GEE数据集：1996 年到 2020 年全球红树林观测数据集（JAXA）（更新）

news2024/12/28 5:03:54

目录

简介

数据集说明

数据集

代码

代码链接

结果

引用

许可

网址推荐

0代码在线构建地图应用

机器学习

简介

全球红树林观测

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。

数据集说明

免责声明：数据集说明的全部或部分内容由作者或其作品提供。 预处理¶ 对栅格图块进行镶嵌，以便将所有外延和相关栅格图块整合到单一集合中。 日期范围随后被添加到栅格和矢量图层中。

数据集

全球红树林观测： 年度红树林范围 4.0.19

 为提高全球红树林观测（GMW）基线的分辨率和地方相关性，为 2020 年创建了一个新图层。 利用哥白尼哨兵-2 卫星图像（像素分辨率为 10 米），对红树林范围进行了全面重新绘制和修订，将许多以前未绘制的区域纳入了新地图。 这将绘图的空间分辨率从 25 米像素分辨率提高到 10 米，从而能够绘制出更精细的特征，如边缘红树林和河岸红树林。

代码

var extent_raster = ee.ImageCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/extent/GMW_V3");
var extent_1996 = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/extent/gmw_v3_1996_vec");
var extent_2020 = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/extent/gmw_v3_2020_vec");

Map.addLayer(ee.Image().paint(extent_1996,0,3), {"palette":["228B22"]}, 'Extent Vector 1996',false)
Map.addLayer(ee.Image().paint(extent_2020,0,3), {"palette":["228B22"]}, 'Extent Vector 2020',false)

Map.addLayer(extent_raster.filterDate('1996-01-01','1996-12-31').first(),{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'Extent Raster 1996',false)
Map.addLayer(extent_raster.filterDate('2020-01-01','2020-12-31').first(),{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'Extent Raster 2020',false)

var change_f1996_raster = ee.ImageCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/change/change_f1996");
var change_f1996_2007 = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/change/gmw_v3_f1996_t2007_vec");
var change_f1996_2020 = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/change/gmw_v3_f1996_t2020_vec");

Map.addLayer(ee.Image().paint(change_f1996_2007,0,3), {"palette":["228B22"]}, 'Change vector 1996-2007',false)
Map.addLayer(ee.Image().paint(change_f1996_2020,0,3), {"palette":["228B22"]}, 'Change Vector 1996-2007',false)

Map.addLayer(change_f1996_raster.sort('system:time_end').first(),{"opacity":1,"bands":["b1"],"min":1,"max":2,"palette":["#ff0000","#0000ff"]},'Change Loss:Gain Raster 1996-2007')
Map.addLayer(change_f1996_raster.sort('system:time_end',false).first(),{"opacity":1,"bands":["b1"],"min":1,"max":2,"palette":["#ff0000","#0000ff"]},'Change Loss:Gain Raster 1996-2020')

//Union: Single layer of pixels which were mangroves at any date in the time series
var gmw_union_raster = ee.Image("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/union/gmw_v3_mng_union");
var gmw_union_vector = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/union/gmw_v3_union_vec");

Map.addLayer(gmw_union_raster,{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'GMW Union raster',false)

//Core: Single layer of pixels which were mangroves at all dates within the time series
var gmw_core_raster = ee.Image("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/core/gmw_v3_mng_core");
var gmw_core_vector = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/core/gmw_v3_core_vec");

Map.addLayer(gmw_core_raster,{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'GMW Core raster',false)

//Tiles
var tiles = ee.FeatureCollection("projects/earthengine-legacy/assets/projects/sat-io/open-datasets/GMW/gmw_v3_tiles");
Map.addLayer(ee.Image().paint(tiles,0,3), {"palette":["#000000"]}, 'Tiles')

//Extent v4
var raster_extent = ee.ImageCollection("projects/sat-io/open-datasets/GMW/annual-extent/GMW_MNG_2020");
var vector_extent = ee.FeatureCollection("projects/sat-io/open-datasets/GMW/annual-extent/GMW_MNG_VEC_2020");
Map.addLayer(raster_extent.median(),{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'GMW Raster Extent 2020  v4.0.19')
Map.addLayer(ee.Image().paint(vector_extent,0,3), {"palette":["red"]}, 'GMW Vector Extent 2020 v4.0.19')

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/GLOBAL-MANGROVE-WATCH

结果

引用

Bunting, P.; Rosenqvist, A.; Hilarides, L.; Lucas, R.M.; Thomas, T.; Tadono, T.; Worthington, T.A.; Spalding, M.; Murray, N.J.; Rebelo, L-M. Global
Mangrove Extent Change 1996 – 2020: Global Mangrove Watch Version 3.0. Remote Sensing. 2022

Bunting, Pete, Rosenqvist, Ake, Hilarides, Lammert, Lucas, Richard, Thomas, Nathan, Tadono , Takeo, Worthington, Thomas, Spalding , Mark, Murray,
Nicholas, & Rebelo, Lisa-Maria. (2022). Global Mangrove Watch (1996 - 2020) Version 3.0 Dataset (3.0) [Data set]. Zenodo. https://doi.org/10.5281/
zenodo.6894273

许可

署名 4.0 国际 CC BY 4.0： Samapriya Roy

关键词 全球、红树林、GMW、1996、2020

最后更新： 2024-09-08

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs 

机器学习

https://www.cbedai.net/xg 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2179791.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

