代码编织梦想

描述

NASA 制作用于研究环境的地球系统数据记录 (MEaSURE) 全球土地覆盖绘图和估算 (GLanCE)每年30米(m)版本1数据产品提供来自Landsat 5专题制图器(TM)、Landsat 7增强型专题制图器Plus( ETM+)和 Landsat 8 运行陆地成像仪 (OLI)。这些地图为用户社区提供土地覆盖类型、土地覆盖变化、表征每个像素绿化程度和季节性的指标以及变化幅度。 GLanCE 数据产品将使用一组七个大陆网格提供,这些网格使用参数化的兰伯特方位角等面积投影,以最大限度地减少每个大陆的失真。目前,北美和欧洲大陆均可用。该数据集可用于广泛的应用,包括生态系统、气候和水文建模;监测陆地生态系统对气候变化的反应;碳核算;和土地管理。

GLanCE 数据产品提供七种:土地覆盖类别、估计的年份变化日期、之前类别的整数标识符年份、当年增强植被指数(EVI2)的中位数和幅度、EVI2 的变化率以及上年与本年 EVI2 中位数的变化。每个颗粒还提供代表 EVI2 振幅的低分辨率浏览图像。

《GlanCE产品》中包含的10个科学数据集(SDSs)在表1中进行了描述。对于所有数据集,“当前年份”定义为从7月2日开始,到次年7月1日结束。年度SDSs是基于这段时间计算的,而土地覆盖SDSs是报告在7月1日的。根据这个惯例,发生在当前日历年(1月1日-7月1日)的变化被分配一个小于或等于180的DOY,而发生在前一个日历年(7月2日-12月31日)的变化则被分配一个大于180的DOY。需要注意的是,V1.0 GLanCE数据集是从Landsat Collection 1派生而来的。将来的数据集版本将使用Landsat Collection 2,这应该会提高数据集的质量,因为Collection 2数据提供了改进的地理定位和数据密度(在一些地区)。

GlanCE数据以150 x 150公里的瓦片形式提供。像素大小为30米,每个瓦片有5000行x 5000列。瓦片以GeoTIFF格式提供,并采用自定义的兰伯特等面积方位投影。有关自定义大陆投影的更多信息可以在GLanCE Grids网页的“参数”选项卡中找到,而网格可以在“网格”选项卡以及Github上的GLanCE TILE shapefiles网页上找到。

Collection

CharacteristicDescription
CollectionMEaSUREs GLanCE
DOI10.5067/MEaSUREs/GLanCE/GLanCE30.001
File Size~250 MB
Temporal ResolutionYearly
Temporal Extent2001-07-01 to 2019-07-01
Spatial ExtentGlobal
Coordinate SystemLambert Azimuthal Equal Area
DatumWorld Geodetic System (WGS84)
File FormatGeoTIFF
Geographic DimensionsGlobal

Granule

CharacteristicDescription
Number of Science Dataset (SDS) Layers7
Columns/Rows5000 x 5000
Pixel Size30 m

Land Cover (LC) Class Table土地分类

SDS NameDescriptionUnitsData TypeFill ValueNo Data ValueValid RangeScale Factor
LCInteger identifier for class in the current yearClass8-bit unsigned integer255N/A1 to 7N/A
ChgDateEstimated day of year of change; N/A if no changeDay16-bit unsigned integer32767N/A1 to 365N/A
PrevClassInteger identifier for class in previous year, if change has occurred; N/A if no changeClass8-bit unsigned integer255N/A1 to 7N/A
EVI2medMedian EVI2 in the current yearN/A16-bit signed integer32767N/A-10000 to 100000.0001
EVIampAmplitude of EVI2 in the current yearN/A16-bit unsigned integer32767N/A0 to 200000.0001
EVI2rateRate of change in EVI2N/A16-bit signed integer32767N/A-20000 to 200000.0001
EVI2chgChange in EVI2 median from previous year to current year; N/A if no change in land coverN/A16-bit signed integer32767N/A-20000 to 200000.0001

现有版本与之前相比

• 1.0 版数据集不包括质量保证、叶类型或叶物候。这些图层填充有填充值。这些层将包含在数据产品的未来版本中。

• 在发生土地覆盖变化的年份,科学数据集(SDS) 值可能会丢失或质量较低。此问题是连续变化检测和分类 (CCDC) 无法拟合模型或在时间段之间的短时间内提供合成反射率值这一事实的副产品。

• 测绘结果的准确性因土地覆盖类别和地理位置而异。具体而言,在高纬度地区以及干旱和半干旱地区,区分灌木和草本覆盖物具有挑战性。因此,灌木覆盖、草本覆盖和某种程度上裸露覆盖的准确度低于其他类别。

