(一)Google Earth Engine概述
Google Earth Engine (GEE)
是由谷歌公司开发的众多应用之一。借助谷歌公司超强的服务器运算能力以及与 NASA
的合作关系,GEE
平台将Landsat
、MODIS
、 Sentinel
等可以公开获取的遥感图像数据存储在谷歌的磁盘阵列中,使得 GEE
用户可以方便的提取、调用和分析海量的遥感大数据资源。
GEE
它是一个集科学分析以及地理信息数据可视化的综合性平台。简单的说,GEE
是一个“遥感大数据”分析和呈现的平台。作为地理云计算服务平台,GEE
将地理数据分析算法封装成函数接口的形式提供给用户,通过互联网可以使用户快速地访问海量的影像数据以及其他空间数据,而不需要下载到本地,在云端实现当前地理空间数据分析的全部流程。通过云计算还可以使共享的计算机软硬件资源和地理大数据,按需求提供给用户使用,使任何用户都可以使用服务商提供的多平台软硬件资源和地理大数据,开展常规个人计算机无法实现的地理计算和数据分析。
GEE
在设计之初就是为了服务科研人员而构建的,因此在概念上可以将GEE
视为一种工具,类似于菜刀之于厨师或者猎枪之于猎手,而不应该将其当作一种复杂的计算机编程平台。
GEE
包含图形用户界面和应用程序编程接口。GEE
是一个主要依靠编码命令进行空间分析和操作的平台,但 GEE
也有适合界面操作的平台:GEE
的图形用户界面(Graphical User Interface, GUI
)。GEE
的 GUI
的优点在于符合人的操作直觉,并且对新用户友好,缺点是功能较少,可以实现的空间分析有限。GEE
的应用程序编程接口(Application Programming Interface, API
)是 GEE
的核心功能所在,也是 GEE
用户最为关注的平台,与 GUI
相比,API
可以调用 GEE
平台中的所有数据和功能。可以说,学习 GEE
就是学习 GEE
的 API
。
GEE
中存储着海量的遥感数据,熟悉这些数据能够让用户更加便捷的实现空间和地理分析目标。总体上,GEE
的数据可以分为 4 个种类:栅格数据,栅格集数据,矢量数据,矢量集数据。
⛄栅格数据
GEE
中的栅格数据主要包括来源自遥感卫星的数据和空间插值数据产品。
数据集 | 空间分辨率 | 时间分辨率 | 时间覆盖 | 空间覆盖 |
---|---|---|---|---|
Landsat | ||||
Landsat 8 OLI/TIRS | 30m | 16day | 2013-Now | Global |
Landsat 7 ETM+ | 30m | 16day | 2000-Now | Global |
Landsat 5 TM | 30m | 16day | 1984-2012 | Global |
Landsat 4–8 surface reflectance | 30m | 16day | 1984-Now | Global |
Sentinel | ||||
Sentinel 1 A/B ground range detected | 10m | 6day | 2014-Now | Global |
Sentinel 2A MSI | 20m | 10day | 2015-Now | Global |
MODIS | ||||
MOD08 atmosphere | 1° | daily | 2000-Now | Global |
MOD09 surface reflectance | 500m | 1/8day | 2000-Now | Global |
MOD10 snow cover | 500m | 1day | 2000-Now | Global |
MOD11 temperature and emissivity | 1000m | 1/8day | 2000-Now | Global |
MCD12 Land cover | 500m | Annual | 2000-Now | Global |
MOD13 Vegetation indices | 500/250m | 16day | 2000-Now | Global |
MOD14 Thermal anomalies & fire | 1000m | 8day | 2000-Now | Global |
MCD15 Leaf area index/FPAR | 500m | 4day | 2000-Now | Global |
MOD17 Gross primary productivity | 500m | 8day | 2000-Now | Global |
MCD43 BRDF-adjusted reflectance | 1000/500m | 8/16day | 2000-Now | Global |
MOD44 veg. cover conversion | 250m | Annual | 2000-Now | Global |
MCD45 thermal anomalies and fire | 500m | 30day | 2000-Now | Global |
ASTER | ||||
L1 T radiance | 15/30/90m | 1day | 2000-Now | Global |
Global emissivity | 100m | Once | 2000-2010 | Global |
Other imagery | ||||
PROBA-V top of canopy reflectance | 100/300m | 2day | 2013-Now | Global |
EO-1 hyperion hyperspectral radiance | 30m | Targeted | 2001-Now | Global |
DMSP-OLS nighttime lights | 1km | Annual | 1992-2013 | Global |
USDA NAIP aerial imagery | 1m | Sub-annual | 2003-2015 | CONUS |
地形 | ||||
Shuttle Radar Topography Mission | 30m | single | 2000 | 60°N–54°S |
USGS GMTED2010 | 10m | single | Multiple | US |
USGS National Elevation Dataset | 7.5″ | single | Multiple | 83°N–57°S |
