2018 年全球建筑物高度的分布情况,分辨率为 100 米

简介: 该数据集展示了2018年全球建筑物高度的分布情况,分辨率为100米。基于ALOS、NASA雷达地形任务数据及哨兵-2图像合成,由欧盟委员会联合研究中心(EC JRC)提供。数据层名为平均净建筑高度(ANBH),可用于城市规划与研究。访问[GHSL 数据包 2023 报告](https://ghsl.jrc.ec.europa.eu/documents/GHSL_Data_Package_2023.pdf?t=1683540422)了解更多详情。

GHSL: Global building height 2018 (P2023A)

2018 年全球建筑物高度的分布情况,分辨率为 100 米

简介

该空间栅格数据集描述了全球建筑物高度的分布情况,分辨率为 100 米,时间为 2018 年。 用于预测建筑物高度的输入数据是 ALOS 全球数字地表模型(30 米)、NASA 航天飞机雷达地形任务数据(30 米)以及 2017-2018 年期间 L1C 数据的全球哨兵-2 图像合成。 有关 GHSL 数据产品的更多信息,请参阅[GHSL 数据包 2023 报告](https://ghsl.jrc.ec.europa.eu/documents/GHSL_Data_Package_2023.pdf?t=1683540422),其中建筑高度层被称为平均净建筑高度(ANBH)。 全球人类居住层(GHSL)项目由欧盟委员会、联合研究中心和区域与城市政策总局支持。

摘要
Dataset Availability

2018-01-01T00:00:00 - 2018-12-31T00:00:00

Dataset Provider

EC JRC

Collection Snippet

ee.ImageCollection("JRC/GHSL/P2023A/GHS_BUILT_H")

Resolution

100 meters

Bands Table
Name Description Units
built_height

Average building height per grid cell

m

代码
var image = ee.Image("JRC/GHSL/P2023A/GHS_BUILT_H/2018");
var built = image.select('built_height');
var visParams = {
min: 0.0,
max: 12.0,
palette: ['000000', '0d0887', '7e03a8', 'cc4778', 'f89540', 'f0f921'],
};

Map.setCenter(2.349014, 48.864716, 10);
Map.addLayer(built, visParams, 'Average building height [m], 2018');

引用

Dataset : Pesaresi, Martino; Politis, Panagiotis (2023): GHS-BUILT-S R2023A - GHS built-up surface grid, derived from Sentinel2 composite and Landsat, multitemporal (1975-2030). European Commission, Joint Research Centre (JRC). PID: http://data.europa.eu/89h/9f06f36f-4b11-47ec-abb0-4f8b7b1d72ea doi:10.2905/9F06F36F-4B11-47EC-ABB0-4F8B7B1D72EA

Methodology : Pesaresi, Martino, Marcello Schiavina, Panagiotis Politis, Sergio Freire, Katarzyna Krasnodebska, Johannes H. Uhl, Alessandra Carioli, et al. (2024). Advances on the Global Human Settlement Layer by Joint Assessment of Earth Observation and Population Survey Data. International Journal of Digital Earth 17(1). doi:10.1080/17538947.2024.2390454.

网址推荐
知识星球

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/https://www.htdrought.com/

相关文章
|
数据可视化
需求不明确该怎么办?
需求不明确该怎么办?
793 0
|
编解码 人工智能 定位技术
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)30/90m数据集
592 0
在GEE上展示影像和显示大小
在GEE上展示影像和显示大小
535 0
在GEE上展示影像和显示大小
|
9月前
|
Dart 前端开发 JavaScript
springboot自动配置原理
Spring Boot 自动配置原理:通过 `@EnableAutoConfiguration` 开启自动配置,扫描 `META-INF/spring.factories` 下的配置类,省去手动编写配置文件。使用 `@ConditionalXXX` 注解判断配置类是否生效,导入对应的 starter 后自动配置生效。通过 `@EnableConfigurationProperties` 加载配置属性,默认值与配置文件中的值结合使用。总结来说,Spring Boot 通过这些机制简化了开发配置流程,提升了开发效率。
187 17
springboot自动配置原理
|
9月前
|
SQL 安全 前端开发
对于Java代码审计,主要的审计步骤如下:
### Java代码审计简介 Java代码审计是确保应用程序安全的重要步骤,主要包括以下几个关键环节: 1. **确定项目结构与技术框架**:了解项目的整体架构和技术栈。 2. **环境搭建**:配置开发环境,确保能够正常运行项目。 3. **配置文件分析**:重点分析`pom.xml`、`web.xml`等配置文件,特别是依赖组件的版本是否存在已知漏洞。
|
9月前
|
XML Java 应用服务中间件
Spring Boot 两种部署到服务器的方式
本文介绍了Spring Boot项目的两种部署方式:jar包和war包。Jar包方式使用内置Tomcat,只需配置JDK 1.8及以上环境,通过`nohup java -jar`命令后台运行,并开放服务器端口即可访问。War包则需将项目打包后放入外部Tomcat的webapps目录,修改启动类继承`SpringBootServletInitializer`并调整pom.xml中的打包类型为war,最后启动Tomcat访问应用。两者各有优劣,jar包更简单便捷,而war包适合传统部署场景。需要注意的是,war包部署时,内置Tomcat的端口配置不会生效。
2187 17
Spring Boot 两种部署到服务器的方式
|
编解码 监控 Ubuntu
MJPG-streamer方案实现物联网视频监控
MJPG-streamer方案实现物联网视频监控
MJPG-streamer方案实现物联网视频监控
|
弹性计算 Ubuntu Linux
【幻兽帕鲁Palworld】搭建服务器配置参数说明,附阿里云幻兽帕鲁服务器搭建教程
创建幻兽帕鲁服务器配置参数说明,Palworld服务器配置参数与解释:
1865 0
|
11月前
|
自然语言处理 算法 搜索推荐
NLTK模块使用详解
NLTK(Natural Language Toolkit)是基于Python的自然语言处理工具集,提供了丰富的功能和语料库。本文详细介绍了NLTK的安装、基本功能、语料库加载、词频统计、停用词去除、分词分句、词干提取、词形还原、词性标注以及WordNet的使用方法。通过示例代码,帮助读者快速掌握NLTK的核心功能。
1956 1