• 由于太阳天顶角大、生长季节短、支持训练数据的高分辨率图像可用性较低的综合影响,GLanCE 产品中高纬度地区土地覆盖的表示低于中纬度地区。

• 在地形复杂的地区,特别是在高纬度地区,阴影和局部天顶角的较大变化会降低 GLanCE 产品的精度。

• 测绘结果可能包括由于Landsat 场景之间的重叠区域中的数据密度相对于非重叠区域中的测绘结果的变化而产生的伪影。

• 由于云层覆盖而观测密度较低的地区(尤其是热带地区)和/或数据密度较差的地区(例如阿拉斯加、西伯利亚、西非)的地图质量较低。

• Landsat 7 扫描线校正器故障造成的伪像有时会在 GLanCE 地图产品中显现出来。

• 高海拔冰雪地区的大量数据缺失导致GLanCE SDS 中数据缺失。

• GlanCE 数据产品往往略微高估了干旱地区已开发的土地覆盖。

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_31988139/article/details/135069126

OpenStack----glance 镜像服务基础理论-爱代码爱编程

文章目录 前言:一、Glance简介二、Glance主要组件及功能三、镜像格式四、glance 主要功能与常用命令4.1 主要功能4.2 glance 常用管理命令五、小结 前言: 本篇博客为OpenStack—glance组件基础理论,之后会持续更新~~ 一、Glance简介 glance 镜像服务允许用户去发现、注册和获取虚拟机镜像。

镜像服务(Glance)安装配置,这一篇就够了!-爱代码爱编程

实验目标 OpenStack 的镜像服务 (glance) 允许用户发现、注册和恢复虚拟机镜像。它提供了一个 REST API,允许您查询虚拟机镜像的 metadata 并恢复一个实际的镜像。您可以存储虚拟机镜像通过不同位置的镜像服务使其可用,就像OpenStack 对象存储那样从简单的文件系统到对象存储系统。 OpenStack 镜像服务包括以下组件:

学会OpenStack之GLance服务一篇就够了!!!-爱代码爱编程

文章目录 一:glance项目1.1:glance是什么?有什么作用?二:架构2.1:glance有哪些常见的镜像格式2.2:glance的常用管理命令有哪些2.3:镜像访问权限2.4:glance的工作流程2.5:glance服务部署 一:glance项目 1.1:glance是什么?有什么作用? Glance(OpenStack Ima

Openstack组件——Glance镜像服务-爱代码爱编程

Openstack组件——Glance镜像服务 一、镜像简介1、主要功能2、Images API的版本3、镜像格式虚拟机镜像文件磁盘格式镜像文件容器格式4、镜像状态5、访问权限二、Glance架构与工作流程1、Glance架构详解2、glance工作流程三、部署Glance镜像服务 一、镜像简介 1、主要功能 镜像服务就是用来管理镜像的,让

[学习笔记-爱代码爱编程

整理一些切实可用的(不翻墙)数据集链接。也可能翻墙哈,就做个整理说明。 非常滴感谢文章尾部的两位参考链接,尤其是其中一位提供的超级庞大数据集。找了很久整理了下面的内容,所以说积累很难,也很感谢所有开源和分享资料的大拿。

泰迪智能科技高职人工智能专业人才培养方案-爱代码爱编程

    人工智能行业近年来得到了快速发展,全球科技公司都在竞相投入人工智能的研发,从硅谷到北京,都在人工智能上取得了显著的进步。人工智能已经从学术研究转变为影响制造业、医疗保健、交通运输和零售等多个行业的关键因素。我国政策的积极推动下,人工智能产业也即将迎来快速发展阶段。      人工智能专业旨在适应“人工智能+”产业规划,聚焦计算机视觉、自然语言处理、

cv最新论文|4月10日 arxiv更新论文合集-爱代码爱编程

以下内容由马拉AI整理,今天为大家带来4月10日 arXiv 计算机视觉和模式识别相关论文: 1、InternLM-XComposer2-4KHD: A Pioneering Large Vision-Language Model Handling Resolutions from 336 Pixels to 4K HD InternLM-XCompo

分类算法——sklearn转换器和估计器(一)-爱代码爱编程

转换器(特征工程的父类) 实例化(实例化的是一个转换器类(Transformer))调用fit_transform(对于文档建立分类词频矩阵,不能同时调用) 把特征工程的接口称之为转换器,其中转换器调用有这么几种形式:

使用本地大模型运行 ai 搜索 -爱代码爱编程

本文目标 像 perplexity.ai 和秘塔,都是AI搜索,根据我们的输入内容,搜索网络资料,然后读取、分析、提炼、总结,给出结果。 LLocalSearch 是一个开源项目,可以在我们的本机实现 AI 搜索。 它使用的是本地运行的大模型,所以不需要 OpenAI 或 Google 等平台的 API KEY。 LLocalSea

【aigc调研系列】tools4ai增强java开发中集成ai能力-爱代码爱编程

Tools4AI在Java开发中的作用主要体现在以下几个方面: AI功能的无缝集成:Tools4AI通过引入大型操作模型(LAM)或LLM代理,使得开发人员能够轻松地将AI功能添加到Java应用中,从而改变在Java环境中使用AI的游戏规则[1][2][3]。这种无缝集成的设计,为希望将AI功能高效添加到Java应用程序中的开发人员提供了一个非常合适的解

vs配置opencv和libtorch-爱代码爱编程

网上很多教程刚开始都让切release模式,博主最初因为没找到哪里切换,所以用的默认的debug模式。他们配置方法一样,其区别在于 Debug:调试版本,包含调试信息,所以容量比Release大很多,并且不进行任何优化(