全球人类足迹数据(WSF)数据

简介: 全球人类足迹数据(WSF)数据

简介:

全球人类足迹数据(WSF)是由德国航空航天中心(DLR)和地球观测中心(EOC)共同发布的,包括2015和2019两个版本,分别利用landsat-8/Sentinel-1、Sentinel-1/Sentinel-2数据,和采集的居民区/非居民区样本点,基于随机森林分类法进行分类,及一定的后处理,并使用辅助数据来减少遗漏和误差后生成的。前言 – 人工智能教程

该数据的空间分辨率为10m。

全球人类足迹是指人类在地球上活动的痕迹,包括建筑、交通、能源利用和废弃物等。对全球人类足迹进行数据分析可以帮助我们更好地了解人类活动对地球环境和资源的影响,以及如何更好地管理和保护这些资源。

具体来说,全球人类足迹数据可用于以下方面:

1. 环境保护和可持续发展。通过分析人类活动对地球的影响,可以制定和实施更有效的环境政策和可持续发展战略。

2. 自然灾害风险评估。全球人类足迹数据可以帮助我们了解哪些地区更容易受到自然灾害的影响,从而采取适当的预防和减灾措施。

3. 城市规划和交通规划。全球人类足迹数据可以帮助城市规划者更好地了解城市交通和建筑的使用情况,从而优化城市规划和交通规划。

4. 资源管理和利用。通过分析人类活动对自然资源的消耗和影响,可以更好地管理和保护这些资源,以保证其可持续利用。

综上所述,全球人类足迹数据在环境保护、可持续发展、自然灾害风险评估、城市规划和资源管理等方面起着重要作用。

数据集ID:

EOC/WSF

时间范围: 2015年-2019年

范围: 全球

来源: EOC

复制代码段:

var images = pie.ImageCollection("EOC/WSF")

名称 类型 无效值 空间分辨率(m) 描述信息
B1 Byte 0 10m 时间范围不连续,为2015年和2019年两年的全球人类足迹数据。以2度*2度的多个网格影像覆盖全球范围。

 

date

string

影像日期

lat

int

纬度

lon

int

经度

version

string

版本号

代码:

/**
* @File    :   全球人类足迹数据(WSF)数据
* @Time    :   2021/12/27
* @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    :   加载全球人类足迹数据(WSF)数据
*/
//加载全球人类足迹数据(WSF)数据
var img = pie.ImageCollection("EOC/WSF")
             .filterDate("2015-01-01", "2015-06-31")
             .select("B1")
             .mosaic();
//影像居中显示             
Map.centerObject(img,12)
//设置预览参数
var visParams = {
    min: 0,
    max: 255,
    palette: ['ffffff', '0000ff']
};
//加载显示影像
Map.addLayer(img, visParams, "img");

相关文章
|
4月前
|
存储 缓存 安全
Java集合框架(二):Set接口与哈希表原理
本文深入解析Java中Set集合的工作原理及其实现机制,涵盖HashSet、LinkedHashSet和TreeSet三大实现类。从Set接口的特性出发,对比List理解去重机制,并详解哈希表原理、hashCode与equals方法的作用。进一步剖析HashSet的底层HashMap实现、LinkedHashSet的双向链表维护顺序特性,以及TreeSet基于红黑树的排序功能。文章还包含性能对比、自定义对象去重、集合运算实战和线程安全方案,帮助读者全面掌握Set的应用与选择策略。
295 23
|
11月前
|
SQL 存储 分布式计算
Apache Doris 2.1.8 版本正式发布
该版本持续在湖仓一体、异步物化视图、查询优化器与执行引擎、存储管理等方面进行改进提升与问题修复,进一步加强系统的性能和稳定性,欢迎大家下载体验。
382 13
|
数据采集
基于R语言的GD库实现地理探测器并自动将连续变量转为类别变量
【9月更文挑战第9天】在R语言中,可通过`gd`包实现地理探测器。首先,安装并加载`gd`包;其次,准备包含地理与因变量的数据框;然后,使用`cut`函数将连续变量转换为分类变量;最后,通过`gd`函数运行地理探测器,并打印结果以获取q值等统计信息。实际应用时需根据数据特点调整参数。
589 8
遥感数据趋势分析Sen+mk
Sen's Slope估计器和Mann-Kendall趋势检验的结合,为遥感数据的长期趋势分析提供了一个强大的工具。Sen's Slope对异常值不敏感,而Mann-Kendall则能确定趋势的显著性和方向。在遥感数据的处理和分析中,正确应用这两种方法能够有效地挖掘出数据背后的环境和气候变化信息,对于科学研究和决策支持都具有重要价值。
671 3
SPSS导入数据 错误号 105
SPSS导入数据 错误号 105
494 0
|
机器学习/深度学习 编解码 人工智能
全球10米土地覆盖产品(ESA)数据集2020和2021年
全球10米土地覆盖产品(ESA)数据集2020和2021年
1004 0
|
移动开发 JSON 前端开发
[Java] 服务端消息推送汇总
[Java] 服务端消息推送汇总
594 0
|
存储 传感器 文件存储
Landsat 7遥感影像大气校正与预处理:ENVI实现
本文介绍基于ENVI软件,实现对Landsat 7遥感影像加以预处理与多种不同大气校正方法的操作~
2962 1
Landsat 7遥感影像大气校正与预处理:ENVI实现
|
SQL Oracle 关系型数据库
第三范式(3NF)
第三范式(3NF)是关系数据库设计中的规范化级别之一。它建立在第一范式(1NF)和第二范式(2NF)的基础上
1160 1
|
编解码 Java BI
高精度10m/30米NPP净初级生产力分布数据
高精度10m/30米NPP净初级生产力分布数据
高精度10m/30米NPP净初级生产力分布数据