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…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
**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…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
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. …
Проект «Атлас малярии»: Доступность городов, 2015 год.
На этой глобальной карте доступности указано время в пути по суше до ближайшего густонаселенного района для всех территорий, расположенных между 85 градусами северной широты и 60 градусами южной широты, за условный 2015 год. Густонаселенными районами считаются смежные территории с плотностью населения 1500 и более жителей на квадратный километр или…
Проект «Атлас малярии»: Доступность медицинской помощи, 2019 год.
Эта глобальная карта доступности показывает время в пути по суше (в минутах) до ближайшей больницы или клиники для всех районов между 85 градусами северной широты и 60 градусами южной широты за 2019 год. Масштабные работы по сбору данных ведутся OpenStreetMap, Google Maps и академическими исследователями…
Проект «Атлас малярии»: Доступность медицинской помощи 2019 (только пешком)
На этой глобальной карте доступности указано время в пути по суше (в минутах) до ближайшей больницы или клиники для всех районов между 85 градусами северной широты и 60 градусами южной широты за условный 2019 год. Данные основаны на времени в пути "только пешком", с использованием немоторизованных видов транспорта…
Проект «Атлас малярии»: Глобальная поверхность трения 2015
«Поверхность трения 2019». Эта глобальная поверхность трения отображает скорость передвижения по суше для всех пикселей суши между 85 градусами северной широты и 60 градусами южной широты за номинальный 2015 год. Эта карта была создана в результате сотрудничества между проектом «Атлас малярии» Оксфордского университета (MAP), Google и другими организациями.
Проект «Атлас малярии»: Глобальная поверхность трения 2019
Эта глобальная поверхность трения отображает скорость передвижения по суше для всех пикселей суши между 85 градусами северной широты и 60 градусами южной широты за номинальный 2019 год. Эта карта была создана в результате сотрудничества между MAP (Оксфордский университет), Telethon Kids Institute (Перт, Австралия), Google и…
Проект «Атлас малярии»: Глобальная поверхность трения 2019 (только ходьба)
Эта глобальная поверхность трения отображает скорость передвижения по суше для всех пикселей суши между 85 градусами северной широты и 60 градусами южной широты за номинальный 2019 год. Эта поверхность основана на скорости передвижения «только пешком», используя только немоторизованные виды транспорта. Эта карта была создана в результате…
MapBiomas: Землепользование и земельный покров - Боливия, версия 1.0
Набор данных MapBiomas о землепользовании и земельном покрове (LULC) для Боливии ежегодно создается проектом MapBiomas с использованием спутниковых снимков Landsat и методов классификации на основе машинного обучения. Набор данных предоставляет согласованные ежегодные карты земельного покрова с разрешением 30 метров, охватывающие период с 1985 по 2024 год. Боливия…
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…
MapBiomas Землепользование и земельный покров - Эквадор V1.0
Набор данных MapBiomas о землепользовании и земельном покрове (LULC) для Эквадора ежегодно создается проектом MapBiomas с использованием спутниковых снимков Landsat и методов классификации на основе машинного обучения. Набор данных предоставляет согласованные ежегодные карты земельного покрова с разрешением 30 метров, охватывающие период с 1985 по 2024 год. Эквадор…
Этот набор данных содержит геопространственные данные о суммарной молярной доле метана в атмосфере сухого воздуха, "XCH4", измеренной с помощью спектрометра MethaneAIR. XCH4 определяется как общее количество метана в атмосфере (число молекул), деленное на общее количество...
Этот набор данных содержит информацию об обнаружении источников выбросов метана с высокой интенсивностью (кг/час) в 13 районах добычи нефти, газа и угля от Колорадо, Нью-Мексико и Техаса на западе до Пенсильвании, Огайо и Западной Вирджинии на востоке, а также в трех городских районах (Нью-Йорк, …).
