Google Earth Engine ——高级星载热辐射和反射辐射计全球发射率数据库(ASTER-GED)地表温度数据集

简介: Google Earth Engine ——高级星载热辐射和反射辐射计全球发射率数据库(ASTER-GED)地表温度数据集

The Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Emissivity Database (ASTER-GED) was developed by the National Aeronautics and Space Administration's (NASA) Jet Propulsion Laboratory (JPL), California Institute of Technology. This product includes the mean emissivity and standard deviation for all 5 ASTER Thermal Infrared bands, mean land surface temperature (LST) and standard deviation, a re-sampled ASTER GDEM, land-water mask, mean Normalized Difference Vegetation Index (NDVI) and standard deviation, and observation count.

ASTER-GED land surface temperature and emissivity (LST&E) are generated using the ASTER Temperature Emissivity Separation (TES) algorithm in combination with a Water Vapor Scaling (WVS) atmospheric correction method using MODIS MOD07 atmospheric profiles and the MODTRAN 5.2 radiative transfer model.

This product was derived from clear-sky pixels for all available ASTER data (2000-2008).

[User's Guide] (https://lpdaac.usgs.gov/documents/120/ASTERGED_User_Guide_V3.pdf)


高级星载热辐射和反射辐射计全球发射率数据库(ASTER-GED)是由美国国家航空航天局(NASA)加州理工学院喷气推进实验室(JPL)开发。该产品包括所有5个ASTER热红外波段的平均发射率和标准差,平均陆地表面温度(LST)和标准差,重新采样的ASTER GDEM,陆地-水掩码,平均归一化植被指数(NDVI)和标准差,以及观测次数。

ASTER-GED地表温度和发射率(LST&E)是使用ASTER温度发射率分离(TES)算法,结合水汽缩放(WVS)大气校正方法,使用MODIS MOD07大气剖面和MODTRAN 5.2辐射传输模型生成。

这个产品是由所有可用的ASTER数据(2000-2008)的晴空像素得出的。

[用户指南] (https://lpdaac.usgs.gov/documents/120/ASTERGED_User_Guide_V3.pdf)

Dataset Availability

2000-01-01T00:00:00 - 2008-12-31T00:00:00

Dataset Provider

NASA LP DAAC at the USGS EROS Center

Collection Snippet

ee.Image("NASA/ASTER_GED/AG100_003")

Resolution

100 meters

Bands Table

Name Description Min Max Units Scale
emissivity_band10 Mean band 10 0 1000 0.001
emissivity_band11 Mean band 11 0 1000 0.001
emissivity_band12 Mean band 12 0 1000 0.001
emissivity_band13 Mean band 13 0 1000 0.001
emissivity_band14 Mean band 14 0 1000 0.001
emissivity_sdev_band10 Standard deviation band 10 -1000 1000 0.0001
emissivity_sdev_band11 Standard deviation band 11 -1000 1000 0.0001
emissivity_sdev_band12 Standard deviation band 12 -1000 1000 0.0001
emissivity_sdev_band13 Standard deviation band 13 -1000 1000 0.0001
emissivity_sdev_band14 Standard deviation band 14 -1000 1000 0.0001
temperature Temperature mean 0 65535 K 0.01
temperature_sdev Temperature standard deviation 0 65535 K 0.01
ndvi NDVI mean 0 100 0.01
ndvi_sdev NDVI standard deviation 0 100 0.01
elevation ASTER Global Digital Elevation Model V002 -500 9000 Meters 0
land_water_map Land water map 0
num_obs Number of observations Number per pixel 0


* = Values are estimated

Class Table: land_water_map

Value Color Color Value Description
1 #brown Land
2 #blue Water


使用说明:

ASTER data and products distributed by the LP DAAC, with the exception of the ASTER Global Digital Elevation Model (GDEM) dataset (ASTGTM) version 2 (v2), have no restrictions on data use, sale, or subsequent redistribution. For more information visit the [ASTER Policies] (LP DAAC - Data Citation and Policies) site.

