Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >GEE数据集:2013年至今树冠顶部距裸露地面的高度(树冠高度模型;CHM)

GEE数据集:2013年至今树冠顶部距裸露地面的高度(树冠高度模型;CHM)

作者头像
此星光明
发布于 2025-02-04 01:46:28
发布于 2025-02-04 01:46:28
9800
代码可运行
举报
运行总次数:0
代码可运行

简介

树冠顶部距裸露地面的高度(树冠高度模型;CHM)。 CHM 源自激光雷达点云,是通过在激光雷达勘测的整个空间范围内创建一个连续的树冠高度估算面而生成的。 点云被分成代表地面和植被回报的类别。 地面分类点用于生成高度归一化点云,提供植被海拔的相对估算值。 然后利用高度归一化植被点生成一个表面,以生成 CHM。 使用 Optech Gemini LiDAR 传感器采集的数据中,树冠高度小于 2 米的部分设为零,使用 Riegl 和 Optech Galaxy 传感器采集的数据中,树冠高度小于 2/3 米的部分设为零。 数据被镶嵌到一个空间分辨率为 1 米的空间均匀网格上,覆盖 AOP 的足迹。

projects/neon-prod-earthengine/assets/CHM/001

Dataset Availability

2013-01-01T00:00:00 -

Dataset Provider

NEON

Contact

Contact information not available.

Collection Snippet

ee.ImageCollection("projects/neon-prod-earthengine/assets/CHM/001")

数据集说明

空间信息

Resolution

1 meters

Bands Table

Name

Description

Min

Max

Units

CHM

Canopy Height Model

0

100

m

变量

NameTypeDescriptionAOP_VISIT_NUMBERInt

Unique visit number to the NEON site.

CITATIONString

Data citation. See NEON Data Policies and Citation Guidelines.

DOIString

Digital Object Identifier. NEON data that have been released are assigned a DOI.

FLIGHT_YEARInt

Year the data were collected

NEON_DOMAINString

NEON eco-climatic domain code, "D01" to "D20". See NEON Field Sites and Domains.

NEON_SITEString

NEON four-digit site code. See NEON Field Sites.

NEON_SITE_NAMEString

Full name of the NEON site. See NEON Field Sites.

NEON_DATA_PROD_URLString

NEON data product url. Always set to: NEON | Data Product.

SENSOR_NAMEString

Make and model of the lidar sensor: "Optech Galaxy Prime", "Optech Gemini", "Riegl Q780".

SENSOR_SERIALString

Serial number of the lidar sensor: "11SEN287", "12SEN311", "5060445", "220855".

PROVISIONAL_RELEASEDString

Whether the data are Provisional or Released. See Data Product Revisions and Releases | NSF NEON | Open Data to Understand our Ecosystems.

RELEASE_YEARInt

If data are released, the year of the NEON Release Tag.

代码

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 读取图像集合并获取第一幅图像
var era5_heat_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-era5-heat')
var era5_heat_i = era5_heat_ic.first()

// 打印第一幅图像,查看波段
print(era5_heat_i)

// 可视化第一幅图像中的选定波段 - 其他波段存在于图像集合中
var temp_palette = ["#b2182b", "#ef8a62", "#fddbc7", "#f7f7f7", "#d1e5f0", "#67a9cf", "#2166ac"].reverse()
Map.addLayer(era5_heat_i.select('mrt_mean').selfMask().subtract(273.15), {min: -10, max: 50, palette: temp_palette}, 'Mean Radiant Temperature, Daily Mean')
Map.addLayer(era5_heat_i.select('utci_mean').selfMask().subtract(273.15), {min: -10, max: 50, palette: temp_palette}, 'Universal Thermal Climate Index, Daily Mean')

代码2

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var chm = ee.ImageCollection(
  'projects/neon-prod-earthengine/assets/CHM/001');

var startDate = ee.Date('2021-01-01');
var endDate = startDate.advance(1, 'year');
var chm2021 = chm.filterDate(startDate, endDate);

var soapSite = chm2021.filter('NEON_SITE == "SOAP"').mosaic();

// This works well for areas with trees.
var chmVis = {min: 0, max: 35, palette: ['E6F7E0', '063B00']};

var lon = -119.25;
var lat = 37.06;

Map.setCenter(lon, lat, 12);

// Degrees in EPSG:3857.
var delta = 0.045;
// Width and Height of the thumbnail image.
var pixels = 256;

var areaOfInterest = ee.Geometry.Rectangle(
  [lon - delta, lat - delta, lon + delta, lat + delta], null, false);

var visParams = {
  dimensions: [pixels, pixels],
  region: areaOfInterest, crs: 'EPSG:3857', format: 'png'};

var image = soapSite.visualize(chmVis);

