Datasets tagged publisher-dataset in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Модель вероятности какао 2025a
Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub. Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub. Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
EVI: Расширенный индекс растительности, заполненный в рамках проекта «Атлас малярии» (8 ежедневных измерений на расстоянии 1 км).
Исходным набором данных для этого продукта «Улучшенный индекс растительности» (EVI) являются скорректированные по BRDF изображения MODIS (MCD43B4), в которых были заполнены пропуски с использованием подхода, описанного в работе Weiss et al. (2014), для устранения отсутствующих данных, вызванных такими факторами, как облачность. После заполнения пропусков данные были обрезаны до…
EVI: Расширенный индекс растительности, заполненный в рамках проекта «Атлас малярии» (ежегодно, 1 км²)
Исходным набором данных для этого продукта «Улучшенный индекс растительности» (EVI) являются скорректированные по BRDF изображения MODIS (MCD43B4), в которых были заполнены пропуски с использованием подхода, описанного в работе Weiss et al. (2014), для устранения отсутствующих данных, вызванных такими факторами, как облачность. После заполнения пропусков данные были обрезаны до…
EVI: Расширенный индекс растительности, заполненный в рамках проекта «Атлас малярии» (ежемесячно, 1 км²)
Исходным набором данных для этого продукта «Улучшенный индекс растительности» (EVI) являются скорректированные по BRDF изображения MODIS (MCD43B4), в которых были заполнены пропуски с использованием подхода, описанного в работе Weiss et al. (2014), для устранения отсутствующих данных, вызванных такими факторами, как облачность. После заполнения пропусков данные были обрезаны до…
Набор данных Farmscapes 2020 предоставляет карты вероятности высокого разрешения (25 см) для трех ключевых полуприродных объектов сельскохозяйственных ландшафтов Англии: живых изгородей, лесных массивов и каменных стен. Этот набор данных был разработан в сотрудничестве с Оксфордским центром восстановления природы имени Леверхулма и служит базовым для различных применений, включая…
Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub, связанном с этой моделью. На этом изображении указана оценка для каждого пикселя (в диапазоне [0, 1]), которая показывает, занята ли область пикселя нетронутым лесом в 2020 году. Эти оценки…
Этот набор данных содержит глобальные ежегодные карты преобладающих классов пастбищных угодий (возделываемых и естественных/полуестественных) за период с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает все типы землепользования, содержащие не менее…
GPW Ежегодные вероятности развития культивируемых пастбищ v1
Этот набор данных содержит глобальные ежегодные карты вероятности площади обрабатываемых пастбищ с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает все типы землепользования, содержащие не менее 30% засушливых земель…
GPW Ежегодные вероятности существования естественных/полуестественных лугов, версия 1
Этот набор данных содержит глобальные ежегодные карты вероятности наличия естественных/полуестественных пастбищ с 2000 по 2022 год с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, набор данных охватывает любые типы землепользования, содержащие не менее 30% засушливых земель…
Этот набор данных содержит глобальные медианные значения высоты растительности с 2000 года с пространственным разрешением 30 м. Созданный в рамках инициативы Global Pasture Watch лаборатории Land & Carbon Lab, этот набор данных предоставляет медианные значения высоты растительности (50-й процентиль) в глобальном масштабе с пространственным разрешением 30 м, начиная с 2000 года. Набор данных основан на…
Этот набор данных содержит глобальные некалиброванные данные о валовой первичной продуктивности (ВПП) на основе дистанционного зондирования Земли с 2000 года с пространственным разрешением 30 м. Созданный в рамках инициативы Land & Carbon Lab Global Pasture Watch, текущий набор данных предоставляет значения ВПП (валовой первичной продуктивности) в глобальном масштабе с пространственным разрешением 30 м, начиная с 2000 года. Значения ВПП…
Дневная температура поверхности земли (LST Day): данные проекта «Атлас малярии» (8 ежедневных измерений на расстоянии 1 км).