GTOPO30 | 30″ | single | Multiple | Global |
ETOPO1 | 1′ | single | Multiple | Global |
注:来源 Google Earth Engine: Planetary-scale geospatial analysis for everyone [J]. Remote Sensing of Environment
GEE
中其他的主要栅格产品包括土地利用数据,气象数据和人口数据等。这些数据与遥感影像数据相比,主要用来反映某些社会因子的空间分布,或者反映地表以上空间的自然特征。
数据集 | 空间分辨率 | 时间分辨率 | 时间覆盖 | 空间覆盖 |
---|---|---|---|---|
土地利用 | ||||
GlobCover | 300m | Non-periodic | 2009 | 90°N–65°S |
USGS National Landcover Database | 30m | Non-periodic | 1992-2011 | CONUS |
UMD global forest change | 30m | Annual | 2000-2014 | 80°N–57°S |
JRC global surface water | 300m | Monthly | 1984-2015 | 78°N–60°S |
GLCF tree cover | 30m | 5year | 2000-2010 | Global |
USDA NASS cropland data layer | 30m | Annual | 1997-2015 | CONUS |
气象 | ||||
Global precipitation measurement | 6′ | 3h | 2014-Now | Global |
TRMM 3B42 precipitation | 15′ | 3h | 1985-2015 | 50°N–50°S |
CHIRPS precipitation | 3′ | 5day | 1981-Now | 50°N–50°S |
NLDAS-2 | 7.5′ | 1h | 1979-Now | North America |
GLDAS-2 | 15′ | 3h | 1948-2010 | Global |
NCEP reanalysis | 2.5° | 6h | 1948-Now | Global |
ORNL DAYMET weather | 1km | 12 Images | 1980-Now | North America |
GRIDMET | 4km | 1day | 1979-Now | CONUS |
NCEP global forecast system | 15′ | 6h | 2015-Now | Global |
NCEP climate forecast system | 12′ | 6h | 1979-Now | Global |
WorldClim | 30″ | 12 Images | 1960-1990 | Global |
NEX downscaled climate projections | 1km | 1day | 1950-2099 | North America |
人口 | ||||
WorldPop | 100m | 5year | Multiple | 2010–2015 |
GPWv4 | 30″ | 5year | 2000-2020 | 85°N–60°S |
注:来源 Google Earth Engine: Planetary-scale geospatial analysis for everyone [J]. Remote Sensing of Environment
⛄矢量数据
简单来说,矢量数据可以理解为点、线和面类型的数据。在处理空间问题时,常常需要确定某个地理要素的位置(例如某区域商店的位置),或者某些线状地物的位置(河流、道路等),以及某些面状物的分布(行政边界等)。在确定矢量空间要素空间特征的基础上,再给这些空间要素贴上标签(名称,面积,权属等),那么就得到了包含一定信息的矢量数据。我们通常将这种矢量数据成为“特征矢量”(Feature
),将其空间形状称为“地理特征”(Geometry
),将贴上去的标签信息称为“属性”(Property
)。我们分别从ArcGIS
和GEE
中添加并查看Feature
的信息,以此加深对矢量数据的理解。
⛄数据类型和参数类型
(一)Google Earth Engine概述相关推荐
- Google Earth Engine——概述
概述 GEE(Google Earth Engine)平台是一个集科学分析及地理信息数据可视化的综合性平台,该平台提供丰富的API,以及工具帮助方便查看.计算.处理和分析大范围的各种影像等GIS数据. ...
- GEE(Google Earth Engine)消除影像色差——直方图匹配算法
色彩校正是处理卫星和航拍图像的重要过程.用于平衡多张图像颜色的常用技术是直方图匹配.虽然该算法已经存在很长时间,但可以大规模使用的免费和开源工具并不多.Mapbox 发布了一个名为rio-hist的开 ...
- Google Earth Engine ——在 GEE 中计算面积含各类要素计算(土地分类为例)
在遥感应用中工作时,许多操作需要计算面积.例如,需要在监督分类后计算每个类所覆盖的面积,或者找出灾害后区域内受影响的面积.计算栅格和矢量的面积在大多数软件包中是一个简单的操作,但在 Google Ea ...
- Google Earth Engine (GEE) ——卫星影像的监督分类(svm)
问题 GEE 提供哪些机器学习技术? 如何对卫星图像进行监督分类? 如何评估分类器的准确性? 如何手动创建自己的几何图形? 目标 练习查找无云图像和使用手绘几何导入 学习训练和应用分类算法所需的基本功 ...
- Google Earth Engine(GEE)——Sentinel-1 和 2 数据的融合,水稻范围识别和水稻种植季节区分地图绘制—马来西亚为例
最近发现了一个巨牛的人工智能学习网站,点击跳转到网站:前言 – 床长人工智能教程 这次给大家推荐一篇文章,关于水稻识别:使用 GEE 平台中的无监督分类整合 Sentinel-1 和 2 时间序列数据 ...
