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)

目录
打赏
0
0
0
0
208
分享
相关文章
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
183 0
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
162 0
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 ——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
230 0
Google Earth Engine ——MYD13Q1.006 Aqua Vegetation Indices 16-Day Global 250m分辨率(NDVI/EVI)数据集
[20170603]12c Top Frequency histogram.txt
[20170603]12c Top Frequency histogram.txt --//个人对直方图了解很少,以前2种直方图类型对于目前的许多应用来讲已经足够,或者讲遇到的问题很少.
1004 0
文献解读-Genome-wide imputation using the practical haplotype graph in the heterozygous crop cassava
PHG是一种将基因组简化为一组单倍型的方法。这种方法可用于从稀疏的基因分型信息中预测杂合子物种中的全基因组单倍型。它的高精度,特别是在稀有等位基因中,在非常低的测序深度下,使其成为一种潜在的强大插补工具。
67 4
(转) How to Train a GAN? Tips and tricks to make GANs work
How to Train a GAN? Tips and tricks to make GANs work 转自:https://github.com/soumith/ganhacks    While research in Generative Adversarial Networks (G...
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
GEOVIS Earth Brain:LANDSAT_5/02/T1/RAW数据集
101 0