JRC Global Surface Water Mapping Layers, v1.4

JRC/GSW1_4/GlobalSurfaceWater
Ketersediaan Set Data
1984-03-16T00:00:00Z–2022-01-01T00:00:00Z
Produsen Set Data
Cuplikan Earth Engine
ee.Image("JRC/GSW1_4/GlobalSurfaceWater")
Tag
change-detection geophysical google jrc landsat-derived surface surface-ground-water water

Deskripsi

Set data ini berisi peta lokasi dan distribusi temporal air permukaan dari tahun 1984 hingga 2021 serta memberikan statistik tentang luas dan perubahan permukaan air tersebut. Untuk mengetahui informasi selengkapnya, lihat artikel jurnal terkait: High-resolution mapping of global surface water and its long-term changes (Nature, 2016) dan Panduan Pengguna Data online .

Data ini dihasilkan menggunakan 4.716.475 scene dari Landsat 5, 7, dan 8 yang diperoleh antara 16 Maret 1984 dan 31 Desember 2021. Setiap piksel diklasifikasikan secara individual menjadi air / non-air menggunakan sistem pakar dan hasilnya dikumpulkan ke dalam histori bulanan untuk seluruh periode waktu dan dua zaman (1984-1999, 2000-2021) untuk deteksi perubahan.

Produk lapisan pemetaan ini terdiri dari 1 gambar yang berisi 7 band. Produk ini memetakan berbagai aspek distribusi spasial dan temporal air permukaan selama 38 tahun terakhir. Area yang tidak pernah terdeteksi air akan diberi mask.

Catatan:: nilai mask untuk band kemunculan sama dengan nilai band nilai. Artinya, jika band kemunculan adalah 0,5, mask juga 0,5, sehingga set data menghitung kemunculan sebagian dua kali. Perilaku ini mungkin tidak sesuai dengan ekspektasi intuitif.

Band

Band

Ukuran piksel: 30 meter (semua band)

Nama Unit Min Maks Ukuran Piksel Deskripsi
occurrence % 0 100 30 meter

Frekuensi kemunculan air.

change_abs % -100 100 30 meter

Perubahan absolut dalam kemunculan antara dua zaman: 1984-1999 vs 2000-2021.

change_norm % -100 100 30 meter

Perubahan kemunculan yang dinormalisasi. (epoch1-epoch2)/(epoch1+epoch2) * 100

seasonality 0 12 30 meter

Jumlah bulan kemunculan air.

recurrence % 0 100 30 meter

Frekuensi kemunculan air dari tahun ke tahun.

transition 30 meter

Klasifikasi kategoris perubahan antara tahun pertama dan terakhir.

max_extent 30 meter

Gambar biner yang berisi 1 di mana pun air pernah terdeteksi.

Tabel Class transisi

Nilai Warna Deskripsi
0 #ffffff

Tidak ada perubahan

1 #0000ff

Permanen

2 #22b14c

Permanen baru

3 #d1102d

Permanen hilang

4 #99d9ea

Musiman

5 #b5e61d

Musiman baru

6 #e6a1aa

Musiman hilang

7 #ff7f27

Musiman menjadi permanen

8 #ffc90e

Permanen menjadi musiman

9 #7f7f7f

Permanen ephemeral

10 #c3c3c3

Musiman ephemeral

Persyaratan Penggunaan

Persyaratan Penggunaan

Semua data di sini diproduksi berdasarkan Program Copernicus dan disediakan secara gratis, tanpa batasan penggunaan. Untuk mengetahui informasi lisensi lengkap, lihat Peraturan Copernicus.

Publikasi, model, dan produk data yang menggunakan set data ini harus menyertakan pengakuan yang tepat, termasuk mengutip set data dan artikel jurnal seperti dalam kutipan berikut.

Jika Anda menggunakan data tersebut sebagai lapisan dalam peta yang dipublikasikan, sertakan teks atribusi berikut: 'Sumber: EC JRC/Google'

Kutipan

Kutipan:
  • Jean-Francois Pekel, Andrew Cottam, Noel Gorelick, Alan S. Belward, High-resolution mapping of global surface water and its long-term changes. Nature 540, 418-422 (2016). (doi:10.1038/nature20584)

Mengeksplorasi dengan Earth Engine

Editor Kode (JavaScript)

var dataset = ee.Image('JRC/GSW1_4/GlobalSurfaceWater');

var visualization = {
  bands: ['occurrence'],
  min: 0.0,
  max: 100.0,
  palette: ['ffffff', 'ffbbbb', '0000ff']
};

Map.setCenter(59.414, 45.182, 6);

Map.addLayer(dataset, visualization, 'Occurrence');

Penyiapan Python

Baca halaman Lingkungan Python untuk mengetahui informasi tentang Python API dan penggunaan geemap untuk pengembangan interaktif.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.Image('JRC/GSW1_4/GlobalSurfaceWater')

visualization = {
    'bands': ['occurrence'],
    'min': 0.0,
    'max': 100.0,
    'palette': ['ffffff', 'ffbbbb', '0000ff'],
}

m = geemap.Map()
m.set_center(59.414, 45.182, 6)
m.add_layer(dataset, visualization, 'Occurrence')
m
Buka di Editor Kode