JRC Monthly Water History, v1.4数据集

简介: JRC Monthly Water History, v1.4数据集

简介:

JRC Monthly Water History产品,是利用1984至2020年获取的landsat5、landsat7和landsat8的卫星影像,生成的一套30米分辨率的全球地表水覆盖的月度地表水监测地图集。该数据集共有442景数据,包含1984年3月至2020年12月间的月度水体检测情况,用户可以在全球尺度上按地区回溯某月份水体检测情况。前言 – 人工智能教程

JRC Monthly Water History是由欧盟联合研究中心(JRC)开发的一个水文数据库产品,旨在提供全球各种水文变量(如气温、降水、雪深、蒸发等)的历史记录。该数据库涵盖了从1950年到当前时间的全球范围内的水文数据,并以月为单位进行更新。这些数据可以用于研究全球水资源的变化和管理,以及进行气候变化和生态系统研究等应用。JRC Monthly Water History可以通过JRC的网站免费在线访问和下载。

地表水数据可以用于许多领域,以下是一些主要的应用:

1.水资源管理:地表水数据可以帮助决策者制定水资源管理策略,了解水的可用性和质量,进行水资源规划和管理。

2.环境保护:地表水数据可以帮助评估水体质量,确定水体污染源和潜在的生态风险,以保护水体生态系统。

3.气候变化:地表水数据是了解气候变化影响的关键指标,可以用于监测水文循环的变化,预测洪涝和干旱的发生和影响,以及评估水资源的可持续性。

4.灾害管理:地表水数据可以帮助监测和预警洪涝、干旱、水文灾害等天气事件,以及评估水文灾害对人类和生态系统的影响。

总之,地表水数据对于社会、经济和环境可持续发展具有重要意义,能够提供有关水资源状况和管理的有用信息。

数据集ID:

GSW1_4/MonthlyHistory

时间范围: 1984年-2020年

范围: 全球

来源: EC JRC/Google

复制代码段:

var images = pie.ImageCollection("GSW1_4/MonthlyHistory")

名称 类型 空间分辨率(m) 无效值 描述信息
water byte 30 255 月度水体监测情况
Bitmask for water
  • Bit 0-1: Water detection
    • 0: No data
    • 1: Not water
    • 2: Water

代码:

/**
 * @File    :   GlobalSurfaceWater
 * @Time    :   2022/3/29
 * @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JRC Monthly Water History, v1.4数据集
 */
//加载JRC Monthly Water History, v1.4数据集
var dataset = pie.ImageCollection('GSW1_4/MonthlyHistory')
                 .filterDate("1984-04-01","1984-05-01")
                 .select("water")
                 .mosaic()
print("dataset",dataset);
//设置预览参数
var visualization = {
  min: 0.0,
  max: 2.0,
  palette: ['ffffff', 'fffcb8', '0905ff']
};
//定位地图中心及缩放级别
Map.setCenter(121.2,29.09, 7);
//加载显示影像
Map.addLayer(dataset, visualization,"dataset")

数据引用:Jean-Francois Pekel, Andrew Cottam, Noel Gorelick, Alan S. Belward, High-resolution mapping of global surface water and its long-term changes. Nature 540, 418-422 (2016). (doi:10.1038/nature20584)

相关文章
|
7月前
|
数据采集 编解码 人工智能
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
82 0
|
4月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-算法】Memory augmented echo state network for time series prediction
本文介绍了一种记忆增强的回声状态网络(MA-ESN),它通过在储层中引入线性记忆模块和非线性映射模块来平衡ESN的记忆能力和非线性映射能力,提高了时间序列预测的性能,并在多个基准数据集上展示了其优越的记忆能力和预测精度。
34 3
【博士每天一篇文献-算法】Memory augmented echo state network for time series prediction
|
7月前
|
编解码 人工智能
全球地表水数据集JRC Global Surface Water Mapping Layers, v1.2数据
全球地表水数据集JRC Global Surface Water Mapping Layers, v1.2数据
130 0
|
数据可视化 数据挖掘
【论文解读】Dual Contrastive Learning:Text Classification via Label-Aware Data Augmentation
北航出了一篇比较有意思的文章,使用标签感知的数据增强方式,将对比学习放置在有监督的环境中 ,下游任务为多类文本分类,在低资源环境中进行实验取得了不错的效果
455 0
|
运维 安全 数据挖掘
Outlier and Outlier Analysis|学习笔记
快速学习 Outlier and Outlier Analysis
Outlier and Outlier Analysis|学习笔记
|
Java
HDU - 2018 Multi-University Training Contest 3 - 1012: Visual Cube
HDU - 2018 Multi-University Training Contest 3 - 1012: Visual Cube
133 0
HDU - 2018 Multi-University Training Contest 3 - 1012: Visual Cube
|
编解码 ice
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集
149 0
Google Earth Engine ——MYD13A1/A2.006 Aqua Vegetation Indices 8/16-Day Global 500m(NDVI和EVI)指数数据集
|
编解码 ice
Google Earth Engine ——MYD13Q1.006 Aqua Vegetation Indices 16-Day Global 250m分辨率(NDVI/EVI)数据集
Google Earth Engine ——MYD13Q1.006 Aqua Vegetation Indices 16-Day Global 250m分辨率(NDVI/EVI)数据集
219 0
Google Earth Engine ——MYD13Q1.006 Aqua Vegetation Indices 16-Day Global 250m分辨率(NDVI/EVI)数据集
Google Earth Engine ——MODIS Terra/Aqua Daily NDVI数据集
Google Earth Engine ——MODIS Terra/Aqua Daily NDVI数据集
365 0
Google Earth Engine ——MODIS Terra/Aqua Daily NDVI数据集

热门文章

最新文章