Map.addLayer(image, null, 'SOAP 2021 Canopy Height Model (m)');
Map.addLayer(areaOfInterest, {color: 'red'}, 'Area of Interest', false);

print(ui.Thumbnail({image: image, params: visParams}));

引用

由 NEON 收集并作为数据产品提供的所有数据(与稀有、受威胁或濒危 (RTE) 物种相关的数据除外)均根据知识共享 CC0 1.0 "无保留权利 "协议发布到公共领域。 NEON 数据没有版权;任何人都可以出于商业或非商业目的复制、修改或分发这些数据,而无需征得许可。 NEON 数据仍可能受到其他法律或权利(如隐私权)的限制,NEON 不对数据作任何保证,并不承担任何责任。 在使用或引用 NEON 数据时,不得暗示 NEON 已认可这些数据。 在大多数国家,数据和事实不享有版权。 通过将 NEON 数据置于公共领域,我们鼓励广泛使用,特别是在科学分析和数据汇总方面。 但是,请注意以下学术规范: 使用 NEON 数据时应注意数据的局限性,并以数据包的相关文档为指导。 有关如何正确使用和引用 NEON 数据的详细信息,以及使用 NEON 数据发表研究成果的最佳实践,请参阅《NEON 数据指南和政策》。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-02-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
GEE数据集:高分辨率真彩色影像 Red-Green-Blue (RGB) ,0.1m
GEE数据集:高分辨率真彩色影像 Red-Green-Blue (RGB) ,0.1m
此星光明
2025/02/02
1360
GEE数据集:高分辨率真彩色影像 Red-Green-Blue (RGB) ,0.1m
Google Earth Engine(GEE)——全球红树林分布、地上生物量和树冠高度
全球红树林分布、地上生物量和树冠高 该数据集基于遥感和现场测量数据,描述了红树林湿地的全球分布、生物量和树冠高度。利用遥感冠层高度测量和特定区域的异速模型,得出2000年名义年的(1)红树林地上生物量(AGB)、(2)最大冠层高度(最高的树的高度)和(3)基底面积加权高度(单个树的高度按其基底面积的比例加权)的估计值。此外,还提供了(4)全球赤道地区红树林生态类型中各种森林结构(如灌丛、边缘、河流和盆地)的选定地点的现场测量数据。在指定的地块内,选定的树木被确定为物种和胸高直径(DBH),树木的高度用激光测距仪或 clinometer测量。可以估计每个地块的树木密度(茎的数量),并表示为每单位面积。这些数据被用来推导出AGB、基底面积加权高度(Hba)和最大树冠高度(Hmax)之间的小区级异质性,并验证遥感估计值。
此星光明
2024/02/02
3970
Google Earth Engine(GEE)——全球红树林分布、地上生物量和树冠高度
Google Earth Engine ——(COPERNICUS/S5P/OFFL/L3系列——CH4/CO/CLOUD/CO/HCHO/NO2/O3/SO2)数据集
Sentinel-5 Precursor is a satellite launched on 13 October 2017 by the European Space Agency to monitor air pollution. The onboard sensor is frequently referred to as Tropomi (TROPOspheric Monitoring Instrument).
此星光明
2024/02/02
2820
Google Earth Engine ——(COPERNICUS/S5P/OFFL/L3系列——CH4/CO/CLOUD/CO/HCHO/NO2/O3/SO2)数据集
NEON LiDAR 数据导出的地表数字模型 (DSM) 和地形数字模型 (DTM)1m分辨率
NEON LiDAR 数据导出的地表数字模型 (DSM) 和地形数字模型 (DTM)1m分辨率
此星光明
2025/02/02
1310
NEON LiDAR 数据导出的地表数字模型 (DSM) 和地形数字模型 (DTM)1m分辨率
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球耕地草地的年概率图。 由土地与碳实验室全球牧场观察计划制作,绘制的草地范围包括任何土地覆被类型,其中包含至少 30% 的干性或湿性低植被,以禾本科和草本植物为主(小于 3 米),以及:最多 50% 的树冠覆盖(大于 5 米)、最多 70% 的其他木本植被(灌丛和开阔灌木地),以及在耕地和其他植被的镶嵌景观中最多 50% 的有效耕地覆盖。
此星光明
2025/02/02
1200
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图。
此星光明
2025/02/02
910
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
全球湖泊水深数据集(全球 140 多万个水体的数据)
