orchards
189 #c5453b Other Fruits
190 #7442bd Vineyards
191 #ffcccc Hops
192 #b5fb05 Sod
193 #ccff05 Herbs
194 #07f98c Nursery
195 #00ffcc Buckwheat
196 #cc33cc Canaryseed
197 #8e7672 Hemp
198 #b1954f Vetch
199 #749a66 Other Crops
200 #009900 Forest (undifferentiated)
210 #006600 Coniferous
220 #00cc00 Broadleaf
230 #cc9900 Mixedwood

影像属性:

Name Type Description
landcover_class_names List of Strings Array of cropland landcover classification names.
landcover_class_palette List of Strings Array of hex code color strings used for the classification palette.
landcover_class_values List of Ints Value of the land cover classification.


引用:

Dataset Availability

2009-01-01T00:00:00 - 2019-01-01T00:00:00

Dataset Provider

Agriculture and Agri-Food Canada

Collection Snippet

ee.ImageCollection("AAFC/ACI")

Agriculture and Agri-Food Canada Annual Crop Inventory. {YEAR}

数据代码:

var dataset = ee.ImageCollection('AAFC/ACI');
var crop2016 = dataset
    .filter(ee.Filter.date('2016-01-01', '2016-12-31'))
    .first();
Map.setCenter(-103.8881, 53.0371, 10);
Map.addLayer(crop2016);

 

有需要研究加拿大农业生态的同学可以拿走!


相关文章
|
6月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2505 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
6月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
224 0
|
6月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
574 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
6月前
|
数据可视化 数据挖掘 数据建模
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
|
6月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
88 0
|
6月前
|
编解码 人工智能 数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
148 0
|
6月前
|
编解码
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
77 0
|
6月前
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
266 0
|
6月前
|
传感器 编解码 数据处理
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
130 0
|
6月前
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
124 0

热门文章

最新文章

推荐镜像

更多