基于ALOS PALSAR 和 Landsat(光学)数据 2010 年全球红树林基线图数据集(gee和官网都可以下载)

简介: 基于ALOS PALSAR 和 Landsat(光学)数据 2010 年全球红树林基线图数据集(gee和官网都可以下载)

GMW 使用 ALOS PALSAR 和 Landsat(光学)数据生成了 2010 年全球红树林基线图,以及从 JERS-1 SAR、ALOS PALSAR 和 ALOS-2 PALSAR-2 得出的 1996 年至 2016 年六个时期的基线变化. 年度地图计划从 2018 年开始。

更新数据集:https : //www.globalmangrovewatch.org/datasets/

数据引用:

引文:

Bunting P., Rosenqvist A., Lucas R., Rebelo L-M., Hilarides L., Thomas N., Hardy A., Itoh T., Shimada M. and Finlayson C.M. (2018). The Global Mangrove Watch – a New 2010 Global Baseline of Mangrove Extent. Remote Sensing 10(10): 1669. doi: 10.3390/rs1010669.
Thomas N, Lucas R, Bunting P, Hardy A, Rosenqvist A, Simard M. (2017). Distribution and drivers of global ma

 

谷歌云计算平台数据集:(分辨率:0.8度约30m)

var gmw2007 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2007_v2");
var gmw2008 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2008_v2");
var gmw2009 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2009_v2");
var gmw2010 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2010_v2");
var gmw2015 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2015_v2");
var gmw2016 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_2016_v2");
var gmw1996 = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/GMW_1996_v2");
Map.addLayer(ee.Image().paint(gmw1996,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 1996')
Map.addLayer(ee.Image().paint(gmw2007,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2007')
Map.addLayer(ee.Image().paint(gmw2008,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2008')
Map.addLayer(ee.Image().paint(gmw2009,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2009')
Map.addLayer(ee.Image().paint(gmw2010,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2010')
Map.addLayer(ee.Image().paint(gmw2015,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2015')
Map.addLayer(ee.Image().paint(gmw2016,0,3), {"palette":["228B22"]}, 'Global Mangrove Watch 2015')

各个图层的显示

 


相关文章
|
6月前
|
机器学习/深度学习 传感器 算法
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
229 0
|
6月前
|
传感器 编解码 区块链
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
172 0
|
6月前
|
人工智能
Google Earth Engine(GEE)——全球1公里的云量MODIS图像数据集
Google Earth Engine(GEE)——全球1公里的云量MODIS图像数据集
139 0
Google Earth Engine(GEE)——全球1公里的云量MODIS图像数据集
成信大ENVI_IDL第二周实验内容:提取所有MODIS气溶胶产品中AOD+详细解析
成信大ENVI_IDL第二周实验内容:提取所有MODIS气溶胶产品中AOD+详细解析
207 0
|
6月前
|
编解码 人工智能 移动开发
GEE数据集——geeSEBAL-MODIS 南美洲大陆尺度蒸散发产品
GEE数据集——geeSEBAL-MODIS 南美洲大陆尺度蒸散发产品
141 0
|
6月前
|
API Python
GEE python:创建逐月影像以Landsat 5TOA影像为例
GEE python:创建逐月影像以Landsat 5TOA影像为例
65 0
|
6月前
|
人工智能
Google Earth Engine (GEE) ——gee中自带的Landsat8和5数据集对于温度波段的映射出现无法运行的情况
Google Earth Engine (GEE) ——gee中自带的Landsat8和5数据集对于温度波段的映射出现无法运行的情况
100 0
|
6月前
|
编解码 算法
Google Earth Engine(GEE)——遍历提取多年MODIS影像所有土地分类的面积
Google Earth Engine(GEE)——遍历提取多年MODIS影像所有土地分类的面积
112 0
|
6月前
|
定位技术
高分GF与环境HJ系列国产卫星遥感影像数据图像免费批量下载方法
高分GF与环境HJ系列国产卫星遥感影像数据图像免费批量下载方法
166 1
|
编解码
Google Earth Engine(GEE)——哥白尼大气监测 (CAMS) 全球气溶胶AOI近实时观测数据集
Google Earth Engine(GEE)——哥白尼大气监测 (CAMS) 全球气溶胶AOI近实时观测数据集
396 0
Google Earth Engine(GEE)——哥白尼大气监测 (CAMS) 全球气溶胶AOI近实时观测数据集
下一篇
无影云桌面