GLObal 水深测量(GLOBathy)数据集包含全球 140 多万个水体的数据,经过精心开发,与广受认可的 HydroLAKES 数据集相协调。 GLOBathy 利用先进的基于地理信息系统 (GIS) 的框架,通过整合最大深度估计值和来自 HydroLAKES 的几何/地球物理属性,构建了详细的测深图。 为确保数据的准确性和可靠性,GLOBathy 经过了严格的验证程序,涉及 1,503 个水体和各种观测数据源。 因此,GLOBathy 是一个强大而全面的水文地理和水产科学数据集,为这些领域的研究人员和专业人士提供了宝贵的资源。
此星光明
2025/02/02
1630
全球湖泊水深数据集(全球 140 多万个水体的数据)
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
NASA 全球建模和同化办公室 (GMAO) 制作现代时代研究和应用回顾分析第 2 版 (MERRA2),这是一个 30 多年的全球气候再分析数据集。该数据集补充了现有 MERRA2 地球引擎资产:https: // Developers.google.com/earth-engine/datasets/tags/merra。您可以在此处找到有关此数据集的更多信息,并在气候组织数据页面中阅读有关该数据集的更多信息前言 – 人工智能教程
此星光明
2024/02/02
6380
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
Google Earth Engine(GEE)——全球去除森林和建筑物的哥白尼30米DEM数据集
FABDEM(去除森林和建筑物的哥白尼30米DEM FABDEM(去除森林和建筑物的哥白尼DEM)从哥白尼GLO 30数字高程模型(DEM)中去除建筑物和树木高度的偏差(空中客车,2020年)。该数据以1角秒的网格间距(赤道上约30米)提供给全球。作者使用机器学习从哥白尼数字高程模型中去除建筑物和森林,首次产生了一个以1角秒(∼30米)网格间距去除建筑物和森林的全球高程地图。你可以在这里阅读该论文:
此星光明
2024/02/02
5050
Google Earth Engine(GEE)——全球去除森林和建筑物的哥白尼30米DEM数据集
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE/Fire/PLS/v1_2_0数据集内包含多种数据要素
LANDFIRE (LF), Landscape Fire and Resource Management Planning Tools, is a shared program between the wildland fire management programs of the U.S. Department of Agriculture's Forest Service, U.S. Department of the Interior's Geological Survey, and The Nature Conservancy.
此星光明
2024/02/02
2310
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE/Fire/PLS/v1_2_0数据集内包含多种数据要素
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
全球土地覆被估算(GLanCE)数据集利用 30 米空间分辨率的大地遥感卫星图像,提供了 2001 年至 2019 年期间每年土地覆被和土地覆被变化的高质量长期记录。 该数据集涵盖除南极洲以外的全球所有陆地区域,包括 10 个科学数据集(SDS),用于跟踪土地覆被、土地覆被变化和绿化动态。 连续变化探测和分类(CCDC)算法用于根据所有可用的、清晰的大地遥感卫星观测数据识别土地覆被和变化。
此星光明
2024/10/24
3070
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
全球长期微波植被光学深度数据集存档 VODCA v2
全球微波植被光学深度气候档案版本 2(VODCA v2)提供了两个新的多卫星 VOD 数据集:VODCA CXKu,一个涵盖 1987-2021 年的每日多频产品,以及 VODCA L,一个覆盖 2010-2021 年的 10 日 L 波段产品。植被光学深度(VOD)是基于微波地球观测的植被冠层存储的总水含量的模型指标,与植被密度、丰度和地上生物量(AGB)相关。
此星光明
2025/02/20
1380
全球长期微波植被光学深度数据集存档 VODCA v2
GEE数据集:1996 年到 2020 年全球红树林观测数据集(JAXA)(更新)
