哥白尼数字高程模型(Copernicus DEM)30/90m数据集

简介: 哥白尼数字高程模型(Copernicus DEM)30/90m数据集

哥白尼数字高程模型(Copernicus DEM,COP-DEM)是欧洲航天局(ESA)发布的全球范围30米和90米分辨率数字高程模型(DEM)。该模型是数字表面模型(DSM),它表示地球表面(包括建筑物、基础设施和植被)的高程。COP-DEM是开源的,并且具有平面和高程精度最高的DEM之一。前言 – 人工智能教程

哥白尼数字高程模型是欧洲空间局(ESA)为欧洲联合地球观测计划(Copernicus)开发的一个全球数字高程模型项目,也被称为COP-DEM。该数字高程模型使用雷达高度计、光学卫星和激光雷达等各种技术收集高程数据,覆盖全球范围,分辨率高达30米。哥白尼数字高程模型可用于各种地质、生态、地形和环境应用,如洪水预警、土地利用规划、海岸线管理、地球物理学研究等。

COP-DEM是基于来自Sentinel-1和Sentinel-2卫星的雷达和光学数据的综合。该模型还使用了来自其他来源的数据,例如地图和LiDAR数据。COP-DEM每两年更新一次,并且是研究和监测地球表面的宝贵工具。

以下是COP-DEM的一些优点:

  • 全球范围:COP-DEM覆盖了整个地球的陆地表面。
  • 高分辨率:COP-DEM提供30米和90米分辨率的数据。
  • 高精度:COP-DEM具有平面和高程精度最高的DEM之一。
  • 开源:COP-DEM是免费和公开可用的。

COP-DEM可用于各种应用,包括:

  • 地形测量
  • 土地利用监测
  • 灾害管理
  • 交通规划
  • 城市规划
  • 环境监测

COP-DEM是研究和监测地球表面的宝贵工具。它具有全球范围、高分辨率、高精度和开源等优点。

数据集ID:

COPDEM/GLO30

时间范围: 2015年-2015年

范围: 全球

来源: 欧空局哥白尼panda网站

复制代码段:

var images = pie.ImageCollection("COPDEM/GLO30")

波段:

名称 分辨率(m) 高程范围(m) 无效值 覆盖范围
B1 30 -12000~9000 -9999 全球

date

string

影像日期

 

代码:

/**
* @File    :   COPDEM_GLO30m
* @Time    :   2023/3/14
* @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COPDEM 30米数据
*/
//加载区域范围 
/*color:#fffafa*/
var geometry0 = pie.Geometry.Polygon([
    [
        [
            101.4008209754989,
            46.60282587583711
        ],
        [
            134.80984351708895,
            46.60282587583711
        ],
        [
            134.80984351708895,
            17.79181922066016
        ],
        [
            101.4008209754989,
            17.79181922066016
        ],
        [
            101.4008209754989,
            46.60282587583711
        ]
    ]
], null);
//加载COPDEM DEM数据
var copdem = pie.ImageCollection('COPDEM/GLO30')
                .filterBounds(geometry0)
                .select("B1")
                .mosaic()
                .clip(geometry0);
print(copdem);
//定位地图中心
Map.centerObject(copdem, 2)
//加载显示数据
Map.addLayer(copdem, {min:0, max:3000, palette: [
        "#000000","#023858","#006837","#1a9850","#66bd63","#a6d96a",
        "#d9ef8b","#ffffbf","#fee08b","#fdae61","#f46d43","#d73027"]}, "copdem");

数据引用:

Copernicus DEM - Global and European Digital Elevation Model (COP-DEM). https://spacedata.copernicus.eu/collections/copernicus-digital-elevation-model.

 

 

相关文章
|
7月前
|
传感器 编解码 人工智能
Landsat7_C2_SR数据集(大气校正地表发射率数据集)
Landsat7_C2_SR数据集(大气校正地表发射率数据集)
66 0
|
7月前
|
传感器 编解码 数据挖掘
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
475 3
|
7月前
|
传感器 编解码 人工智能
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
201 0
|
7月前
|
传感器
遥感应用中常用的23个植被指数公式大全和GEE目前最常用Landsat影像时间和名称
遥感应用中常用的23个植被指数公式大全和GEE目前最常用Landsat影像时间和名称
305 0
|
7月前
|
机器学习/深度学习 数据采集 编解码
基于MODIS数据的2000-2021年中国植被生物量数据集
基于MODIS数据的2000-2021年中国植被生物量数据集
170 0
基于DEM提取坡度、坡向方法汇总
基于DEM提取坡度、坡向方法汇总
585 0
基于DEM提取坡度、坡向方法汇总
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
112 1
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
Google Earth Engine ——Landsat 5 TM合成影像8天/32天/年际归一化植被指数(NDVI)指数数据集
Google Earth Engine ——Landsat 5 TM合成影像8天/32天/年际归一化植被指数(NDVI)指数数据集
284 0
Google Earth Engine ——Landsat 5 TM合成影像8天/32天/年际归一化植被指数(NDVI)指数数据集
Google Earth Engine ——LANDSAT 4系列归一化植被指数NDVI——8天/32天/年际合成数据集
Google Earth Engine ——LANDSAT 4系列归一化植被指数NDVI——8天/32天/年际合成数据集
202 0
Google Earth Engine ——LANDSAT 4系列归一化植被指数NDVI——8天/32天/年际合成数据集
|
UED
Google Earth Engine——植被统计数据集中的图像包含用于计算NTT的 “反转校正t统计“,NTT是由MODIS NDVI得出的植被颜色指数,FORMA用来测量褐化。
Google Earth Engine——植被统计数据集中的图像包含用于计算NTT的 “反转校正t统计“,NTT是由MODIS NDVI得出的植被颜色指数,FORMA用来测量褐化。
137 0
Google Earth Engine——植被统计数据集中的图像包含用于计算NTT的 “反转校正t统计“,NTT是由MODIS NDVI得出的植被颜色指数,FORMA用来测量褐化。

热门文章

最新文章