-
巴西森林图像数据集 2008：分析型基本地图
此数据集提供分辨率高达 10 米的巴西多光谱（绿色、红色和近红外）基本地图，主要拍摄于 2008 年，旨在支持《巴西森林法典》的实施。该镶嵌图由 SPOT 2、4 和 5 卫星数据合成。它可作为分辨率更高的 … brazil forest-code google imagery multispectral satellite-imagery -
巴西森林图像数据集 2008：视觉基本地图
此数据集提供分辨率高达 5 米的巴西视觉图像基本地图，主要拍摄于 2008 年，旨在支持《巴西森林法典》的实施。该镶嵌图由 SPOT 2、4 和 5 卫星数据合成。它可作为分辨率更高的 … brazil deforestation forest-code google rgb satellite-imagery -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ 是一款质量评估 (QA) 处理器，适用于中高分辨率的光学卫星图像。Cloud Score+ S2_HARMONIZED 数据集正基于协调版 Sentinel-2 L1C 集合进行业务化生产，Cloud Score+ 输出可用于识别相对清晰的像素点，并有效去除云层 … cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World 是一个分辨率为 10 米的近乎实时 (NRT) 土地使用/土地覆盖 (LULC) 数据集，其中包含九个类别的类别概率和标签信息。Dynamic World 预测数据覆盖从 2015 年 6 月 27 日至今的 Sentinel-2 L1C 数据集。Sentinel-2 的重访频率为 2-5 天 … global google landcover landuse landuse-landcover nrt -
Google 基于 Landsat 的全球 CCDC 分段 (1999-2019)
此集合包含对 20 年的 Landsat 地表反射率数据运行连续变化检测和分类 (CCDC) 算法后预先计算的结果。CCDC 是一种断点查找算法，它使用谐波拟合和动态 RMSE 阈值来检测时间序列数据中的断点。… change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 全球地表水映射图层，v1.2 [已废弃]
此数据集包含 1984 年至 2019 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC 全球地表水映射图层，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … change-detection geophysical google jrc landsat-derived surface -
JRC 全球地表水元数据，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC 月度水历史记录，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google history jrc landsat-derived monthly -
JRC 月度水复发率，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google history jrc landsat-derived monthly -
JRC 年度水分类历史记录，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … annual geophysical google history jrc landsat-derived -
Murray 全球潮间带变化分类
Murray 全球潮间带变化数据集包含潮间带生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都根据一组全球分布的训练数据被分类为潮间带、永久水域或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
Murray 全球潮间带变化数据掩码
Murray 全球潮间带变化数据集包含潮间带生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都根据一组全球分布的训练数据被分类为潮间带、永久水域或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
Murray 全球潮间带变化 QA 像素计数
Murray 全球潮间带变化数据集包含潮间带生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都根据一组全球分布的训练数据被分类为潮间带、永久水域或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
SPOT 多光谱图像 10-20 米，巴西
此集合提供 2008 年左右 SPOT 2、4 和 5 卫星在巴西境内拍摄的原始多光谱图像。这些任务由 CNES 运营，旨在提供高分辨率、广域光学图像，以管理地球资源。SPOT 2 和 4 使用了 HRV 和 HRVIR … brazil forest-code google multispectral satellite-imagery spot -
SPOT 多光谱伪自然色图像 10-20 米，巴西
此集合包含 2008 年左右从 SPOT 2、4 和 5 的原生多光谱波段为巴西生成的“伪自然色”RGB 图像。由于 HRV 和 HRG 传感器不包含原生蓝色波段，因此此产品会合成 RGB 表示形式，以近似 … brazil forest-code google rgb satellite-imagery spot -
SPOT 全色图像 5-10 米，巴西
此集合包含 2008 年左右 SPOT 2、4 和 5 卫星为巴西拍摄的原始全色 (PAN) 波段。全色传感器提供了任务的最高原生空间分辨率，可在广泛的可见光谱（SPOT 2 为 0.51-0.73 微米，SPOT 5 为 0.61-0.68 微米）中捕获光线 … brazil forest-code google imagery satellite-imagery spot -
SPOT 锐化伪自然色图像 5-10 米，巴西
此集合提供 2008 年左右 SPOT 2、4 和 5 卫星为巴西拍摄的高分辨率锐化伪自然色图像。如果存在相应的高分辨率全色图像，则会将其与多光谱数据融合，以实现增强的空间细节（SPOT 5 最高为 5 米，SPOT 2 和 4 最高为 10 米）… brazil forest-code google rgb satellite-imagery spot -
卫星嵌入 V1
Google 卫星嵌入数据集是一个全球性的、可用于分析的已学习地理空间嵌入集合。此数据集中的每个 10 米像素都是一个 64 维表示形式，或“嵌入向量”，用于编码该像素及其周围的地表状况的时间轨迹，这些轨迹由各种地球观测 … annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind 全球森林损失驱动因素 2001-2022 v1.0
此数据集以 1 公里分辨率绘制了 2001-2022 年全球树木覆盖率损失的主要驱动因素。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作，是使用在全球神经网络模型 (ResNet) 上训练的一组样本开发的 … agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind 全球森林损失驱动因素 2001-2023 v1.1
此数据集以 1 公里分辨率绘制了 2001-2023 年全球树木覆盖率损失的主要驱动因素。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作，是使用在全球神经网络模型 (ResNet) 上训练的一组样本开发的 … agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind 全球森林损失驱动因素 2001-2024 v1.2
此数据集以 1 公里分辨率绘制了 2001-2024 年全球树木覆盖率损失的主要驱动因素。这些数据由世界资源研究所 (WRI) 和 Google DeepMind 制作，是使用在全球神经网络模型 (ResNet) 上训练的一组样本开发的 … agriculture deforestation forest forest-biomass google landandcarbon
Datasets tagged google in Earth Engine
[null,null,[],[],["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"]]