Дневная температура поверхности земли (LST) получена из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты переводятся в градусы Цельсия, а затем заполняются пропуски с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
Дневная температура поверхности земли (по данным проекта «Атлас малярии»): заполненные пробелы в данных о дневной температуре поверхности земли (годовые значения на 1 км)
Дневная температура поверхности земли (LST) получена из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты переводятся в градусы Цельсия, а затем заполняются пропуски с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
Дневная температура поверхности земли (LST Day): данные проекта «Атлас малярии» (Malaria Atlas Project), заполненные пробелами в данных о дневной температуре поверхности земли (по 1 км в месяц).
Дневная температура поверхности земли (LST) получена из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты переводятся в градусы Цельсия, а затем заполняются пропуски с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
Ночное время по местному времени: данные проекта «Атлас малярии» о ночной температуре поверхности земли (8 ежедневных измерений на расстоянии 1 км).
Ночные значения температуры поверхности земли (LST) получены из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты преобразуются в градусы Цельсия, а затем заполняются пробелы с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
Ночное время по LST: Проект «Атлас малярии». Заполненные пробелы данными о ночной температуре поверхности земли (годовые значения на 1 км).
Ночные значения температуры поверхности земли (LST) получены из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты преобразуются в градусы Цельсия, а затем заполняются пробелы с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
Ночное время по LST: Проект «Атлас малярии». Заполненные пробелы данными о ночной температуре поверхности земли (по 1 км в месяц).
Ночные значения температуры поверхности земли (LST) получены из продуктов MODIS MOD11A2 v6.1 с разрешением около 1 км. 8-дневные композиты преобразуются в градусы Цельсия, а затем заполняются пробелы с использованием подхода, описанного в работе Weiss et al (2014), для устранения недостающих данных, вызванных такими факторами, как облачность. …
MapBiomas Землепользование и земельный покров - Бразилия V1.0
Ежегодно проект MapBiomas выпускает набор данных о землепользовании и земельном покрове (LULC) для Бразилии, используя спутниковые снимки Landsat и методы классификации на основе машинного обучения. Набор данных предоставляет согласованные, тематически детализированные карты с разрешением 30 метров, охватывающие несколько десятилетий и обновляемые каждый год. Каждое изображение…
Предварительная версия MethaneSAT L3 Concentration Public Preview V1.0.0
Этот предварительный набор данных «Public Preview» предоставляет геопространственные данные об усредненной по столбу атмосферы мольной доле метана в сухом воздухе, «XCH4», полученные на основе измерений с помощью спектрометра MethaneSAT. XCH4 определяется как общее количество молекул в столбе атмосферы (число молекул над единицей площади поверхности)…
Предварительная версия MethaneSAT L4 Area Sources V1.0.0
Модель выбросов из рассредоточенных районов все еще находится в разработке и не является окончательным вариантом. Этот предварительный набор данных «Public Preview» предоставляет высокоточные данные о выбросах метана из рассредоточенных источников. Эти данные о выбросах получены из Аппалачского, Пермского и Уинтского бассейнов…
Предварительная версия 2.0.0 площадных источников метана MethaneSAT L4
Модель выбросов из рассредоточенных районов все еще находится в разработке и не является окончательным вариантом. Этот предварительный набор данных «Public Preview» предоставляет высокоточные данные о выбросах метана из рассредоточенных источников. Эти новые измерения демонстрируют важность количественной оценки общих выбросов метана с высокой точностью…
Предварительная версия MethaneSAT L4 Point Sources Public Preview V1.0.0
Этот предварительный набор данных, доступный для публичного просмотра, предоставляет высокоточные данные о выбросах метана из дискретных точечных источников. Эти потоки выбросов метана были получены с использованием системы обнаружения точечных источников и количественной оценки выбросов, специально разработанной для использования высокого пространственного разрешения, широкого пространственного охвата и высокой точности…
Высота верхней части растительного покрова над голой землей (модель высоты растительного покрова; CHM). Модель CHM получается из облака точек NEON LiDAR и генерируется путем создания непрерывной поверхности оценок высоты растительного покрова по всей пространственной области съемки LiDAR. …
Цифровые модели поверхности (ЦМП) и рельефа (ЦМР), полученные на основе данных лидара NEON. ЦМП: Характеристики поверхности (топографическая информация с учетом растительности и искусственных сооружений). ЦМР: Высота над уровнем моря (топографическая информация без учета растительности и искусственных сооружений). Изображения представлены в метрах над уровнем моря…
Изображения, полученные с помощью камеры NEON RGB.
