Google Earth Engine——Arctic北极DEM是一个数字表面模型(DSM),描绘了包括植被、树冠、建筑物和其他人造表面特征在内的第一回的高程值,2米/5米分辨率

简介: Google Earth Engine——Arctic北极DEM是一个数字表面模型(DSM),描绘了包括植被、树冠、建筑物和其他人造表面特征在内的第一回的高程值,2米/5米分辨率

ArcticDEM is a digital surface model (DSM) that portrays first-return elevation values that include vegetation, tree canopy, buildings, and other man-made surface features. The 2m asset is a collection of strips rather than a single mosaic due to projection differences between strips.

 

Strip DEM files correspond to the overlapping area of the input stereopair image swaths as they are collected by DigitalGlobe’s constellation of polar-orbiting satellites. Strip DEM dimensions will vary according to the satellite sensor that acquired the images and the off-nadir angle of collection. Most strips are between 16km and 18km in width, and 110km and 120km in length.


ArcticDEM是一个数字表面模型(DSM),描绘了包括植被、树冠、建筑物和其他人造表面特征在内的第一回的高程值。由于条带之间的投影差异,2米分辨率是一个条带的集合,而不是一个单一的镶嵌。

条状DEM文件对应于输入的立体影像扫描的重叠区域,因为它们是由DigitalGlobe的极地轨道卫星群收集的。带状DEM的尺寸将根据获取图像的卫星传感器和收集的偏离天顶的角度而变化。大多数条带的宽度在16公里到18公里之间,长度在110公里到120公里之间。

Dataset Availability

2009-08-16T00:00:00 - 2017-03-12T00:00:00

Dataset Provider

University of Minnesota Polar Geospatial Center

Collection Snippet

ee.ImageCollection("UMN/PGC/ArcticDEM/V2/2m")

Resolution

2 meters

Bands Table

Name Description Units
elevation Elevation Meters
matchtag Bitmask raster indicating DEM pixels processing
matchtag Bitmask
  • Bit 0: Pixel processing
    • 0: Pixels have been interpolated
    • 1: Pixels are derived from a stereo match

使用说明:

National Science Foundation (PGC’s primary funding source) policy requires researchers to acknowledge NSF support in all publications, web pages, and media interviews.

By using PGC data in Earth Engine, users agree to cite PGC and its sponsorship by the NSF. The original source of any third-party data supplied by PGC must also be properly attributed.

For more information see the PGC's Acknowledgement Policy.

引用:

DEM(s) created by the Polar Geospatial Center from DigitalGlobe, Inc. imagery.

代码:

var dataset = ee.ImageCollection('UMN/PGC/ArcticDEM/V2/2m');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -50.0,
  max: 1000.0,
  palette: ['0d13d8', '60e1ff', 'ffffff'],
};
Map.setCenter(-63.402, 66.368, 7);
Map.addLayer(elevation, elevationVis, 'Elevation');

其他版本:

UMN_PGC_ArcticDEM_V2_5m

var dataset = ee.Image('UMN/PGC/ArcticDEM/V2/5m');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -50.0,
  max: 1000.0,
  palette: ['0d13d8', '60e1ff', 'ffffff'],
};
Map.setCenter(-63.402, 66.368, 7);
Map.addLayer(elevation, elevationVis, 'Elevation');

UMN_PGC_ArcticDEM_V3_2m

var dataset = ee.ImageCollection('UMN/PGC/ArcticDEM/V3/2m');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -50.0,
  max: 1000.0,
  palette: ['0d13d8', '60e1ff', 'ffffff'],
};
Map.setCenter(-63.402, 66.368, 7);
Map.addLayer(elevation, elevationVis, 'Elevation');

UMN_PGC_ArcticDEM_V3_2m_mosaic

var dataset = ee.Image('UMN/PGC/ArcticDEM/V3/2m_mosaic');
var elevation = dataset.select('elevation');
var elevationVis = {
  min: -50.0,
  max: 1000.0,
  palette: ['0d13d8', '60e1ff', 'ffffff'],
};
Map.setCenter(-63.402, 66.368, 7);
Map.addLayer(elevation, elevationVis, 'Elevation');


相关文章
|
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
|
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
|
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
|
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
|
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
|
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
|
7月前
|
数据采集 编解码 人工智能
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
243 0