GEE数据集——2024 年日本海地震的紧急观测数据

简介: GEE数据集——2024 年日本海地震的紧急观测数据

2024 年日本海地震的紧急观测数据

2024 年日本海地震发生在 2024 年 1 月 1 日下午 4:00 后(日本时间),造成了重大损失,包括多处建筑物倒塌、山体滑坡和火灾。应日本国内防灾机构的请求,JAXA 利用 ALOS-2 对灾害发生当晚的情况进行了紧急观测。发布的数据包括 2.1 级(GeoTIFF)和档案数据,便于进行干扰分析和变化探测,从而为减灾防灾做出贡献。值得注意的是,这些公开发布的数据用于非商业目的,包括政府和地方当局以及大学的研究。前言 – 人工智能教程

2024年1月1日16:00(日本标准时间)之后发生的能登半岛2024年大地震造成了大量建筑物损坏、山体滑坡、火灾等。JAXA应日本国内灾害管理机构等的请求,利用ALOS-2进行了紧急观测,并提供了灾害发生当日夜间的数据。JAXA 一直在提供数据。日本宇宙航空研究开发机构与国内相关机构合作,正在发布 L1.1(CEOS 格式)和 L2.1(GeoTIFF)数据以及进行干涉测量分析和变化提取所需的存档数据,以便这些紧急观测数据的分析结果有助于减灾和防灾。

这些数据仅供非商业使用,如政府和地方当局的公共使用以及大学的研究使用。如果您希望将这些数据用于商业目的,请联系 JAXA。

 

您在使用日本宇宙航空研究开发机构(以下简称 "JAXA")运营的本网站(以下简称 "本网站")上发布的资料(包括文本、图纸、图像、语音数据和视频数据)时,应遵守此处规定的条款和条件(以下简称 "使用条款")。

您浏览或链接本网站、下载或转载本网站所载资料或以其他方式使用本网站,即表示您同意接受本使用条款的约束。

使用条款可在不事先通知的情况下进行修订或更改。如果使用条款被修订或变更,JAXA 将在网站上发布新条款,以通知您相关修订或变更。即使在您浏览或链接本网站,或下载或转载本网站中的任何资料,或以其他方式使用本网站后,也请定期查看使用条款的变更情况。在发布此类修订或变更后使用本网站,即表示您接受经修订的使用条款。

请注意,合并到 JAXA 的前三个组织(即日本宇宙开发事业团(NASDA)、宇宙航空科学研究所(ISAS)和国家航空航天实验室(NAL))网站上的网站政策或同等声明已失去效力。因此,在使用这三个机构网站上的任何资料(包括文本、图纸、图像、语音数据和视频数据)时,将仅适用本使用条款。

除非另有说明,在本网站上发布的所有资料,包括文本、图纸、图像、语音数据和视频数据(以下简称 "资料")及其版权均为 JAXA 的财产,这些资料在日本国内和国际上均受到版权法和国际版权条约的保护。在使用这些资料时,请遵守 JAXA 规定的条件。

需要注意的是,根据版权法,在新闻(媒体)活动/科学研究/教育活动/和/或私人使用的范围内(例如,将资料打印出来和/或存储在硬盘上,供学校或其他非营利性教育机构的课程使用,或供个人使用、家庭使用或其他有限范围内的类似使用),您可以在未获得版权持有人(JAXA)许可的情况下使用资料。

为上述目的使用本公司资料时,请遵守以下第(2)段根据版权法规定的使用条件。但是,请注意以下用途不在上述使用范围之内。

未经JAXA事先许可,擅自使用包括宇航员在内的个人资料,以保护个人的宣传权和肖像权。

使用属于JAXA以外的其他组织的资料,包括文本、图纸、图像、副数据和视频数据。如需使用这些资料,请与上述资料的版权所有者联系。

关于使用 JAXA 标志:JAXA 标志是日本和其他国家的注册商标。除非事先获得商标持有人(JAXA)的许可,否则一般公众不得使用。

数据集预处理

为数据集中的图像添加附加元数据。添加了字段名,如 system:time_start 和 system:time_end,以便在谷歌地球引擎中对数据集进行过滤。为将数据输入谷歌地球引擎编写了自定义代码,并使用无数据值 0 进行屏蔽。

Earth Engine Snippet
var notoPeninsula = ee.ImageCollection("projects/sat-io/open-datasets/disaster/japan-earthquake-2024_ALOS");
var dates = notoPeninsula.distinct('system:time_start').aggregate_array('system:time_start')
            .map(function(feature){return ee.Date(feature)}).aside(print); 
var before =  notoPeninsula.filterDate('2024-01-01','2024-01-04');
var after = notoPeninsula.filterDate('2022-01-01','2024-01-01');
Map.addLayer(before,{min: 0.0,max: 10000.0},'before');
Map.addLayer(after,{min: 0.0,max: 10000.0},'after');
Map.setCenter(137.1901, 36.6159);

Sample Code:

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-events-layers/SEA-OF-JAPAN-EQ-2024

 

License

This publicly released data is intended for non-commercial purposes, including government and local authority use, as well as research by universities.

Please note the terms of use: JAXA | Site Policy

  • CC-BY-NC-4.0
  • CC-BY-NC-SA-4.0

Provided by: Japan Aerospace Exploration Agency (JAXA)

Year: 2024

URL: ALOSシリーズ Open and Freeデータ|ALOS@EORCホームページ

For citation details, please refer to the above URL

Curated in GEE by Samapriya Roy and Keiko Nomura

Keywords: Emergency Data, ALOS, JAPAN, Earthquake

Last updated on: 2024-01-06

 

相关文章
|
6月前
|
数据采集 数据可视化 算法
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
|
6月前
GEE案例——一个完整的火灾监测案例dNBR差异化归一化烧毁指数
GEE案例——一个完整的火灾监测案例dNBR差异化归一化烧毁指数
174 0
|
6月前
|
算法 数据挖掘
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
104 1
|
5月前
|
自然语言处理 安全 数据安全/隐私保护
不影响输出质量还能追踪溯源,大模型无偏水印入选ICLR 2024 Spotlight
【6月更文挑战第7天】研究人员提出了一种无偏水印技术,能在不降低大型语言模型(LLMs)输出质量的情况下实现追踪和归属。此方法被ICLR 2024选为Spotlight论文,保证水印不影响模型性能,保护知识产权,防止滥用。无偏水印的挑战包括设计无损模型质量的实现、有效检测及安全防范措施。[论文链接: https://openreview.net/pdf?id=uWVC5FVidc]
67 2
|
6月前
|
前端开发 数据挖掘
R语言POT超阈值模型在洪水风险频率分析中的应用研究
R语言POT超阈值模型在洪水风险频率分析中的应用研究
R语言POT超阈值模型在洪水风险频率分析中的应用研究
|
6月前
|
前端开发 数据挖掘
R语言POT超阈值模型在洪水风险频率极值分析中的应用研究
R语言POT超阈值模型在洪水风险频率极值分析中的应用研究
|
6月前
|
机器学习/深度学习
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断(上)
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
|
6月前
|
数据可视化
数量生态学冗余分析(RDA)分析植物多样性物种数据结果可视化|数据分享
数量生态学冗余分析(RDA)分析植物多样性物种数据结果可视化|数据分享
|
6月前
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断2
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
|
6月前
|
机器学习/深度学习 前端开发 数据挖掘
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断3
工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
下一篇
无影云桌面