Изображения с камеры высокого разрешения в формате RGB (красный-зеленый-синий), ортофотоснимки которой объединяются в мозаику и выводятся на фиксированную равномерную пространственную сетку с использованием метода ближайшего соседа; пространственное разрешение составляет 0,1 м. Цифровая камера является частью комплекса приборов на борту бортовой наблюдательной платформы NEON (AOP), который также включает в себя…
Данные NEON AOP Surface Bidirectional Reflectance представляют собой гиперспектральный продукт VSWIR (видимый и коротковолновый инфракрасный диапазон), содержащий 426 полос, охватывающих длины волн от ~380 нм до 2510 нм. Коэффициент отражения масштабирован в 10000 раз. Длины волн в диапазонах 1340-1445 нм и 1790-1955 нм установлены на…
Данные NEON AOP Surface Directional Reflectance представляют собой гиперспектральный продукт VSWIR (видимый и коротковолновый инфракрасный диапазон), содержащий 426 полос, охватывающих длины волн от ~380 нм до 2510 нм. Коэффициент отражения масштабирован в 10000 раз. Длины волн в диапазонах 1340-1445 нм и 1790-1955 нм установлены на…
Базовые карты программы спутниковых данных NICFI для мониторинга тропических лесов – Африка
Эта коллекция изображений предоставляет доступ к спутниковым данным высокого разрешения, полученным в ходе мониторинга тропиков, с основной целью сокращения и обращения вспять утраты тропических лесов, содействия борьбе с изменением климата, сохранения биоразнообразия, содействия восстановлению и улучшению лесных массивов, а также содействия устойчивому развитию…
Базовые карты программы спутниковых данных NICFI для мониторинга тропических лесов — Северная и Южная Америка
Эта коллекция изображений предоставляет доступ к спутниковым данным высокого разрешения, полученным в ходе мониторинга тропиков, с основной целью сокращения и обращения вспять утраты тропических лесов, содействия борьбе с изменением климата, сохранения биоразнообразия, содействия восстановлению и улучшению лесных массивов, а также содействия устойчивому развитию…
Базовые карты программы спутниковых данных NICFI для мониторинга тропических лесов — Азия
Эта коллекция изображений предоставляет доступ к спутниковым данным высокого разрешения, полученным в ходе мониторинга тропиков, с основной целью сокращения и обращения вспять утраты тропических лесов, содействия борьбе с изменением климата, сохранения биоразнообразия, содействия восстановлению и улучшению лесных массивов, а также содействия устойчивому развитию…
Карта «Естественные леса мира 2020» представляет собой глобальную карту вероятности наличия естественных лесов в 2020 году с разрешением 10 метров. Она была разработана для поддержки таких инициатив, как Регламент Европейского союза о борьбе с обезлесением (EUDR) и других усилий по сохранению и мониторингу лесов. Карта…
Ойя: квазиглобальные оценки количества осадков на расстоянии 5 км
Оценка количества осадков еще не прошла формальную экспертную оценку. Она будет опубликована на arxiv в ближайшее время.** Oya — это квазиглобальный набор данных для оценки количества осадков с высоким разрешением, полученный на основе наблюдений с геостационарных спутников (GEO). Модель Oya использует весь спектр видимых и инфракрасных (VIS-IR) каналов из…
Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub. Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
Примечание: Этот набор данных еще не прошел рецензирование. Дополнительную информацию см. в файле README на GitHub. Данная коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята данным товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью…
SCANFI: пространственно-ориентированные данные инвентаризации национальных лесов Канады1.2
Данная публикация содержит набор растровых файлов с разрешением 30 м, представляющих собой сплошные карты Канады 2020 года, отображающие основные типы землепользования, высоту лесного полога, степень сомкнутости крон и надземную биомассу деревьев, а также видовой состав нескольких основных видов деревьев. Пространственно-ориентированная канадская национальная…
Результаты моделирования распространения видов, разработанные Google в сотрудничестве с QCIF и EcoCommons, представляют собой оценки относительной вероятности обнаружения видов (т.е. более высокие значения указывают на более высокую вероятность обнаружения вида в данном месте при заданной методологии исследования и заданных параметрах исследования…).
