代码编织梦想

数据集: ESA WorldCover 10m v100
数据说明: 该产品提供了基于Sentinel-1和Sentinel-2数据的2020年10米分辨率的全球土地覆盖地图。WorldCover产品有11种土地覆盖类别,是在ESA WorldCover项目框架内生成的,该项目是欧洲航天局第5个地球观测信封计划(EOEP-5)的一部分。
源代码链接: https://code.earthengine.google.com/a21637bdf6f94fe68d9eb7928ac91695?noload=true
在这里插入图片描述

//导入矢量边界,然后直接运行
var ROI = table

//导入数据
var Landcover_dataset = ee.ImageCollection("ESA/WorldCover/v100").first()

//按试验区掩膜提取
var Landcover = Landcover_dataset.clip(ROI)

//土地覆盖数据对应颜色&标签
// 10  #006400 Trees 
// 20  #ffbb22 Shrubland 
// 30  #ffff4c Grassland 
// 40  #f096ff Cropland 
// 50  #fa0000 Built-up 
// 60  #b4b4b4 Barren / sparse vegetation 
// 70  #f0f0f0 Snow and ice 
// 80  #0064c8 Open water 
// 90  #0096a0 Herbaceous wetland 
// 95  #00cf75 Mangroves 
// 100  #fae6a0 Moss and lichen 

//可视化参数
var visualization = {
  bands: ['Map'],
  palette:['#006400','#ffbb22','#ffff4c',
            '#f096ff','#fa0000','#b4b4b4',
            '#f0f0f0','#0064c8','#0096a0',
            '#00cf75','#fae6a0'],
};

Map.centerObject(ROI,5);

Map.addLayer(ROI,{},'ROI');

Map.addLayer(Landcover, visualization, "Landcover");

//数据下载
Export.image.toDrive({
      image: Landcover,
      description: 'Landcover',
      region: ROI,
      maxPixels: 1e13,
      folder: 'Landcover'
    })
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_35591253/article/details/121005201

Google Earth Engine(GEE)实例代码学习六——土地利用分类(Landcover Cleanup)-爱代码爱编程

标题 利用MODSI全球土地覆盖产品显示土地利用分类 首先大致介绍一下MODIS土地覆盖产品MCD12Q1 MCD12Q1 V6产品按六种不同的分类方案按年间隔(2001-2016年)提供全球土地覆盖类型。 它是使用MODIS Terra和Aqua反射数据的监督分类得出的。 然后,对监督分类结果进行额外的后处理,这些后处理结合了先验知识和辅助信息以进一

GEE实战 | LULC获取与处理-爱代码爱编程

GEE实战 | LULC获取与处理 LULC数据库MCD12Q1.006GlobCoverCGLS-LC100 collection 2Copernicus CORINE Land CoverNLCD映射单独映射 LULC数据库   LULC百度百科:LULC(the land-use/land-cover 土地利用和土地覆盖)数据包括城市和

2020年四川省土地利用数据(矢量)-爱代码爱编程

四川省,位于中国大陆西南腹地,处于中国大陆地势三大阶梯中的第一级和第二级,即第一级青藏高原和第二级长江中下游平原的过渡带,高低悬殊,西高东低的特点特别明显。四川地貌复杂,以山地为主要特色,具有山地、丘陵、平原和高原4种地貌类型,分别占全省面积的74.2%、10.3%、8.2%、7.3%。 土地利用数据是在根据影像光谱特征,结合野外实测资料,同时参照有关地

机智云代码移植_哨兵1,2(SENTINEL 1、2)数据在GEE上 的土地利用分类代码-爱代码爱编程

Sentinel-1和Sentinel-2卫星具有非常高的空间和时间分辨率。这些数据对于绘制土地利用和土地利用变化非常有用。本教程展示了在gee上如何使用简单的算法来识别水,植被,人工表面和稻田。 以下代码参考https://mygeoblog.com 1 导入Sentinel-1和Sentinel-2 影像集 2 定

2020年最新全国土地利用数据-爱代码爱编程

GlobeLand30全国及各省市土地利用覆盖数据3年完整成品数据(2020-2010-2000) 由全国53个分幅数据,基于ArcGIS平台,经投影变换、拼接、裁剪等处理而成。 数据集基本介绍:格式为tif,坐标系WGS-84、30米分辨率,可直接用于毕业论文基础数据、土地利用变化分析,空间分析等。 2020年全国土地利用:  云南省土地利用数

全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)-爱代码爱编程

此图层显示土地利用/土地覆盖 (LULC) 的全球地图。该地图来自 ESA Sentinel-2 图像,分辨率为 10m。它综合了全年 10 个类别的 LULC 预测,以生成 2020 年的代表性快照。该地图由深度学习模型生成,该模型使用超过 50 亿个手工标记的 Sentinel-2 像素进行训练,从 20,000 多个站点中采样分布于世界所有主要生物群

GEE——西非土地使用土地覆盖数据集-爱代码爱编程

西非土地利用动态项目始于 1999 年,致力于绘制土地利用和土地覆盖图,描述时间和空间趋势,并了解它们对整个西非环境的影响。西非土地利用动态项目的成果是为包括佛得角群岛在内的西非撒哈拉以南地区生成了三个时期(1975、2000 和 2013 年)的土地利用和土地覆盖数据集。西非土地利用土地覆盖时间序列数据集为系统地以前所未有的详细程度表征和分析整个地区的土

2020年ESA中国区10m地表覆盖数据下载-爱代码爱编程

  开始写博客这么久,但没多少文章,说来惭愧。   从本篇开始,内容会逐步涉及数据获取、处理等实际的过程。也会跟gma库 (详见自建 | 地理与气象数据分析(geographic and meteorological data analysis)(gma)的说明与使用)中构建的一些函数进行联动和测试。   也感谢各位大佬的阅读和指导。 目录

Google Earth Engine(GEE)——土地覆盖分类的方法环境遥感之图像分类(1)-爱代码爱编程

本实验室的目标是了解影像分类过程,并探索将遥感影像转化为土地覆盖图的方法。 加载图像 第一步是获得一个可以使用的无云图像。通过导入 USGS Landsat 8 Surface Reflectance Tier 1 图像、空间过滤到感兴趣区域 (filterBounds)、时间过滤到您所需的日期范围 (filterDate),最后按云量排序 ('CLO

2020年的全球土地利用数据可以免费下载了-爱代码爱编程

(收藏的同时点个赞啊亲!)数据下载百度云链接::土地利用数据下载 昨天看到自然资源部公众号的推文,介绍我国正式发布了2020年最新版30米全球地表覆盖数据。 看到这条消息后果断去官网上查询了一下,我部的办事效率太高了!2020年的数据已经正式开放下载了! 也就是说,现在我们可以同时下载到2000年、2010年和2020年三个时间段的全球地表覆