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. …
Смоделированная концентрация азота в кроне откалибрована с использованием данных о химическом составе листьев растений, полученных с помощью прибора NEON, и спрогнозирована с использованием направленного отражения поверхности L1, полученного с помощью спектрометра NEON Imaging Spectrometer (NIS). Диапазоны включают: 1) процентное содержание азота в кроне, 2) неопределенность модели содержания азота в кроне, 3) результат классификации модели хвои и нехвои и…
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…
Обратная модель обмена между атмосферой и сушей / Дезагрегация обратной модели обмена между атмосферой и сушей (ALEXI/DisALEXI). Модель DisALEXI была портирована в Google Earth Engine как часть фреймворка OpenET. Базовая структура модели ALEXI/DisALEXI описана Андерсоном и др. (2012, 2018). Модель эвапотранспирации (ET) ALEXI использует временные параметры…
Обратная модель обмена между атмосферой и сушей / Дезагрегация обратной модели обмена между атмосферой и сушей (ALEXI/DisALEXI). Модель DisALEXI была портирована в Google Earth Engine как часть фреймворка OpenET. Базовая структура модели ALEXI/DisALEXI описана Андерсоном и др. (2012, 2018). Модель эвапотранспирации (ET) ALEXI использует временные параметры…
Ежемесячный отчет OpenET Ensemble об эвапотранспирации, версия 2.0
Набор данных OpenET включает спутниковые данные об общем количестве воды, переносимой с поверхности земли в атмосферу в процессе эвапотранспирации (ЭТ). OpenET предоставляет данные об ЭТ из множества моделей, основанных на спутниковых данных, а также вычисляет единое «ансамблевое значение» на основе…
Набор данных OpenET включает спутниковые данные об общем количестве воды, переносимой с поверхности земли в атмосферу в процессе эвапотранспирации (ЭТ). OpenET предоставляет данные об ЭТ из множества моделей, основанных на спутниковых данных, а также вычисляет единое «ансамблевое значение» на основе…
Лаборатория реактивного движения Пристли-Тейлора (PT-JPL). Основная формулировка модели PT-JPL в рамках OpenET не изменилась по сравнению с первоначальной формулировкой, подробно описанной в работе Фишера и др. (2008). Однако были внесены улучшения и обновления в входные данные модели и интеграцию по времени для PT-JPL, чтобы учесть…
Лаборатория реактивного движения Пристли-Тейлора (PT-JPL). Основная формулировка модели PT-JPL в рамках OpenET не изменилась по сравнению с первоначальной формулировкой, подробно описанной в работе Фишера и др. (2008). Однако были внесены улучшения и обновления в входные данные модели и интеграцию по времени для PT-JPL, чтобы учесть…
Спутниковая система поддержки управления орошением (SIMS). Модель спутниковой поддержки управления орошением (SIMS) НАСА изначально была разработана для поддержки спутникового картирования коэффициентов урожайности и эвапотранспирации (ET) на орошаемых землях, а также для расширения доступа к этим данным для использования в планировании орошения и региональной оценке…
Спутниковая система поддержки управления орошением (SIMS). Модель спутниковой поддержки управления орошением (SIMS) НАСА изначально была разработана для поддержки спутникового картирования коэффициентов урожайности и эвапотранспирации (ET) на орошаемых землях, а также для расширения доступа к этим данным для использования в планировании орошения и региональной оценке…
Оперативная упрощенная модель баланса поверхностной энергии (SSEBop). Модель оперативной упрощенной модели баланса поверхностной энергии (SSEBop), разработанная Сенаем и др. (2013, 2017), представляет собой упрощенную модель поверхностной энергии, основанную на тепловом эффекте, для оценки фактического испарения на основе принципов спутниковой психрометрии (Сенай, 2018). В реализации OpenET SSEBop используется…
Оперативная упрощенная модель баланса поверхностной энергии (SSEBop). Модель оперативного упрощенного баланса поверхностной энергии (SSEBop) (Senay et al., 2013; 2023) представляет собой термический подход к оценке фактического испарения (ET) с использованием принципов спутниковой психрометрии (Senay, 2018). Как одна из основных моделей в…
Реализация в Google Earth Engine модели картирования испарения с высоким разрешением с внутренней калибровкой (eeMETRIC). eeMETRIC использует усовершенствованные алгоритмы и процесс METRIC, описанные Алленом и др. (2007; 2015) и Алленом и др. (2013b), где наблюдается особая взаимосвязь между температурой воздуха у поверхности земли…
Реализация в Google Earth Engine модели картирования испарения с высоким разрешением с внутренней калибровкой (eeMETRIC). eeMETRIC использует усовершенствованные алгоритмы и процесс METRIC, описанные Алленом и др. (2007; 2015) и Алленом и др. (2013b), где наблюдается особая взаимосвязь между температурой воздуха у поверхности земли…