TCB: Проект «Атлас малярии», Заполненная пробелами, Яркость кепки с кисточками (8-дневный интервал 1 км)
Этот набор данных Tasseled Cap Brightness (TCB) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к изображениям MODIS, скорректированным по BRDF (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
TCB: Проект «Атлас малярии», Заполненная пробелами, Яркость кепки с кисточками (ежегодно 1 км)
Этот набор данных Tasseled Cap Brightness (TCB) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к изображениям MODIS, скорректированным по BRDF (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
TCB: Проект «Атлас малярии», проект «Заполненная кисточками шапка», яркость (1 км в месяц)
Этот набор данных Tasseled Cap Brightness (TCB) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к изображениям MODIS, скорректированным по BRDF (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
TCW: Проект «Атлас малярии». Заполненная пробелами территория с кисточками, подверженная повышенной влажности (8 ежедневных наблюдений на расстоянии 1 км).
Этот набор данных о влажности Tasseled Cap (TCW) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к скорректированным по BRDF изображениям MODIS (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
TCW: Проект «Атлас малярии». Заполненная пробелами в данных о влажности почвы (1 км в год).
Этот набор данных о влажности Tasseled Cap (TCW) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к скорректированным по BRDF изображениям MODIS (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
TCW: Проект «Атлас малярии». Заполненные пробелами участки с кисточками на полями для малярии. Влажность (1 км в месяц).
Этот набор данных о влажности Tasseled Cap (TCW) с заполненными пробелами был создан путем применения уравнений Tasseled Cap, определенных в работе Lobser и Cohen (2007), к скорректированным по BRDF изображениям MODIS (MCD43B4). Полученные данные были заполнены с использованием подхода, описанного в работе Weiss et al. (2014), для устранения пропущенных данных, вызванных…
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…
WeatherNext 2 — это экспериментальный набор данных глобальных среднесрочных ансамблевых прогнозов погоды, созданный рабочей версией генеративной модели погоды на основе функциональной сети Google DeepMind. Экспериментальный набор данных включает данные в реальном времени и исторические данные. Данные в реальном времени — это любые данные, относящиеся ко времени, которое…
WeatherNext Gen — это экспериментальный набор данных глобальных среднесрочных ансамблевых прогнозов погоды, созданный рабочей версией диффузионной ансамблевой модели погоды Google DeepMind. Экспериментальный набор данных включает данные в реальном времени и исторические данные. Данные в реальном времени — это любые данные, относящиеся ко времени, которое не является…
WeatherNext Graph — это экспериментальный набор данных глобальных среднесрочных прогнозов погоды, созданный рабочей версией графической нейронной сети прогнозирования погоды Google DeepMind. Экспериментальный набор данных включает данные в реальном времени и исторические данные. Данные в реальном времени — это любые данные, относящиеся ко времени, которое не является…
[[["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"]],[],[],[]]