这项研究使用了日本宇宙航空研究开发机构(JAXA)提供的 L 波段合成孔径雷达(SAR)全球mask数据集,从 1996 年到 2020 年的 11 个时间段,建立了全球红树林范围和变化的长期时间序列。 该研究采用 "从地图到图像 "的方法进行变化检测,其中基线地图(GMW v2.5)使用阈值化和上下文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,每个时间段生成 10 幅地图,汇总后生成全球红树林时间序列。 所绘制的红树林范围图的准确度估计为 87.4%(95th conf. int.: 86.2 - 88.6%),但单个增益和损失变化类别的准确度较低,分别为 58.1%(52.4 - 63.9%)和 60.6%(56.1 - 64.8%)。误差来源包括合成孔径雷达镶嵌数据集的错误登记(只能部分纠正),以及红树林破碎区域(如水产养殖池塘周围)的混淆。 总体而言,1996 年确定的红树林面积为 152,604 平方公里(133,996 - 176,910),到 2020 年将减少-5,245 平方公里(-13,587 - 3686),总面积为 147,359 平方公里(127,925 - 168,895),估计 24 年间损失 3.4%。 全球红树林观测 3.0 版是迄今为止最全面的全球红树林变化记录,预计将支持广泛的活动,包括对全球沿海环境的持续监测、保护目标进展情况的界定和评估、保护区规划以及全球红树林生态系统的风险评估。
此星光明
2024/10/01
2720
GEE数据集:1996 年到 2020 年全球红树林观测数据集(JAXA)(更新)
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
ETH Global Sentinel-2 10米冠层高度(2020年) 全世界的植被高度变化是全球碳循环的基础,也是生态系统及其生物多样性运作的核心。管理陆地生态系统、缓解气候变化和防止生物多样性的丧失,需要地理空间上的明确信息,而且最好是高度解析的信息。在这里,我们提出了2020年第一个全球的、地面采样距离为10米的墙到墙的树冠高度图。没有一个数据源能满足这些要求:像GEDI这样的专门的空间任务提供了稀疏的高度数据,但覆盖面却前所未有,而像Sentinel-2这样的光学卫星图像提供了全球密集的观测,但不能直接测量垂直结构。通过融合GEDI和Sentinel-2,我们开发了一个概率深度学习模型,从地球上任何地方的Sentinel-2图像中检索树冠高度,并对这些估计的不确定性进行量化。
此星光明
2024/02/02
4850
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
GEE数据集——美国干旱监测四级干旱:中度(D1)、严重(D2)、极度(D3)和异常(D4)
美国干旱监测 "是每周四发布的地图,显示美国部分地区的干旱情况。 该地图采用五种分级:异常干旱(D0),显示可能进入或即将摆脱干旱的地区;四级干旱:中度(D1)、严重(D2)、极度(D3)和异常(D4)。 干旱监测仪自 1999 年推出以来,一直由内布拉斯加大学林肯分校的国家干旱缓解中心 (NDMC)、美国国家海洋与大气管理局 (NOAA) 和美国农业部 (USDA) 联合制作。 内布拉斯加大学林肯分校的 NDMC 负责管理干旱监测网站和相关数据,并向 NOAA、USDA 和其他机构提供地图和数据。 该网站可在 droughtmonitor.unl.edu 免费查阅。
此星光明
2025/02/02
1170
GEE数据集——美国干旱监测四级干旱:中度(D1)、严重(D2)、极度(D3)和异常(D4)
GEE数据集:全球城市热岛强度(UHII)数据集(更新)
城市热岛效应(UHI)的特点是城市地区局部变暖,是城市化对气候的重要影响。 估算城市热岛强度(UHII)的传统方法受到一些限制,例如只关注晴空表面的 UHII,而忽略了全天空表面和冠层(气温)的 UHII。 这些方法往往忽略了人为干扰,导致估算结果的不确定性。 为了克服这些挑战,本研究引入了一种新的动态等面积(DEA)方法,旨在通过动态循环过程减少干扰因素的影响。 通过应用 DEA 方法并整合网格气温数据,建立了一个全面的全球尺度 UHII 数据集,该数据集涵盖 10,000 多个城市,时间跨度超过 20 年,具有月度时间分辨率。 该数据集提供了多方面的 UHII 估计值,包括晴空地表、全天空地表和冠层 UHII,为分析城市环境中的 UHI 趋势提供了坚实的基础。 数据集显示,80% 以上的研究城市的 UHII 大于零,地表 UHII 的全球年平均值约为 1.0°C(白天)和 0.8°C(夜间),冠层 UHII 约为 0.5°C。 此外,60%以上的城市观测到超高层大气吸入指数的年际上升趋势,地表超高层大气吸入指数的全球平均趋势超过每十年 0.1°C(白天)和 0.06°C(夜间),冠层超高层大气吸入指数的全球平均趋势略高于每十年 0.03°C。 此外,还发现了超高强辐射指数的大小和趋势之间的正相关关系,表明超高强辐射指数较强的城市,超高强辐射指数的增长速度往往较快。 由于数据类型(地表温度或气温)、数据采集时间(Terra 或 Aqua)、天气条件(晴空或全天空)和处理方法的不同,该数据集进一步突出了 UHII 估计值的差异。 这一全面的数据集和相应的分析为未来的城市气候研究提供了宝贵的见解,可在 https://doi.org/10.6084/m9.figshare.24821538 上公开获取。 全球城市热岛数据集采用多种方法,包括空气温度和地表温度的估计值。 该数据集从 2003 年到 2020 年按月提供(来自 MODIS Terra 卫星的数据集从 2001 年提供)。 您可以在这里阅读论文中的更多信息。
此星光明
2024/10/01
4480
GEE数据集:全球城市热岛强度(UHII)数据集(更新)
GEE数据集——全球ERA5-HEAT(人类热舒适度)逐日数据集
