Google Earth Engine——Oxford MAP TCW: Malaria Atlas Project Gap-Filled Tasseled Cap Wetness数据集

简介: Google Earth Engine——Oxford MAP TCW: Malaria Atlas Project Gap-Filled Tasseled Cap Wetness数据集

This gap-filled Tasseled Cap Wetness (TCW) dataset was created by applying the tasseled-cap equations defined in Lobser and Cohen (2007) to MODIS BRDF-corrected imagery (MCD43B4). The resulting data were gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by factors such as cloud cover, and then the data were aggregated temporally and spatially to produce the monthly ≈5km product.

This dataset was produced by Harry Gibson and Daniel Weiss of the Malaria Atlas Project (Big Data Institute, University of Oxford, United Kingdom, [http://www.map.ox.ac.uk/] (http://www.map.ox.ac.uk/)).


这个填补空白的流苏帽湿润度(TCW)数据集是通过将Lobser和Cohen(2007)定义的流苏帽方程应用于MODIS BRDF校正图像(MCD43B4)而创建的。使用Weiss等人(2014)中概述的方法对所得到的数据进行填补,以消除由云层等因素造成的数据缺失,然后对数据进行时间和空间上的汇总,产生每月的≈5km产品。

该数据集由Malaria Atlas项目的Harry Gibson和Daniel Weiss制作(英国牛津大学大数据研究所,[http://www.map.ox.ac.uk/] (http://www.map.ox.ac.uk/))。

Dataset Availability

2001-02-01T00:00:00 - 2015-01-01T00:00:00

Dataset Provider

Oxford Malaria Atlas Project

Collection Snippet

ee.ImageCollection("Oxford/MAP/TCW_5km_Monthly")

Resolution

5000 meters

Bands Table

Name Description Min* Max* Units
Mean The mean value of Tasseled Cap Wetness for each aggregated pixel. -0.84 0.96
FilledProportion A quality control band that indicates the percentage of each resulting pixel that was comprised of raw data (as opposed to gap-filled estimates). 0 100 %


* = Values are estimated

数据引用:

Weiss, D.J., P.M. Atkinson, S. Bhatt, B. Mappin, S.I. Hay & P.W. Gething (2014) An effective approach for gap-filling continental scale remotely sensed time-series. ISPRS Journal of Photogrammetry and Remote Sensing, 98, 106-118.

Lobser, S.E. & Cohen, W.B. (2007) MODIS tasselled cap: land cover characteristics expressed through transformed MODIS data. International Journal of Remote Sensing, 28, 5079-5101.

代码:

var dataset = ee.ImageCollection('Oxford/MAP/TCW_5km_Monthly')
                  .filter(ee.Filter.date('2013-01-01', '2013-12-31'));
var tcw = dataset.select('Mean');
var tcwVis = {
  min: -0.6,
  max: 0.5,
  palette: [
    'ffffff', 'fcd163', '99b718', '66a000', '3e8601', '207401', '056201',
    '004c00', '011301'
  ],
};
Map.setCenter(-44.65, 22.59, 2);
Map.addLayer(tcw, tcwVis, 'TCW');


相关文章
|
1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~
1077 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
1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
45 0
|
1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
144 0
|
1月前
|
Android开发
如何在Android真机上检测是否有Google Map add-on
如何在Android真机上检测是否有Google Map add-on
21 3
|
1月前
|
Shell
android2.3.4没有google map的真机上增加google map(原创)
android2.3.4没有google map的真机上增加google map(原创)
21 4
|
1月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
305 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
1月前
|
数据处理
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
42 0
|
1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
62 0
|
1月前
|
编解码
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
35 0
|
1月前
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
93 0