Datasets tagged google in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Базовая аналитическая карта данных аэрофотосъемки лесов Бразилии 2008 года.
Этот набор данных представляет собой многоспектральную (зеленый, красный и ближний инфракрасный) базовую карту Бразилии с разрешением до 10 метров, полученную преимущественно в 2008 году, для поддержки реализации Бразильского лесного кодекса. Мозаика синтезирована из спутниковых данных SPOT 2, 4 и 5. Она служит в качестве более высокоразрешенной…
Набор данных аэрофотоснимков лесов Бразилии 2008 года: визуальная базовая карта.
Этот набор данных представляет собой визуальную базовую карту Бразилии с разрешением до 5 метров, полученную преимущественно в 2008 году, для поддержки реализации Бразильского лесного кодекса. Мозаика создана на основе спутниковых данных SPOT 2, 4 и 5. Она служит альтернативой высокого разрешения…
Cloud Score+ — это процессор оценки качества (QA) оптических спутниковых снимков среднего и высокого разрешения. Набор данных Cloud Score+ S2_HARMONIZED создается в процессе эксплуатации на основе гармонизированной коллекции Sentinel-2 L1C, и выходные данные Cloud Score+ могут использоваться для идентификации относительно чистых пикселей и эффективного удаления облаков…
Dynamic World — это набор данных о землепользовании/землепокрытии (LULC) с разрешением 10 м, отображающий данные практически в реальном времени (NRT) и включающий вероятности классов и информацию о метках для девяти классов. Прогнозы Dynamic World доступны для коллекции Sentinel-2 L1C с 27 июня 2015 года по настоящее время. Частота повторных облетов Sentinel-2 составляет от 2 до 5 дней…
Сегменты CCDC на основе глобальных данных Landsat от Google (1999-2019)
Эта коллекция содержит предварительно рассчитанные результаты применения алгоритма непрерывного обнаружения и классификации изменений (CCDC) к данным о поверхностном отражательном значении Landsat за 20 лет. CCDC — это алгоритм поиска точек разрыва, использующий гармоническую аппроксимацию с динамическим порогом среднеквадратичной ошибки (RMSE) для обнаружения точек разрыва во временных рядах данных. …
Глобальные слои картирования поверхностных вод JRC, версия 1.2 [устарело]
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2019 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
Глобальные слои картирования поверхностных вод JRC, версия 1.4
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
Ежемесячная история водопользования JRC, версия 1.4
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
JRC Ежемесячный график потребления воды, версия 1.4
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
История классификации водных ресурсов JRC за год, версия 1.4
Этот набор данных содержит карты расположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистические данные о масштабах и изменениях этих водных поверхностей. Более подробную информацию можно найти в соответствующей журнальной статье: Высокоточное картирование глобальных поверхностных вод и их…
Классификация глобальных изменений приливной зоны Мюррея
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как приливная отмель, постоянная вода или другое на основе глобально распределенного набора обучающих данных. …
Маска данных об изменении глобальной приливной зоны Мюррея
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как приливная отмель, постоянная вода или другое на основе глобально распределенного набора обучающих данных. …
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как приливная отмель, постоянная вода или другое на основе глобально распределенного набора обучающих данных. …
Многоспектральные изображения SPOT 10-20 м, Бразилия
В этой коллекции представлены необработанные мультиспектральные изображения 2008 года, полученные со спутников SPOT 2, 4 и 5 над территорией Бразилии. Эти миссии, осуществляемые CNES, были разработаны для получения оптических изображений высокого разрешения на больших территориях для управления ресурсами Земли. Спутники SPOT 2 и 4 использовали HRV и HRVIR…
Многоспектральные псевдоестественные цветные изображения SPOT, 10-20 м, Бразилия
Эта коллекция содержит изображения RGB в «псевдоестественных цветах» 2008 года, полученные из исходных мультиспектральных диапазонов SPOT 2, 4 и 5 для Бразилии. Поскольку датчики HRV и HRG не включали исходный синий диапазон, этот продукт синтезирует представление RGB для аппроксимации…
Панхроматические изображения SPOT 5-10 м, Бразилия
Эта коллекция содержит необработанные панхроматические (PAN) полосы с бразильских спутников SPOT 2, 4 и 5 примерно 2008 года. Панхроматический сенсор обеспечивает самое высокое собственное пространственное разрешение среди всех миссий, улавливая свет в широком видимом спектре (0,51–0,73 мкм для SPOT 2, 0,61–0,68 мкм для SPOT 2…).
SPOT Pansharpened Pseudo Natural Color Imagery 5-10m, Brazil
Эта коллекция содержит высококачественные, улучшенные по панхроматическому изображению в псевдоестественных цветах снимки SPOT со спутников SPOT 2, 4 и 5 для Бразилии примерно за 2008 год. Там, где было доступно соответствующее высококачественное панхроматическое изображение, оно было объединено с мультиспектральными данными для достижения улучшенной пространственной детализации (до 5 м для SPOT 5 или 10 м…).
Набор данных Google Satellite Embedding представляет собой глобальную, готовую к анализу коллекцию обученных геопространственных векторных представлений. Каждый 10-метровый пиксель в этом наборе данных представляет собой 64-мерное представление, или «вектор встраивания», который кодирует временные траектории поверхностных условий в этом пикселе и вокруг него, измеренные с помощью различных методов дистанционного зондирования Земли…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2022 гг., версия 1.0
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2022 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2023 гг., версия 1.1
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2023 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2024 гг., версия 1.2
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2024 год с разрешением 1 км. Данные, созданные Всемирным институтом ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной модели нейронной сети (ResNet), обученной на наборе собранных образцов…
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],[],[],["Cloud Score+ identifies clear pixels and removes clouds from Sentinel-2 imagery. Dynamic World provides near-real-time land use/land cover data for nine classes from Sentinel-2. Google's CCDC algorithm detects breakpoints in 20 years of Landsat data. JRC datasets map surface water's location, distribution, and change from 1984-2021 using Landsat data. The Murray dataset classifies tidal flat ecosystems globally using supervised classification of over 700,000 Landsat images.\n"]]
