AI 助理
备案控制台
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——遍历提取多年MODIS影像所有土地分类的面积

使用MODIS全球年度数据提取每个LULC类别的面积。 本例使用的数据集是MCD12Q1.006 MODIS土地覆盖类型全球年报。它涵盖了500米的空间分辨率，由六个不同的分类方案得出。我将根据这个数据集，从土地覆盖类型-1中提取我们研究区域内每个类别所覆盖的面积。这种类型的土地覆盖类型共有17个类别，涵盖了不同类型的森林、buitup地区、荒地类型和水体。我使用马哈拉施特拉邦的地区作为...

Google Earth Engine（GEE）——遍历提取多年MODIS影像所有土地分类的面积
文章 2024-02-07 来自：开发者社区

Open Google Earth Engine（OEEL）——oeel.plotly.plot绘制MODIS影像中土地分类的变化情况

利用OEEL中函数来绘制土地利用变化情况。 oeel.Element.addTimeProperties(...) oeel.Element.addTimeProperties(sinceEpoch, timeVariable, timeZone, image, feature...

Open Google Earth Engine（OEEL）——oeel.plotly.plot绘制MODIS影像中土地分类的变化情况
文章 2023-12-26 来自：开发者社区

基于Google Earth Engine Explorer谷歌地球引擎GEE浏览界面实现遥感影像地物监督分类

  本文主要对GEE的网页界面式应用程序接口Google Earth Engine Explorer加以详细介绍与地物监督分类这一具体应用。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第一篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html....

基于Google Earth Engine Explorer谷歌地球引擎GEE浏览界面实现遥感影像地物监督分类
文章 2022-10-22 来自：开发者社区

Google Earth Engine（GEE）——欧洲10米分辨率土地分类（21种分类）EUCROPMAP 2018数据

   基于 Sentinel-1 和 LUCAS Copernicus 2018 年原位观测的欧洲作物类型图（EUCROPMAP 2018）。该数据集利用独特的 LUCAS 2018 哥白尼原位调查，是欧盟第一个基于 2018 年 S1A 和 S1B 合成孔径雷达观测的 10m 像素大小的大陆作物类型图。数据集可用性2018-01-01T00:00:00Z–2019-01-0....

Google Earth Engine（GEE）——欧洲10米分辨率土地分类（21种分类）EUCROPMAP 2018数据
文章 2022-10-22 来自：开发者社区

Google Earth Engine（GEE）——用10米分辨率土地分类数据进行土地面积计算出现错误

错误：FeatureCollection (Error)Error in map(ID=0): Feature, argument 'geometry': Invalid type. Expected type: Geometry. Actual type: Feature. 原始代码：var boten = ee.FeatureCollection("projects/ee-sura....

Google Earth Engine（GEE）——用10米分辨率土地分类数据进行土地面积计算出现错误
文章 2022-10-22 来自：开发者社区

Google Earth Engine——无人机影像进行分类处理

   本次我们是利用无人机影像采集的影像数据，对特征点的一些特征进行提取分析，然后再加载的矢量转化的过程中出现了以下问题，主要是超限，另外还有几个函数可以ee.Algorithms.Image.Segmentation.seedGrid(size, gridType)选择用于聚类的种子像素。参数。size（整数，默认：5）。超级像素的种子位置间距，单位是像素。gridType....

Google Earth Engine——无人机影像进行分类处理
文章 2022-10-21 来自：开发者社区

Google Earth Engine（GEE）——美国俄勒冈大学制作的可视化土地分类下载器

   今天给大家推荐一款可以在线下载美国土地覆盖度、生物量、不透水层等数据的可视化下载工具，界面简单但是数据集有限，这个可视化下载界面是由美国俄勒冈大学制作的。具体的使用链接：OSU eMapR Lab | Data Vis首先说一下基础底图：分为三类，分别是真彩色、矢量图和地形接下来可以选择我们所需的数据集，第一个是加利福尼亚州的数据，第二个是全美的数据，第三数据集是加利福....

Google Earth Engine（GEE）——美国俄勒冈大学制作的可视化土地分类下载器
文章 2022-06-13 来自：开发者社区

Google Earth Engine（GEE）——基于Landsat的1985-2020年美国西部地区土地分类数据集

数据介绍：美国西部的牧场生态系统对气候变化、火灾和其他人为干扰有动态反应。牧场状况、监测、评估和预测（RCMAP）产品旨在通过使用1985-2020年的Landsat图像量化美国西部牧场组成部分的覆盖百分比、相关误差和趋势来捕捉这种反应。RCMAP使用1985-2020年的Landsat图像，量化了美国西部牧场各组成部分的覆盖率（根据Rigge等人，2020）。RCMAP时间序列由八个部分组成：....

Google Earth Engine（GEE）——基于Landsat的1985-2020年美国西部地区土地分类数据集
文章 2022-06-13 来自：开发者社区

Google Earth Engine（GEE）——Export.image.toAsset/toDrive两者的区别和混用，正确导出分类样本数据到资产assets和引用

之前我们介绍过如何将影像或者表格导出到硬盘中，但是如何直接导出到assets中，然后再次调用呢？如果不知道如何导出Google drive 其实，有一个很好的函数就是直接和导出到硬盘当中一样，用的都是export中的函数：Export.image.toAsset(image, description, assetId, pyramidingPolicy, dimensions, region, ....

Google Earth Engine（GEE）——Export.image.toAsset/toDrive两者的区别和混用，正确导出分类样本数据到资产assets和引用
文章 2022-06-13 来自：开发者社区

Google Earth Engine—美国西部11个州的灌溉状况进行的年度分类（即30米），1986年至今。四个等级的分类（即灌溉、旱地、非耕地、湿地）

IrrMapper is an annual classification of irrigation status in the 11 Western United States made at Landsat scale (i.e., 30 m) using the Random Forest algorithm, covering years 1986 - present. While t....

Google Earth Engine—美国西部11个州的灌溉状况进行的年度分类（即30米），1986年至今。四个等级的分类（即灌溉、旱地、非耕地、湿地）

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

google engine相关内容

google更多engine相关

google您可能感兴趣