Google Earth Engine——GTOPO30: Global 30 Arc-Second Elevation全球数字高程模型(DEM),水平网格间距为30角秒(约1公里)。

简介: Google Earth Engine——GTOPO30: Global 30 Arc-Second Elevation全球数字高程模型(DEM),水平网格间距为30角秒(约1公里)。

GTOPO30: Global 30 Arc-Second Elevation

GTOPO30 is a global digital elevation model (DEM) with a horizontal grid spacing of 30 arc seconds (approximately 1 kilometer). The DEM was derived from several raster and vector sources of topographic information. Completed in late 1996, GTOPO30 was developed over a three-year period through a collaborative effort led by the U.S. Geological Survey's Center for Earth Resources Observation and Science (EROS). The following organizations participated by contributing funding or source data: the National Aeronautics and Space Administration (NASA), the United Nations Environment Programme/Global Resource Information Database (UNEP/GRID), the U.S. Agency for International Development (USAID), the Instituto Nacional de Estadistica Geografica e Informatica (INEGI) of Mexico, the Geographical Survey Institute (GSI) of Japan, Manaaki Whenua Landcare Research of New Zealand, and the Scientific Committee on Antarctic Research (SCAR).


GTOPO30是一个全球数字高程模型(DEM),水平网格间距为30角秒(约1公里)。该DEM是由几个光栅和矢量来源的地形信息得出的。GTOPO30于1996年底完成,通过美国地质调查局的地球资源观测和科学中心(EROS)领导的合作努力,历时三年开发。以下组织通过提供资金或源数据参与其中:美国国家航空航天局(NASA)、联合国环境规划署/全球资源信息数据库(UNEP/GRID)、美国国际开发署(USAID)、墨西哥国家地理信息系统研究所(INEGI)、日本地理测量研究所(GSI)、新西兰Manaaki Whenua Landcare Research和南极研究科学委员会(SCAR)。

Dataset Availability

1996-01-01T00:00:00 - 1996-01-01T00:00:00

Dataset Provider

United States Geological Survey

Collection Snippet

Copied

ee.Image("USGS/GTOPO30")

Bands Table

Name Description Min* Max* Resolution Units
elevation Elevation -407 8752 927.67 meters Meters

* = Values are estimated

代码:

var dataset = ee.Image('USGS/GTOPO30');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -10.0,
  max: 8000.0,
  gamma: 1.6,
};
Map.setCenter(11.69, 43.9, 4);
Map.addLayer(elevation, elevationVis, 'Elevation');


相关文章
|
9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~
2911 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
9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
251 4
|
9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
294 0
|
9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。
165041 58
|
8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
|
9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
296 1
再超Transformer!Google提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
|
9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~
761 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
|
9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
126 0
|
9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
199 0
|
9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
101 0