Реализация модели алгоритма баланса поверхностной энергии для суши (SEBAL) в Google Earth Engine. Обзор текущей версии geeSEBAL можно найти в работе Laipelt et al. (2021), которая основана на оригинальных алгоритмах, разработанных Bastiaanssen et al. (1998). OpenET geeSEBAL…
Реализация модели алгоритма баланса поверхностной энергии для суши (SEBAL) в Google Earth Engine. Обзор текущей версии geeSEBAL можно найти в работе Laipelt et al. (2021), которая основана на оригинальных алгоритмах, разработанных Bastiaanssen et al. (1998). OpenET geeSEBAL…
Тема Overture Maps Places содержит более 64 миллионов точечных изображений реальных объектов: предприятий, школ, больниц, религиозных организаций, достопримечательностей, горных вершин и многого другого. Каждая запись о месте включает координаты местоположения, названия, категории, контактную информацию (веб-сайты, социальные сети, электронная почта, телефоны), информацию о бренде, адреса и…
Ойя: квазиглобальные оценки количества осадков на расстоянии 5 км
Oya — это квазиглобальный набор данных для оценки количества осадков с высоким разрешением, полученный на основе наблюдений с геостационарных (GEO) спутников. Модель Oya использует весь спектр видимых и инфракрасных (VIS-IR) каналов созвездия геостационарных спутников, включая GOES-16/18, Meteosat-9/10 и Himawari-8/9, для генерации оценок количества осадков, охватывающих…
PML_V2.2a: Совмещенное моделирование эвапотранспирации и валового первичного продукта (ВПП)
Данный набор данных создан Лабораторией крупномасштабной гидрологии, которая специализируется на развитии глобальных и региональных исследований круговорота воды путем синтеза данных наблюдений Земли из различных источников с моделированием на основе процессов. Продукт PML-V2.2a предоставляет глобальные данные о наземном испарении (ET) и валовой первичной продуктивности (GPP) с разрешением 500 м и сроком выполнения 8 дней, полученные 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…
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
Техническую документацию по этому набору данных см. в файле README на GitHub. Эта коллекция изображений предоставляет оценку вероятности того, что рассматриваемая область занята товаром, для каждого пикселя. Оценки вероятности представлены с разрешением 10 метров и были получены с помощью модели машинного обучения. …
**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…
Система мониторинга изменений ландшафта Лесной службы США, версия 2025-11 (на территории США и за рубежом)
Этот продукт является частью пакета данных Системы мониторинга изменений ландшафта (LCMS). Он отображает смоделированные в рамках LCMS изменения, землепользование и/или классы землепользования за каждый год и охватывает континентальную часть Соединенных Штатов (CONUS), а также территории за пределами CONUS (OCONUS), включая Аляску (AK), Пуэрто-Рико…
WDKBA: Всемирная база данных ключевых районов биоразнообразия (KBA) - март 2026 г.
Если вас интересует доступ к набору данных KBA, пожалуйста, заполните форму запроса данных KBA, которая после одобрения предоставит вам прямой доступ в GEE. Ключевые зоны биоразнообразия (KBA) — это «места, вносящие значительный вклад в глобальное сохранение биоразнообразия» в наземных, пресноводных и морских экосистемах. …
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…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2025 гг., версия 1.3
Этот набор данных отображает основную причину потери древесного покрова в глобальном масштабе в период с 2001 по 2025 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 2 Mean — это среднее значение 64 ансамблей экспериментального набора данных глобальных среднесрочных ансамблевых прогнозов погоды, созданных рабочей версией генеративной модели погоды на основе функциональной сети Google DeepMind. Для получения набора данных, содержащего все члены ансамбля, см. (не среднее) значение WeatherNext 2…
УВЕДОМЛЕНИЕ ОБ УСТАРЕВАНИИ: Данный набор данных планируется к устареванию 15 июля 2026 года. Для обеспечения непрерывности работы сервиса пользователям необходимо перевести все активные рабочие процессы на WeatherNext 2. Более подробную информацию см. на нашей странице, посвященной устареванию. WeatherNext Gen — это экспериментальный набор данных глобальных среднесрочных ансамблевых прогнозов погоды, созданный…
УВЕДОМЛЕНИЕ ОБ УСТАРЕВАНИИ: Этот набор данных планируется к устареванию 15 июля 2026 года. Для обеспечения непрерывности работы сервиса пользователям необходимо перенести все активные рабочие процессы в WeatherNext 2. Для получения более подробной информации см. нашу страницу об устаревании. WeatherNext Graph — это экспериментальный набор данных глобальных среднесрочных прогнозов погоды, созданный…
[[["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"]],[],[],[]]
