Google Earth Engine(GEE)——全球河流网络及相应的水资源区数据集

简介: Google Earth Engine(GEE)——全球河流网络及相应的水资源区数据集

全球河流网络及相应的水资源区

河流网络和水资源区(WRZ)对于水资源的规划、利用、开发、保护和管理至关重要。目前,世界上的河网和水资源区大多是根据数字高程模型数据自动获得的,这些数据不够准确,尤其是在平原地区。此外,WRZ代码与河网不一致。作者提出了一系列方法,生成了分辨率较高、一致性较强的全球河网和相应的1-4级WRZ,该数据集为世界水资源的合理利用和社会可持续发展提供了重要依据和支持。您可以在这里阅读该论文全文

全球河流网(GRN)和水资源区(WRZ)的等级划分

1级河流(L1级河流)是指流入大海或湖泊的河流。

2级河流(L2级河流)是指流入L1级河流的河流,其汇流面积大于L1级河流的百分之一或1万平方公里。

第三级河流(L3级河流)是指流入L2级河流的河流,其汇合面积大于L2级河流的百分之一或1000平方公里。

4级河流(L4级河流)是指流入L3级河流的河流,其汇合面积大于L3级河流的百分之一或100平方公里。

不满足上述条件的支流被忽略了。

WRZ对应于河流水位

Paper Citation

Yan, D., Wang, K., Qin, T. et al. A data set of global river networks and corresponding water resources zones divisions.
Sci Data 6, 219 (2019). https://doi.org/10.1038/s41597-019-0243-y

Data Citation

Yan, Denghua; Wang, Kun; Qin, Tianling; Weng, Baisha; wang, Hao; Bi, Wuxia; et al. (2019): A data set of global river networks and corresponding
water resources zones divisions. figshare. Dataset. https://doi.org/10.6084/m9.figshare.8044184.v6

数据预处理

各大洲的河流网络是由作者提供的。另一方面,水资源区是以各大洲的水位为基础的子集,所以总共有24个文件。为了使这些数据可以作为大的特征集,跨越多个大洲的水位被合并为单一特征集。

Global River Network Levels
Asia Level 1,2,3,4
Africa Level 1,2,3,4
Australia Level 1,2,3,4
Europe Level 1,2,3,4
North America Level 1,2,3,4
South America Level 1,2,3,4
Water Resources Zone Levels
Asia Level 1,2,3,4
Africa Level 1,2,3,4
Australia Level 1,2,3,4
Europe Level 1,2,3,4
North America Level 1,2,3,4
South America Level 1,2,3,4
Combined Water Resources Zones Locations
Level 1 All Continents
Level 2 All Continents
Level 3 All Continents
Level 4 All Continents

代码:

var af_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/af_river");
var as_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/as_river");
var au_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/au_river");
var eu_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/eu_river");
var na_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/na_river");
var sa_river = ee.FeatureCollection("projects/sat-io/open-datasets/GRN/sa_river");
var WRZ_L1 = ee.FeatureCollection("projects/sat-io/open-datasets/WRZ/WRZ_L1");
var WRZ_L2 = ee.FeatureCollection("projects/sat-io/open-datasets/WRZ/WRZ_L2");
var WRZ_L3 = ee.FeatureCollection("projects/sat-io/open-datasets/WRZ/WRZ_L3");
var WRZ_L4 = ee.FeatureCollection("projects/sat-io/open-datasets/WRZ/WRZ_L4");
Map.addLayer(WRZ_L1.style({fillColor: '00000000',color: '#d7191c'}),{},'Global Level 1 Water Resources Zone');
Map.addLayer(WRZ_L2.style({fillColor: '00000000',color: '#fdae61'}),{},'Global Level 2 Water Resources Zone',false)
Map.addLayer(WRZ_L3.style({fillColor: '00000000',color: '#abd9e9'}),{},'Global Level 3 Water Resources Zone',false)
Map.addLayer(WRZ_L4.style({fillColor: '00000000',color: '#2c7bb6'}),{},'Global Level 4 Water Resources Zone',false)
Map.addLayer(sa_river.style({fillColor: '00000000',color: '#002B4D'}),{},'South America River Network')

样例代码:https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:hydrology/GLOBAL-RIVER-NETWORKS-WATER-RESOURCE-ZONES

Data subsets

The Water Resources Zones are also available as level based extracts for each countinent. Use the prefix and the level to get to each feature collection. The format is

projects/sat-io/open-datasets/WRZ/(Level)/(Prefix)_(Level)

Here are the prefix list and some examples

Country Prefix Path
Asia as projects/sat-io/open-datasets/WRZ/L1/as_wrz1
Africa af projects/sat-io/open-datasets/WRZ/L2/af_wrz2
Australia au projects/sat-io/open-datasets/WRZ/L3/au_wrz3
Europe eu projects/sat-io/open-datasets/WRZ/L4/eu_wrz4
North America na projects/sat-io/open-datasets/WRZ/L1/na_wrz1
South America sa projects/sat-io/open-datasets/WRZ/L3/sa_wrz3

License

This work is distributed under the Creative Commons Attribution 4.0 International License

Created by: Yan, D., Wang, K., Qin, T. et al.

Curated by: Samapriya Roy

Keywords: River networks, Water Resources, Hydrology

Last updated: 2019-09-28

相关文章
|
2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~
340 0
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
21天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【PyTorch实战演练】AlexNet网络模型构建并使用Cifar10数据集进行批量训练(附代码)
【PyTorch实战演练】AlexNet网络模型构建并使用Cifar10数据集进行批量训练(附代码)
36 0
|
21天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【PyTorch实战演练】使用Cifar10数据集训练LeNet5网络并实现图像分类(附代码)
【PyTorch实战演练】使用Cifar10数据集训练LeNet5网络并实现图像分类(附代码)
39 0
|
2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
90 0
|
2月前
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
35 0
|
28天前
|
机器学习/深度学习 编解码 Unix
超分数据集概述和超分经典网络模型总结
超分数据集概述和超分经典网络模型总结
20 1
|
1月前
|
存储 缓存 分布式计算
Spark【基础知识 02】【弹性式数据集RDDs】(部分图片来源于网络)
【2月更文挑战第13天】Spark【基础知识 02】【弹性式数据集RDDs】(部分图片来源于网络)
34 1
|
1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~
245 0
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月前
|
API Go 网络架构
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
71 4
|
2月前
|
机器学习/深度学习 存储 人工智能
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
59 3