Advertisement

EarthEngine-Deep-Learning: 利用Google Earth Engine对Landsat-8影像进行土地分析...

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
EarthEngine-Deep-Learning项目运用Google Earth Engine平台及深度学习技术，针对Landsat-8卫星图像开展高效的土地覆盖与利用变化分析研究。 如果您使用EarthEngine深度学习进行学术研究，请引用以下存储库： @misc{das_2019, title={基于Landsat-8影像的Google Earth Engine土地覆盖分类}, url={https://ucalyptus.me/EarthEngine-Deep-Learning/index.slides.html}, journal={EarthEngine Deep Learning}, publisher={GitHub}, author={Das, Sayantan}, year={2019}, month={Sep} }

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • EarthEngine-Deep-Learning: 利用Google Earth Engine对Landsat-8影像进行土地分析...
    优质
    EarthEngine-Deep-Learning项目运用Google Earth Engine平台及深度学习技术，针对Landsat-8卫星图像开展高效的土地覆盖与利用变化分析研究。 如果您使用EarthEngine深度学习进行学术研究，请引用以下存储库： @misc{das_2019, title={基于Landsat-8影像的Google Earth Engine土地覆盖分类}, url={https://ucalyptus.me/EarthEngine-Deep-Learning/index.slides.html}, journal={EarthEngine Deep Learning}, publisher={GitHub}, author={Das, Sayantan}, year={2019}, month={Sep} }
     
  • Google Earth Engine - Global Forest Change: Landsat影像时间序列分析成果反映森林变化...
    优质
    Google Earth Engine利用Landsat卫星长时间序列数据，揭示全球森林覆盖的变化情况。该平台提供强大的计算能力与海量遥感数据，支持科学研究及可持续发展目标的实现。 全球森林变化的Landsat图像时间序列分析结果能够表征森林范围及其变化情况。树木被定义为高度超过5米的植被，并以每个输出网格单元中树木覆盖率百分比表示，例如“2000%树木覆盖率”。其中，“森林覆盖损失”指的是在2000至2016年期间发生的林分置换干扰或从森林状态转变为非森林状态的情况。“森林覆盖增加”的定义则是与之相反的过程，在此时间段内由非林地变为林地的变化情况。而“森林损失年”则表示将总的“森林损失”数量按照年度时间范围进行分类统计的结果。参考的2000年和2016年的图像数据是基于一系列经过质量评估后的生长季节观测值中的中位数观测结果得出的。
     
  • 利用Google Earth Engine评估生物量
    优质
    本研究采用Google Earth Engine平台，结合卫星遥感数据和先进的算法模型，旨在精确量化与制图全球及区域尺度上的植被生物量，为生态学、气候变化研究等领域提供关键数据支持。 Estimating Aboveground Biomass Using Remote Sensing Data and Google Earth Engine
     
  • Google Earth Engine教程.pdf
    优质
    《Google Earth Engine教程》是一份详尽指南，旨在帮助用户掌握如何使用Google Earth Engine平台进行地球观测数据分析与应用开发。 本资料包括学习GEEmap的基本教程、第四届GEE会议的会议内容和PPT以及GEE基础语法PPT。
     
  • 基于Landsat TM影像的兰州市土地覆盖变化分析
    优质
    本研究利用Landsat TM影像数据，对兰州市近几十年的土地覆盖变化进行详细分析，探讨城市化进程中的环境影响与发展趋势。 兰州市作为西北内陆地区的中心城市，研究其土地覆盖变化检测方法对于探索该市的社会空间结构及其演变过程具有重要意义。本段落选取了2006年和2011年的Landsat TM影像数据，并采用主成分分析和支持向量机技术进行地物变化的检测工作。
     
  • Cesium 1.70（含Google Earth影像、历史影像及地形数据）
    优质
    Cesium 1.70版本新增支持Google Earth的影像、历史影像和地形数据，为用户提供更加丰富精准的地图服务体验。 基于Cesium170源码的修改版本支持Google Earth影像、历史影像和地形数据。如果您对此项目感兴趣或有任何问题，请直接通过平台留言联系我。
     
  • Google Earth Engine教程与源码解析
    优质
    《Google Earth Engine教程与源码解析》一书深入浅出地讲解了如何使用Google Earth Engine平台进行地球大数据处理和分析，结合实例代码帮助读者快速掌握编程技巧。 Google Earth Engine教程提供了一系列关于如何使用Google Earth Engine平台的指导和资源。此教程旨在帮助用户掌握Earth Engine的各项功能，并能够利用其海量地球观测数据进行科学研究、环境监测及地理信息分析等工作。通过本教程，初学者可以快速上手，而有经验的开发者则能更深入地挖掘该工具的强大潜力。
     
  • Google Earth Engine学习资源
    优质
    《Google Earth Engine学习资源》旨在为用户系统地介绍和讲解如何使用Google Earth Engine这一强大的地球观测数据平台进行科学研究与应用开发。该资料集涵盖了从基础概念到高级编程技巧的全方位教程，适用于地理信息科学、环境监测及气候变化研究等领域的专业人士以及对遥感技术感兴趣的初学者。 Google Earth Engine的学习资料可以帮助用户更好地理解和使用这一强大的地球数据分析平台。这些资源涵盖了从基础概念到高级应用的各个方面，适合不同水平的学习者参考学习。
     
  • geeTools：用于遥感与空间分析的Google Earth Engine工具
    优质
    geeTools是一款专为遥感和空间数据分析设计的软件工具包，它充分利用了Google Earth Engine平台的强大计算能力，支持用户高效处理大规模地球观测数据。 Google Earth Engine的遥感和空间分析工具。 用法 要导入模块，请在您的GEE脚本中包含以下代码： ```javascript var foo = require(users/aazuspa/geeTools:{module name}); foo.bar(); ``` 例如： ```javascript var fire = require(users/aazuspa/geeTools:fire.js); fire.calculateBurnSeverity(...); ``` 例子 烧伤严重程度 使用火灾前和火灾后的图像来计算火灾前和火灾后的NBR，dNBR（Key和Benson，2005），RdNBR（Miller和Thode，2007）以及基础区域死亡率（Reilly等人，2017）。
     
  • GEE-CMIP5-气候数据处理：利用Google Earth Engine (JavaScript)...
    优质
    本项目运用Google Earth Engine平台及JavaScript语言，对CMIP5气候变化模型数据进行高效处理与分析，旨在探索全球气候变化趋势及其影响。 从一般环流模型（GCM）中提取降级的每日数据，并使用有用的JavaScript程序在CMIP5阶段下载历史和预计的气候数据（RCP 4.5和8.5）。