Datasets tagged google in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ — это процессор оценки качества (QA) для оптических спутниковых снимков среднего и высокого разрешения. Набор данных Cloud Score+ S2_HARMONIZED формируется в оперативном режиме на основе гармонизированной коллекции Sentinel-2 L1C. Результаты Cloud Score+ можно использовать для определения относительно чистых пикселей и эффективного удаления облаков…
Dynamic World — это 10-минутный набор данных о землепользовании и земельном покрове (LULC), работающий в режиме, близком к реальному времени (NRT), который включает вероятности классов и информацию о маркировке для девяти классов. Прогнозы Dynamic World доступны для коллекции Sentinel-2 L1C с 27 июня 2015 г. по настоящее время. Периодичность обновления Sentinel-2 составляет от 2 до 5 дней…
Сегменты CCDC на базе данных Google Global Landsat (1999–2019)
Эта коллекция содержит предварительно вычисленные результаты, полученные с помощью алгоритма обнаружения и классификации непрерывных изменений (CCDC) на основе данных об отражательной способности поверхности Landsat за 20 лет. CCDC — это алгоритм поиска точек разрыва, использующий гармоническую аппроксимацию с динамическим порогом среднеквадратичной ошибки (RMSE) для обнаружения точек разрыва во временных рядах данных. …
Глобальные слои картирования поверхностных вод JRC, версия 1.2 [устарело]
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2019 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Глобальные слои картирования поверхностных вод JRC, версия 1.4
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Глобальные метаданные поверхностных вод JRC, версия 1.4
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Ежемесячный прогноз повторного использования воды JRC, версия 1.4
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Ежегодная история классификации вод JRC, версия 1.4
Этот набор данных содержит карты местоположения и временного распределения поверхностных вод с 1984 по 2021 год, а также статистику о площади и изменении этих водных поверхностей. Подробнее см. в соответствующей журнальной статье: Высокоразрешающее картирование глобальных поверхностных вод и их…
Классификация глобальных приливных изменений по Мюррею
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как «приливная отмель», «постоянная вода» или «другое» на основе глобально распределённого набора обучающих данных. …
Маска данных по глобальным приливным изменениям в Мюррее
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как «приливная отмель», «постоянная вода» или «другое» на основе глобально распределённого набора обучающих данных. …
Количество пикселей для оценки глобальных приливных изменений в Мюррее
Набор данных Murray Global Intertidal Change Dataset содержит глобальные карты экосистем приливных отмелей, созданные с помощью контролируемой классификации 707 528 изображений из архива Landsat. Каждый пиксель был классифицирован как «приливная отмель», «постоянная вода» или «другое» на основе глобально распределённого набора обучающих данных. …
Набор данных Google Satellite Embedding — это глобальная, готовая к анализу коллекция геопространственных вложений. Каждый 10-метровый пиксель в этом наборе данных представляет собой 64-мерное представление, или «вектор вложения», кодирующий временные траектории поверхностных условий в этом пикселе и вокруг него, измеренные различными методами наблюдения за Землей…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2022 v1.0
Этот набор данных отображает основные факторы сокращения лесного покрова в глобальном масштабе с 2001 по 2022 год с разрешением 1 км. Данные, подготовленные Институтом мировых ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной нейронной сети (ResNet), обученной на наборе образцов, собранных…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2023 v1.1
Этот набор данных отображает основные факторы сокращения лесного покрова в период с 2001 по 2023 год по всему миру с разрешением 1 км. Данные, подготовленные Институтом мировых ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной нейронной сети (ResNet), обученной на наборе образцов, собранных…
WRI/Google DeepMind Глобальные факторы потери лесов 2001-2024 v1.2
Этот набор данных отображает основные факторы сокращения лесного покрова в период с 2001 по 2024 год по всему миру с разрешением 1 км. Данные, подготовленные Институтом мировых ресурсов (WRI) и Google DeepMind, были разработаны с использованием глобальной нейронной сети (ResNet), обученной на наборе образцов, собранных…
[[["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"]],[],[],["Cloud Score+ identifies clear pixels and removes clouds from Sentinel-2 imagery. Dynamic World provides near-real-time land use/land cover data for nine classes from Sentinel-2. Google's CCDC algorithm detects breakpoints in 20 years of Landsat data. JRC datasets map surface water's location, distribution, and change from 1984-2021 using Landsat data. The Murray dataset classifies tidal flat ecosystems globally using supervised classification of over 700,000 Landsat images.\n"]]
