Google Earth Engine(GEE)——高度可扩展的时间自适应反射率融合模型(HISTARFM)数据库

简介: Google Earth Engine(GEE)——高度可扩展的时间自适应反射率融合模型(HISTARFM)数据库

高度可扩展的时间自适应反射率融合模型(HISTARFM)数据库

HISTARFM数据库是一个高空间分辨率的月度反射率时间序列,并对云层数据缺口进行修正。该数据集是通过融合陆地卫星和中分辨率成像光谱仪(MODIS)的时间序列,以30米的分辨率创建的。该方法包括使用两个估计器,它们共同作用于消除随机噪声,并使Landsat光谱反射率的偏差最小化。第一个估计器是一个最佳内插器,它使用Landsat历史数据和来自最近的过道的融合MODIS和Landsat反射率生成Landsat反射率估计。融合过程采用了一个像素级的线性回归模型。第二个估计器是一个卡尔曼滤波器,用于纠正第一个估计器产生的反射率中的任何偏差。前言 – 床长人工智能教程HISTARFM提供了改进的反射率值和一个独特而有用的副产品--反射率不确定性,这对现实的误差计算有帮助(例如,计算植被指数或生物物理变量的误差条)。关于HISTARFM算法的更详细解释,请参考Moreno-Martinez等人的2020年手稿。

https://www.sciencedirect.com/science/article/pii/S0034425720302716

 

 

Citation

Moreno-Martínez, Álvaro, Emma Izquierdo-Verdiguier, Marco P. Maneta, Gustau Camps-Valls, Nathaniel Robinson, Jordi Muñoz-Marí, Fernando Sedano,
Nicholas Clinton, and Steven W. Running. "Multispectral high resolution sensor fusion for smoothing and gap-filling in the cloud." Remote Sensing of
Environment 247 (2020): 111901.

Earth Engine Snippet

不同的版本和研究领域已经是流程:

美国CONUS数据库包含154张作为资产储存的图像。它与第二版相对应,时间覆盖范围从2009年1月到2021年10月。ImageCollection中的每张图片都覆盖了整个美国本土,每张图片都有 "版本"、"月份 "和 "年份 "属性。这些信息也存在于它们的文件名中。例如,名为Gap_Filled_Landsat_CONUS_month_10_2009_v2的图像是2009年10月CONUS地区的图像。CONUS数据库在这个资产中可用,图像在地球引擎中的加载情况如下:

var histarfm_conus = ee.ImageCollection("projects/KalmanGFwork/GFLandsat_V1")

欧洲、东亚主要地区和索马里的数据库目前正在用第5版的算法生成。版本5包含26916张图片。欧洲包含从2013年到2021年的9年,东亚包含从2019年到2021年的3年,索马里包含从2010年到2014年的5年。所有的研究区域都被划分为瓦片,作为云端优化的Geotiffs储存在谷歌云平台上。图像的名称包括月份、年份、具体研究区域和瓦片。举例来说,名为GF_2018_10_EUROPA_1的图像代表了2018年10月在欧洲的第一个瓦片上的图像。数据库的第5版可在此获得,图像可通过以下代码在地球引擎中加载:

var histarfm_ic = ee.ImageCollection("projects/ee-kalman-gap-filled/assets/histarfm_v5")

Sample code : https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:analysis-ready-data/HISTARFM-V5-EXAMPLE

关于如何与HISTARFM合作的更多信息,以及如何利用HISTARFM数据库改善你的研究和应用的一些例子,请访问这里的教程。

以下论文中使用了HISTARFM数据库

  • Martínez-Ferrer, L., et al. "Quantifying uncertainty in high resolution biophysical variable retrieval with machine learning." Remote Sensing of Environment 280 (2022): 113199.
  • Salerno, L., et al. "Satellite Analyses Unravel the Multi-Decadal Impact of Dam Management on Tropical Floodplain Vegetation." Frontiers in Environmental Science (2022): 357.
  • Kushal, K. C., and Sami Khanal. "Agricultural productivity and water quality tradeoffs of winter cover crops at a landscape scale through the lens of remote sensing." Journal of Environmental Management 330 (2023): 117212.

License

The dataset is licensed under a Creative Commons Attribution NonCommercial 4.0 International license.

Curated by: Álvaro Moreno-Martínez, Emma Izquierdo-Verdiguier, Jordi Muñoz-Marí and Nicolas Clinton.

Keywords: MODIS, Landsat, Land reflectance images, gap-filled temporal series, vegetation

Last updated: 06-03-2023

 

相关文章
|
1月前
|
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
109 4
|
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~
405 0
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
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
93 0
|
1月前
|
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。
164766 56
|
1月前
|
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
144 1
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
|
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~
252 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
|
数据处理
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
29 0
|
2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
21 0
|
2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
41 0
|
2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
21 0

热门文章

最新文章