AI 助理
文档备案控制台
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——全球河流网络及相应的水资源区数据集

全球河流网络及相应的水资源区 河流网络和水资源区（WRZ）对于水资源的规划、利用、开发、保护和管理至关重要。目前，世界上的河网和水资源区大多是根据数字高程模型数据自动获得的，这些数据不够准确，尤其是在平原地区。此外，WRZ代码与河网不一致。作者提出了一系列方法，生成了分辨率较高、一致性较强的全球河网和相应的1-4级WRZ，该数据集为世界水资源的合理利用和社会可持续发展提供了重要依据和支持...

文章 2024-02-07 来自：开发者社区

Google Earth Engine （GEE） ——gee中自带的Landsat8和5数据集对于温度波段的映射出现无法运行的情况

True Color (432): Layer error: ImageCollection.mosaic: Error in map(ID=LC09_001048_20220114): Image.select: Pattern 'ST_B6' did not match any bands. Tr...

Google Earth Engine （GEE） ——gee中自带的Landsat8和5数据集对于温度波段的映射出现无法运行的情况
文章 2024-02-07 来自：开发者社区

Google Earth Engine(GEE)——监督分类出现ConfusionMatrix (Error) User memory limit exceeded.解决方案

我正在做监督分类，我得到的错误是’超过了用户内存限制’，但是我的数据已经不是那么复杂了。我把我的inputPropeties导出为一个堆叠的图层，我在一个光栅图层上做分类，我选择了有限的类的数量，但仍然得到这个错误。 我希望得到你的回答。 当我们出现下面的状况应该怎们办？ Resubstitution error matrix: ConfusionMatrix (...

Google Earth Engine(GEE)——监督分类出现ConfusionMatrix (Error) User memory limit exceeded.解决方案
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——ee.Reducer.percentile使用过程中的注意问题

我们在获取影像的百分比值使用的函数是ee.Reducer.percentile，但是会存在很多问题有时候会发现我们获取不同百分比值的时候数值会不一样，可能导致结果不同。 问题： 对于单波段图像，第5、25、50、75和95百分位数的值是相同的。尽管图像中存在离群点，但这很难理解，因为离群点像素的数量比正常像素的数量少得多。如何自动去除离群点？ 函数： ee.Red...

Google Earth Engine（GEE）——ee.Reducer.percentile使用过程中的注意问题
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——来自陆地卫星的全球河流宽度（GRWL）

来自陆地卫星的全球河流宽度（GRWL） 来自陆地卫星的全球河宽（GRWL）图层是GRWL论文的主要输出，在加入所有子部分后，它非常大，有超过6400万个特征，这是作者提供的子部分文件的组合。你可以在这里阅读该论文 前言 – 床长人工智能教程 该资源库由5个文件组成，每个文件都有子部分 1) 简化的GRWL向量产品：grwl_SummaryStats_v01_01 ...

Google Earth Engine（GEE）——来自陆地卫星的全球河流宽度（GRWL）
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——全球距离最近的30米/90米集水区数据集

Global 30m Height Above the Nearest Drainage 方法： methodology here 前言 – 床长人工智能教程 最近近排水口以上的高度（HAND）是一个使用最近的排水口进行归一化的数字高程模型，用于水文和更广泛的用途，如灾害测绘、地貌分类和遥感。HAND的基本特征之一是它能够捕捉当地环境中的异质性，否则难以测量或建模。虽然学...

Google Earth Engine（GEE）——全球距离最近的30米/90米集水区数据集
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

Google Earth Engine（GEE）——OSM水图层 OpenStreetMap中的全球地表水数据集（90m分辨率）

OSM水图层 OpenStreetMap中的地表水 OSM水层是一个全球地表水数据，由OpenStreetMap中提取地表水特征生成。OSM水层栅格化地图是以WGS84为参照的。数据准备为5度x5度的瓦片（6000像素x6000像素）。文件名代表数据域的左下角像素的中心；例如，文件 "n30w120.tif "是针对域N30-N35，W120-W115。(more accurately,...

Google Earth Engine（GEE）——OSM水图层 OpenStreetMap中的全球地表水数据集（90m分辨率）
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——全球红树林数据集

全球红树林观察 这项研究使用了日本宇宙航空研究开发机构（JAXA）1996年至2020年11个历时的L波段合成孔径雷达（SAR）全球马赛克数据集，以开发全球红树林范围和变化的长期时间序列。该研究采用了地图到图像的方法来检测变化，其中基线地图（GMW v2.5）使用阈值处理和背景红树林变化掩码进行更新。这种方法适用于所有图像-日期对，在每个纪元产生10张地图，这些地图被汇总以产生全球红树林...

Google Earth Engine（GEE）——全球红树林数据集
文章 2024-02-07 来自：开发者社区

Google Earth Engine（GEE）——LandCoverNet训练标签 v1.0

LandCoverNet训练标签 v1.0 LandCoverNet是一个全球年度土地覆被分类训练数据集，带有2018年Sentinel-1、Sentinel-2和Landsat-8任务的多光谱卫星图像的标签。LandCoverNet中的图像芯片为256 x 256像素，横跨多个瓦片。每个图像芯片包含来自以下卫星产品的时间观测数据，并带有年度等级标签，全部以栅格格式（GeoTIFF文件）...

Google Earth Engine（GEE）——LandCoverNet训练标签 v1.0

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更多engine相关

google您可能感兴趣