引用:

Please visit LP DAAC 'Citing Our Data' page for information on citing LP DAAC datasets.https://doi.org/10.5067/COMMUNITY/ASTER_GED/AG100.003

代码:

var dataset = ee.Image('NASA/ASTER_GED/AG100_003');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -15.0,
  max: 5000.0,
  palette: [
    '0602ff', '235cb1', '307ef3', '269db1', '30c8e2', '32d3ef', '3ae237',
    'b5e22e', 'd6e21f', 'fff705', 'ffd611', 'ffb613', 'ff8b13', 'ff6e08',
    'ff500d', 'ff0000', 'de0101', 'c21301'
  ],
};
Map.setCenter(89.12, 37.72, 3);
Map.addLayer(elevation, elevationVis, 'Elevation');


相关文章
|
8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~
2753 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
8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
105 0
|
8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
257 0
|
8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
124 0
|
13天前
|
存储 Oracle 关系型数据库
数据库传奇:MySQL创世之父的两千金My、Maria
《数据库传奇:MySQL创世之父的两千金My、Maria》介绍了MySQL的发展历程及其分支MariaDB。MySQL由Michael Widenius等人于1994年创建,现归Oracle所有,广泛应用于阿里巴巴、腾讯等企业。2009年,Widenius因担心Oracle收购影响MySQL的开源性,创建了MariaDB,提供额外功能和改进。维基百科、Google等已逐步替换为MariaDB,以确保更好的性能和社区支持。掌握MariaDB作为备用方案,对未来发展至关重要。
39 3
|
13天前
|
安全 关系型数据库 MySQL
MySQL崩溃保险箱:探秘Redo/Undo日志确保数据库安全无忧!
《MySQL崩溃保险箱:探秘Redo/Undo日志确保数据库安全无忧!》介绍了MySQL中的三种关键日志:二进制日志(Binary Log)、重做日志(Redo Log)和撤销日志(Undo Log)。这些日志确保了数据库的ACID特性,即原子性、一致性、隔离性和持久性。Redo Log记录数据页的物理修改,保证事务持久性;Undo Log记录事务的逆操作,支持回滚和多版本并发控制(MVCC)。文章还详细对比了InnoDB和MyISAM存储引擎在事务支持、锁定机制、并发性等方面的差异,强调了InnoDB在高并发和事务处理中的优势。通过这些机制,MySQL能够在事务执行、崩溃和恢复过程中保持
42 3
|
13天前
|
SQL 关系型数据库 MySQL
数据库灾难应对:MySQL误删除数据的救赎之道,技巧get起来!之binlog
《数据库灾难应对:MySQL误删除数据的救赎之道,技巧get起来!之binlog》介绍了如何利用MySQL的二进制日志(Binlog)恢复误删除的数据。主要内容包括: 1. **启用二进制日志**:在`my.cnf`中配置`log-bin`并重启MySQL服务。 2. **查看二进制日志文件**:使用`SHOW VARIABLES LIKE 'log_%';`和`SHOW MASTER STATUS;`命令获取当前日志文件及位置。 3. **创建数据备份**:确保在恢复前已有备份,以防意外。 4. **导出二进制日志为SQL语句**:使用`mysqlbinlog`
54 2
|
26天前
|
关系型数据库 MySQL 数据库
Python处理数据库:MySQL与SQLite详解 | python小知识
本文详细介绍了如何使用Python操作MySQL和SQLite数据库,包括安装必要的库、连接数据库、执行增删改查等基本操作,适合初学者快速上手。
181 15
|
20天前
|
SQL 关系型数据库 MySQL
数据库数据恢复—Mysql数据库表记录丢失的数据恢复方案
Mysql数据库故障: Mysql数据库表记录丢失。 Mysql数据库故障表现: 1、Mysql数据库表中无任何数据或只有部分数据。 2、客户端无法查询到完整的信息。
|
27天前
|
关系型数据库 MySQL 数据库
数据库数据恢复—MYSQL数据库文件损坏的数据恢复案例
mysql数据库文件ibdata1、MYI、MYD损坏。 故障表现:1、数据库无法进行查询等操作;2、使用mysqlcheck和myisamchk无法修复数据库。