该数据集提供了一组代表室外条件下人类热应力和不适指数的完整历史重建。该数据集也被称为ERA5-HEAT(人类热舒适度),代表了当前生物气候学数据记录制作的最先进水平。该数据集围绕两个主要变量展开:1)平均辐射温度(MRT);2)通用热气候指数(UTCI)。这些变量描述了人体如何体验大气条件,特别是气温、湿度、通风和辐射。
此星光明
2024/06/01
5080
GEE数据集——全球ERA5-HEAT(人类热舒适度)逐日数据集
USGS MODIS 蒸散量数据集
这里提供的蒸散量 (ET) 数据集是遥感技术的结果,主要利用 MODIS 热图像和全球天气数据集。该数据集对应于 Climate Engine 使用的全球 ET 产品的第 5 版。它为 2003 年至 2023 年期间的 ET 时空动态提供了宝贵的见解。该数据集的基石是可操作的简化表面能量平衡 (SSEBop) 模型,由 Senay 等人精心详细介绍。(2013)。建立在简化表面能量平衡 (SSEB) 方法的基础上,该方法最初由 Senay 等人提出。SSEBop 模型于 2007 年发布,并在随后的出版物中得到进一步完善(Senay 等人,2011 年),它具有专门为操作应用量身定制的独特参数化功能,类似于与湿度测定相关的原理。Velpuri 等人进行的综合模型评估强调了其稳健性。2013年。前言 – 人工智能教程
此星光明
2024/02/02
2550
USGS MODIS 蒸散量数据集
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
欧空局火灾扰动气候变化倡议(CCI) 欧空局火灾扰动气候变化倡议(CCI)项目通过卫星观测绘制了全球烧毁面积地图。这里介绍的 AVHRR - LTDR Pixel v1.1 产品包含全球烧毁面积的网格数据,这些数据来自美国国家航空航天局制作的 AVHRR(高级甚高分辨率辐射计)陆地长期数据记录 (LTDR) v5 数据集的光谱信息。
此星光明
2024/08/14
1360
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
植被干旱响应指数(VegDRI)是一个每周一次的地理空间模型,用于描述干旱对美国本土植被造成的压力。VegDRI干旱监测工具是由美国地质调查局EROS中心、内布拉斯加大学国家干旱缓解中心(NDMC)和高原区域气候中心(HPRCC)的科学家们合作开发的。
此星光明
2024/06/04
2480
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
推荐阅读
GEE数据集:高分辨率真彩色影像 Red-Green-Blue (RGB) ,0.1m
1360
Google Earth Engine(GEE)——全球红树林分布、地上生物量和树冠高度
3970
Google Earth Engine ——(COPERNICUS/S5P/OFFL/L3系列——CH4/CO/CLOUD/CO/HCHO/NO2/O3/SO2)数据集
2820
NEON LiDAR 数据导出的地表数字模型 (DSM) 和地形数字模型 (DTM)1m分辨率
1310
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
1200
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
910
全球湖泊水深数据集(全球 140 多万个水体的数据)
1630
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
6380
Google Earth Engine(GEE)——全球去除森林和建筑物的哥白尼30米DEM数据集
5050
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE/Fire/PLS/v1_2_0数据集内包含多种数据要素
2310
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
3070
全球长期微波植被光学深度数据集存档 VODCA v2
1380
GEE数据集:1996 年到 2020 年全球红树林观测数据集(JAXA)(更新)
2720
Google Earth Engine(GEE)—— ETH Global Sentinel-2 10米植被冠层高度数据集(2020年)
4850
GEE数据集——美国干旱监测四级干旱:中度(D1)、严重(D2)、极度(D3)和异常(D4)
1170
GEE数据集:全球城市热岛强度(UHII)数据集(更新)
4480
GEE数据集——全球ERA5-HEAT(人类热舒适度)逐日数据集
5080
USGS MODIS 蒸散量数据集
2550
GEE数据集——1982 年到 2018 年AVHRR - LTDR Pixel v1.1 产品包含全球焚烧面积0.05 度分辨率网格月度数据集
1360
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
2480
相关推荐
GEE数据集:高分辨率真彩色影像 Red-Green-Blue (RGB) ,0.1m
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档