Datasets tagged classification in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Карта земельного покрова Кот-д'Ивуара BNETD 2020
Карта земельного покрова Кот-д'Ивуара BNETD 2020 была подготовлена правительством Кот-д'Ивуара через национальное учреждение – Центр географической информации и цифровых технологий Национального бюро исследований, технологий и развития (BNETD-CIGN) – при технической и финансовой поддержке Европейского союза. Методология…
Глобальная классификация лесов 2020 года для оценок надземной биомассы МГЭИК, уровень 1, версия 1
Этот набор данных содержит классы лесов мира, классифицированные по состоянию на 2020 год с разрешением около 30 м. Эти данные позволяют получить оценки уровня 1 для плотности надземной сухой древесной биомассы (AGBD) в естественных лесах в уточнении 2019 года к Руководящим принципам МГЭИК 2006 года по национальным парниковым эффектам…
Глобальная 3-классовая карта лесных/нелесных территорий PALSAR-2/PALSAR
Более новую версию этого набора данных с 4 классами за 2017–2020 годы можно найти в JAXA/ALOS/PALSAR/YEARLY/FNF4. Глобальная карта лесов/нелесов (FNF) создается путем классификации изображения SAR (коэффициента обратного рассеяния) в глобальной мозаике PALSAR-2/PALSAR SAR с разрешением 25 м таким образом, чтобы пиксели с сильным и слабым обратным рассеянием…
Глобальная 4-классовая карта лесных/нелесных территорий PALSAR-2/PALSAR
Глобальная карта лесных/нелесных территорий (FNF) формируется путём классификации изображения SAR (коэффициента обратного рассеяния) в глобальной мозаике PALSAR-2/PALSAR SAR с разрешением 25 м таким образом, что пикселы с сильным и слабым обратным рассеянием обозначаются как «лес» и «нелес» соответственно. Здесь «лес» определяется как естественный лес с…
Карта земельного покрова Кот-д'Ивуара BNETD 2020 была подготовлена правительством Кот-д'Ивуара через национальное учреждение – Центр географической информации и цифровых технологий Национального бюро исследований, технологий и развития (BNETD-CIGN) – при технической и финансовой поддержке Европейского союза. Методология…
Глобальная классификация лесов 2020 года для оценок надземной биомассы МГЭИК, уровень 1, версия 1
Этот набор данных содержит классы лесов мира, классифицированные по состоянию на 2020 год с разрешением около 30 м. Эти данные позволяют получить оценки уровня 1 для плотности надземной сухой древесной биомассы (AGBD) в естественных лесах в уточнении 2019 года к Руководящим принципам МГЭИК 2006 года по национальным парниковым эффектам…
Глобальная 3-классовая карта лесных/нелесных территорий PALSAR-2/PALSAR
Более новую версию этого набора данных с 4 классами за 2017–2020 годы можно найти в JAXA/ALOS/PALSAR/YEARLY/FNF4. Глобальная карта лесов/нелесов (FNF) создается путем классификации изображения SAR (коэффициента обратного рассеяния) в глобальной мозаике PALSAR-2/PALSAR SAR с разрешением 25 м таким образом, чтобы пиксели с сильным и слабым обратным рассеянием…
Глобальная 4-классовая карта лесных/нелесных территорий PALSAR-2/PALSAR
Глобальная карта лесных/нелесных территорий (FNF) формируется путём классификации изображения SAR (коэффициента обратного рассеяния) в глобальной мозаике PALSAR-2/PALSAR SAR с разрешением 25 м таким образом, что пикселы с сильным и слабым обратным рассеянием обозначаются как «лес» и «нелес» соответственно. Здесь «лес» определяется как естественный лес с…
[[["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"]],[],[],[]]