- Google Earth Engine ——在 GEE 中聚合网格化人口数据
Google Earth Engine 可以轻松计算网格化栅格数据集的统计数据.虽然计算影像数据集的统计数据很容易,但在处理人口数据集时必须特别小心.在这篇文章中,我将概述计算人口栅格和聚合像素的统计 ...
- 基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演 1 背景知识 2 算法介绍 3 代码 4 效果 1 背景知识 基于遥感数据的地表温度(LST)反演目前得到 ...
- Google Earth Engine(GEE)——MODIS 影像LST地表温度随时间变化的趋势案例分析
该实验室的目标是使用 Google Earth Engine 深入研究气候变量.在本实验结束时,您将能够探索特定感兴趣区域的温度数据的长期趋势. MODIS LST 数据集 MOD11A2 V6 产品 ...
- Google Earth Engine(GEE)农作物种植结构提取
目录 写在前面 1.构建物候特征 2.构建光谱特征 3.将所有影像合并为一幅影像 4.构建随机森林算法进行分类 5.算法的存储 6.面积统计 写在前面 前段时间因为考研的原因一直没能更新,已经完成了农 ...
最新文章
- 资源高效搜索方法,你 Get 到了吗?
- 过拟合(原因、解决方案、原理)
- react native基本调试技巧
- RBPsuite RNA-蛋白质结合位点预测工具使用指南
- Linux图形界面与命令行模式切换
- kaliBT安装好之后无法上网或者无法获得内网IP
- adb 查看当前包名和Activity
- jquery 字符串查找_Python Appium 库IOS特有元素查找API介绍
- android数据库给单选赋值,如何使用android studio将单选按钮的值保存到mysql数据库?...
- .NET中使用Redis
- 腾讯QQ PC版9.1.7正式版上线 有些“老”功能越来越好用了
- diff命令两个服务器文件,LINUX命令diff-文件管理-比较给定的两个文件的不同
- 服务器的登录日志文件,windows云服务器登录日志文件
- 诺基亚 XGS-PON FTTP 系统在科威特完成测试
- 怎么关闭计算机的端口服务,怎么关闭和打开电脑的端口?
- 微信小程序怎么做店铺?
- Scrum板与Kanban如何抉择?bnartvjxv板与按照weypxh
- linux 7 查看网卡配置文件,如何查询centos网卡配置文件
- Android源码 app预制带so和assets文件的aar包(sdk)
- scrapy follow 笔记
热门文章
概述 GEE(Google Earth Engine)平台是一个集科学分析及地理信息数据可视化的综合性平台,该平台提供丰富的API,以及工具帮助方便查看.计算.处理和分析大范围的各种影像等GIS数据. ...
色彩校正是处理卫星和航拍图像的重要过程.用于平衡多张图像颜色的常用技术是直方图匹配.虽然该算法已经存在很长时间,但可以大规模使用的免费和开源工具并不多.Mapbox 发布了一个名为rio-hist的开 ...
在遥感应用中工作时,许多操作需要计算面积.例如,需要在监督分类后计算每个类所覆盖的面积,或者找出灾害后区域内受影响的面积.计算栅格和矢量的面积在大多数软件包中是一个简单的操作,但在 Google Ea ...
问题 GEE 提供哪些机器学习技术? 如何对卫星图像进行监督分类? 如何评估分类器的准确性? 如何手动创建自己的几何图形? 目标 练习查找无云图像和使用手绘几何导入 学习训练和应用分类算法所需的基本功 ...
最近发现了一个巨牛的人工智能学习网站,点击跳转到网站:前言 – 床长人工智能教程 这次给大家推荐一篇文章,关于水稻识别:使用 GEE 平台中的无监督分类整合 Sentinel-1 和 2 时间序列数据 ...
Google Earth Engine 可以轻松计算网格化栅格数据集的统计数据.虽然计算影像数据集的统计数据很容易,但在处理人口数据集时必须特别小心.在这篇文章中,我将概述计算人口栅格和聚合像素的统计 ...
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演 1 背景知识 2 算法介绍 3 代码 4 效果 1 背景知识 基于遥感数据的地表温度(LST)反演目前得到 ...
该实验室的目标是使用 Google Earth Engine 深入研究气候变量.在本实验结束时,您将能够探索特定感兴趣区域的温度数据的长期趋势. MODIS LST 数据集 MOD11A2 V6 产品 ...
目录 写在前面 1.构建物候特征 2.构建光谱特征 3.将所有影像合并为一幅影像 4.构建随机森林算法进行分类 5.算法的存储 6.面积统计 写在前面 前段时间因为考研的原因一直没能更新,已经完成了农 ...