Google Earth Engine ——Google Earth Engine ——ALOS World 3D - 30m (AW3D30) 是一个全球数字表面模型 (DSM) V2_2版本数据集

简介: Google Earth Engine ——Google Earth Engine ——ALOS World 3D - 30m (AW3D30) 是一个全球数字表面模型 (DSM) V2_2版本数据集

ALOS World 3D - 30m (AW3D30) is a global digital surface model (DSM) dataset with a horizontal resolution of approximately 30 meters (1 arcsec mesh). The dataset is based on the DSM dataset (5-meter mesh version) of the World 3D Topographic Data. More details are available in the dataset documentation.

Version 2.2, released in April 2019 is an improved version of the northern region over 60 degrees north. Along with the complement of no-data or low-quality area, updating of coastline was also performed.


The AW3D DSM elevation is calculated by an image matching process that uses a stereo pair of optical images. Clouds, snow, and ice are automatically identified during processing and applied the mask information. However, mismatched points sometimes remain especially surrounding (or at the edges of) clouds, snow, and ice areas, which cause some height errors in the final DSM. Here are some example areas with data values outside of valid elevation range. Impossibly low negative values are concentrated in Antarctica around (-63.77, -61.660), (-77.22, -150.27), and (-73.29, 168.14); in Indonesia around (-5.36, 134.55); in Brazil around (-1.667113844, -50.6269684); and in Peru around (-10.45048137, -75.39459876) with approximate values of -1013, -998, -635, and -610 respectively. Impossibly high positive values are found in several locations in the Arctic around (79.83, -77.67) and (69.54, -75.42); in Fiji around (-16.58, 179.44) and (-18.96, 178.39); and in Nepal around (28.50, 84.56) with approximate values of 15369, 15213, and 10900 respectively.


ALOS World 3D - 30m (AW3D30) 是一个全球数字表面模型 (DSM) 数据集,水平分辨率约为 30 米(1 弧秒网格)。该数据集基于 World 3D Topographic Data 的 DSM 数据集(5 米网格版本)。数据集文档中提供了更多详细信息。


2019 年 4 月发布的 2.2 版是对北纬 60 度以上的北部地区的改进版本。在补充无数据或低质量区域的同时,还进行了海岸线的更新。


AW3D DSM 高程是通过使用一对立体光学图像的图像匹配过程计算出来的。云、雪和冰在处理过程中自动识别并应用蒙版信息。然而,不匹配的点有时会特别存在于云、雪和冰区周围(或边缘),这会导致最终 DSM 中出现一些高度错误。以下是一些数据值超出有效海拔范围的示例区域。极低的负值集中在南极洲 (-63.77, -61.660)、(-77.22, -150.27) 和 (-73.29, 168.14) 附近;在印度尼西亚附近 (-5.36, 134.55);在巴西附近 (-1.667113844, -50.6269684);在秘鲁 (-10.45048137, -75.39459876) 附近,近似值分别为 -1013、-998、-635 和 -610。在北极的几个位置(79.83,-77.67)和(69.54,-75.42)附近发现了不可能的高正值;在斐济大约 (-16.58, 179.44) 和 (-18.96, 178.39);在尼泊尔 (28.50, 84.56) 附近,近似值分别为 15369、15213 和 10900。

Dataset Availability

2006-01-24T00:00:00 - 2011-05-12T00:00:00

Dataset Provider

JAXA Earth Observation Research Center

Collection Snippet

Copied

ee.Image("JAXA/ALOS/AW3D30/V2_2")

Resolution

30 meters

Bands Table

Name Description Min* Max*
AVE_DSM Height above sea level. Signed 16 bits (Little endian) raster data. Elevation (in meter) converted from the ellipsoidal height based on ITRF97 and GRS80, using EGM96†1 geoid model. -1054 15355
AVE_STK Stacking number of the scene unit DSM used in producing DSM. The band is derived by resampling the stacking number for 5m resolution DSM to 30m resolution. 0 54
AVE_MSK 8-bit mask for the ave band.
AVE_MSK Bitmask
  • Bits 0-7: Generated from resampled DSM.
    • 0: Valid
    • 1: Cloud and snow mask (invalid).
    • 2: Land water and low correlation mask (valid).
    • 3: Sea mask (valid).
    • 4: Void filled with GSI DTM (valid).
    • 8: Void filled with Shuttle Radar Topography Mission SRTM-1 Version 3 (valid).
    • 12: Void filled with PRISM DSM (valid).
    • 24: Void filled with ASTER GDEM v2 (valid).
    • 28: Void filled with ArcticDEM v2 (valid).
    • 252: Void filled with applied IDW method (gdal_fillnodata) (valid)


* = Values are estimated

数据引用说明:

This dataset is available to use with no charge under the conditions specified in the Terms of use for ALOS Global Digital Surface Model.

T. Tadono, H. Ishida, F. Oda, S. Naito, K. Minakawa, H. Iwamoto : Precise Global DEM Generation By ALOS PRISM, ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.II-4, pp.71-76, 2014. PDF file

J. Takaku, T. Tadono, K. Tsutsui : Generation of High Resolution Global DSM from ALOS PRISM, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XL-4, pp.243-248, ISPRS, 2014. PDF file

J. Takaku, T. Tadono, K. Tsutsui, M. Ichikawa : Validation of ‘AW3D’ Global DSM Generated from ALOS PRISM, ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.III-4, pp.25-31, 2016. PDF file

T. Tadono, H. Nagai, H. Ishida, F. Oda, S. Naito, K. Minakawa, H. Iwamoto : Initial Validation of the 30 m-mesh Global Digital Surface Model Generated by ALOS PRISM, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, Vol. XLI-B4, pp.157-162, 2016. PDF file


代码:

var dataset = ee.Image('JAXA/ALOS/AW3D30/V2_2');
var elevation = dataset.select('AVE_DSM');
var elevationVis = {
  min: -9999,
  max: 15355,
  palette: ['0000ff', '00ffff', 'ffff00', 'ff0000', 'ffffff'],
};
Map.setCenter(136.85, 37.37, 4);
Map.addLayer(elevation, elevationVis, 'Elevation');


相关文章
|
7月前
|
人工智能 自然语言处理 API
Google Gemma 模型服务:开放的生成式 AI 模型服务
Google Gemma 模型服务:开放的生成式 AI 模型服务
229 4
|
7月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
101 0
|
7月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
251 0
|
7月前
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
141 0
|
7月前
|
运维 监控 Serverless
一键开启 GPU 闲置模式,基于函数计算低成本部署 Google Gemma 模型服务
本文介绍如何使用函数计算 GPU 实例闲置模式低成本、快速的部署 Google Gemma 模型服务。
165015 58
|
6月前
|
人工智能 自然语言处理 机器人
[AI Google] 新的生成媒体模型和工具,专为创作者设计和构建
探索谷歌最新的生成媒体模型:用于高分辨率视频生成的 Veo 和用于卓越文本生成图像能力的 Imagen 3。还可以了解使用 Music AI Sandbox 创作的新演示录音。
[AI Google] 新的生成媒体模型和工具,专为创作者设计和构建
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
【2月更文挑战第15天】再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
280 1
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
|
7月前
|
人工智能
Google Earth Engine(GEE)——1984-2019年美国所有土地上的大火烧伤严重程度和范围数据集
Google Earth Engine(GEE)——1984-2019年美国所有土地上的大火烧伤严重程度和范围数据集
76 0
|
7月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2690 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
7月前
|
编解码 人工智能 数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
165 0