Google Earth Engine(GEE)——全球哥白尼数字高程模型(GLO-30 DEM)

简介: Google Earth Engine(GEE)——全球哥白尼数字高程模型(GLO-30 DEM)

哥白尼数字高程模型(GLO-30 DEM)

哥白尼DEM是一个数字表面模型(DSM),代表了地球的表面,包括建筑物、基础设施和植被。我们提供两种哥白尼DEM的实例,分别是GLO-30 Public和GLO-90。GLO-90提供90米的全球覆盖。GLO-30公共版提供有限的30米的全球覆盖,因为哥白尼计划还没有向公众发布覆盖特定国家的一小部分瓦片。请注意,在这两种情况下,海洋地区都没有瓦片,在那里可以假设高度值等于零。数据以云优化GeoTIFF的形式提供,并从亚马逊开放注册处下载。

Copernicus Digital Elevation Model (DEM) - Registry of Open Data on AWS

原始瓦片与相邻的瓦片共享一行或一列,其尺寸为3601×3601像素、2401×2401像素、1801×1801像素或其他,取决于经度。我们去掉了东边和南边的这些共享的行和列,得到了很好的可被两除的尺寸,所以我们可以创建漂亮的COG概述。COG文件的共同属性是:使用浮点预测器的DEFLATE压缩(PREDICTOR=3);平均下抽样 。

有关具体数据信息可以查看这个:

Copernicus Digital Elevation Model datasets

数据引用:

Copernicus Digital Elevation Model (DEM) was accessed on DATE from

Earth Engine Snippet

var countries = ee.FeatureCollection("FAO/GAUL/2015/level0"),
    glo30 = ee.ImageCollection("projects/sat-io/open-datasets/GLO-30");
print('GLO-30 Collection size :',glo30.size())
//Explanation on setting default Projection here https://twitter.com/jstnbraaten/status/1494038930643042309
var elev = glo30.mosaic().setDefaultProjection('EPSG:3857',null,30)
//you can also use this incase you don't want to specify CRS
//var elev = glo30.mosaic().setDefaultProjection(glo30.first().projection())
// Create an "ocean" variable to be used for cartographic purposes
var ocean = elev.lte(0);
// Create a custom elevation palette from hex strings.
var elevationPalette = ['006600', '002200', 'fff700', 'ab7634', 'c4d0ff', 'ffffff'];
// Use these visualization parameters, customized by location.
var visParams = {min: 1, max: 3000, palette: elevationPalette};
// Create a mosaic of the ocean and the elevation data
var visualized = ee.ImageCollection([
  // Mask the elevation to get only land
  elev.mask(ocean.not()).visualize(visParams), 
  // Use the ocean mask directly to display ocean.
  ocean.mask(ocean).visualize({palette:'000022'})
]).mosaic();
// Note that the visualization image doesn't require visualization parameters.
Map.addLayer(visualized.clip(countries), {}, 'elev palette');

代码链接: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:elevation-bathymetry/COPERNICUS_GLO30

Earth Engine comparison app: glob-elevation

License

GLO-30 Public is available on a free basis for the general public under the terms and conditions of the license found here.

© DLR e.V. 2010-2014 and © Airbus Defence and Space GmbH 2014-2018 provided under COPERNICUS by the European Union and ESA; all rights reserved.

Disclaimer

The organisations in charge of the Copernicus programme by law or by delegation do not incur any liability for any use of the Copernicus WorldDEM-30.See Article 6© in https://docs.sentinel-hub.com/api/latest/static/files/data/dem/resources/license/License-COPDEM-30.pdf

Created by: European Space Agency, COPERNICUS

Curated in GEE by: Samapriya Roy

Keywords: digital elevation model, terrain, remote sensing, esa, copernicus

 

 

相关文章
|
人工智能 自然语言处理 API
Google Gemma 模型服务:开放的生成式 AI 模型服务
Google Gemma 模型服务:开放的生成式 AI 模型服务
549 4
|
7月前
|
存储 人工智能 前端开发
Google揭秘Agent架构三大核心:工具、模型与编排层实战指南
本文为Google发布的Agent白皮书全文翻译。本文揭示了智能体如何突破传统AI边界,通过模型、工具与编排层的三位一体架构,实现自主推理与现实交互。它不仅详解了ReAct、思维树等认知框架的运作逻辑,更通过航班预订、旅行规划等案例,展示了智能体如何调用Extensions、Functions和Data Stores,将抽象指令转化为真实世界操作。文中提出的“智能体链式组合”概念,预示了未来多智能体协作解决复杂问题的革命性潜力——这不仅是技术升级,更是AI赋能产业的范式颠覆。
2380 1
|
10月前
|
人工智能 边缘计算 自然语言处理
Google 发布其开源模型系列最新模型 Gemma 3
Google 发布了其开源模型系列的最新成员 Gemma 3,这是一款轻量级、高性能的 AI 模型,支持多语言和复杂任务。它具备 140+ 语言支持、128K-token 上下文窗口、增强的多模态分析能力以及函数调用功能,适用于聊天 AI、代码生成等多种场景。Gemma 3 在性能上超越 Llama 3-8B 和 Mistral 7B,且仅需单 GPU 即可运行,大幅降低计算成本。提供 1B 至 27B 不同参数规模版本,满足多样化需求,并优化了量化模型以适应边缘计算和移动设备。其多模态设计整合了 SigLIP 图像编码器,扩展上下文窗口至 128k token,显著提升了视觉和文本理解能力。
717 3
Google 发布其开源模型系列最新模型 Gemma 3
|
运维 监控 Serverless
一键开启 GPU 闲置模式,基于函数计算低成本部署 Google Gemma 模型服务
本文介绍如何使用函数计算 GPU 实例闲置模式低成本、快速的部署 Google Gemma 模型服务。
165319 58
|
人工智能 自然语言处理 机器人
[AI Google] 新的生成媒体模型和工具,专为创作者设计和构建
探索谷歌最新的生成媒体模型:用于高分辨率视频生成的 Veo 和用于卓越文本生成图像能力的 Imagen 3。还可以了解使用 Music AI Sandbox 创作的新演示录音。
[AI Google] 新的生成媒体模型和工具,专为创作者设计和构建
|
机器学习/深度学习 人工智能 自然语言处理
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
【2月更文挑战第15天】再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
491 1
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
|
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~
1275 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
|
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~
5301 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
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
313 0
|
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
409 0

热门文章

最新文章