银河麒麟服务器：更新软件源

银河麒麟服务器：更新软件源

银河麒麟服务器：更新软件源 1、使用场景2、操作步骤3、注意事项 💐The Begin💐点点关注，收藏不迷路💐 1、使用场景 当需要安装最新软件或修改软件源配置后，需更新软件源以获取最新软件包信息。 2、操作步…
阅读更多...
＜＜迷雾＞＞ 第5章 从逻辑学到逻辑电路(2)--非门 示例电路

＜＜迷雾＞＞ 第5章 从逻辑学到逻辑电路(2)--非门 示例电路

一个应用非门的例子 info::操作说明 鼠标单击开关切换开合状态 primary::在线交互操作链接 https://cc.xiaogd.net/?startCircuitLinkhttps://book.xiaogd.net/cyjsjdmw-examples/assets/circuit/cyjsjdmw-ch05-05-not-gate-sample.txt 原图 一个自带电源的常闭触点继电器属于…
阅读更多...
基于定制开发与2+1链动模式的商城小程序搭建策略

基于定制开发与2+1链动模式的商城小程序搭建策略

摘要：本文探讨商城小程序的搭建策略，对比自主组建团队和第三方开发两种方式，强调以第三方开发模式为主的优势。阐述在第三方开发模式下，结合定制开发和21链动模式，如何搭建一款有助于企业商业模式创新与智能商业升级的…
阅读更多...
化工企业大文件传输软件该怎么选？

化工企业大文件传输软件该怎么选？

化工行业里，数据的迅速、安全传递对于企业的研发、生产和供应链管理是至关重要的。随着数据量的不断增长和网络环境的日益复杂，传统的文件传输方法已经无法满足化工企业的需求。接下来，我将带领大家一起探讨化工企业在进行大文件传输时所面临…
阅读更多...
linux驱动编程——标准、混杂、中断

linux驱动编程——标准、混杂、中断

一、优化——自动申请设备号、自动创建节点 设备号类型&#xff1a;①主设备号 ②子设备号 类型&#xff1a;unsigned int <>dev_t 12 major &#xff08;主设备号&#xff09; 20 minor &#xff08;子设备号&#xff09;<区…
阅读更多...
【课程总结】day29：大模型之深入了解Retrievers解析器

【课程总结】day29：大模型之深入了解Retrievers解析器

前言 在上一章【课程总结】day28：大模型之深入探索RAG流程中，我们对RAG流程中 文档读取(LOAD) -> 文档切分(SPLIT) -> 向量化(EMBED) -> 存储(STORE) 进行了深入了解，本章将接着深入了解 解析(Retrieval) 的使用 解析器简介 简介：在 RAG（Retrieval-Augmented G…
阅读更多...
墙绘产品交易平台：SpringBoot技术实现

墙绘产品交易平台：SpringBoot技术实现

4 系统设计 墙绘产品展示交易平台的设计方案比如功能框架的设计&#xff0c;比如数据库的设计的好坏也就决定了该系统在开发层面是否高效&#xff0c;以及在系统维护层面是否容易维护和升级&#xff0c;因为在系统实现阶段是需要考虑用户的所有需求&#xff0c;要是在设计阶段没…
阅读更多...
矩阵奇异值

矩阵奇异值

一、ATA 任给一个矩阵A&#xff0c;都有&#xff1a; ATA 为一个对称矩阵 例子&#xff1a;A为一个mn的矩阵&#xff0c;A的转置为一个nm的矩阵 对称矩阵的重要性质如下&#xff1a; ① 对称矩阵的特征值全为实数&#xff08;实数特征根&#xff09; ② 任意一个n阶对称矩阵…
阅读更多...
思科dhcp的配置

思科dhcp的配置

以路由器为例 让pc3 自动获取ip地址并获取的网段为172.16.4.100-172.16.4.200 配置如下&#xff1a; R1(config)#interface GigabitEthernet0/2 R1(config)#ip address 172.16.4.254 255.255.255.0 R1(config)# no shutdown R1(config)#ip dhcp pool 4_pool //创建dhcp地址池…
阅读更多...
实际有库存却提示可用量不足保存不了杂发单

实际有库存却提示可用量不足保存不了杂发单

财务要统计研发费用&#xff0c;成本的金额。研发人员没有足够的意识配合。开立请购单时兴之所致&#xff0c;任性自由。想弄一个项目号就弄一个。不开心就没有项目号啦。哪管他人死活。 U9的逻辑&#xff0c;请购单如果带入项目号&#xff08;客制化的功能&#xff09;&#x…
阅读更多...
c语言200例 067

c语言200例 067

大家好&#xff0c;欢迎来到无限大的频道 今天给大家带来的是c语言200例 题目要求&#xff1a; 设计一个共用体类型&#xff0c;使其成员包含多种数据类型&#xff0c;根据不同的数据类型&#xff0c;输出不同的结果 要设计一个共用体&#xff08;union&#xff09;类型&…
阅读更多...
如何判断主机字节序

如何判断主机字节序

测试代码: #include <stdio.h> void byteorder() {union{short value;char union_bytes[sizeof(short)];//union_bytes数组}test;test.value 0x0102;if((test.union_bytes[0] 1) && (test.union_bytes[1]2)){printf("big endian\n");}else if((test…
阅读更多...
初识Java反序列化漏洞

初识Java反序列化漏洞

目录 为什么需要序列化&#xff1f; 序列化与反序列化基础案例 Serializable 接口 序列化对象 反序列化对象 Java 反序列化漏洞 readObject() 序列化&#xff1a;将对象的状态信息转换为可以存储或传输的形式的过程&#xff0c;即将对象转换为字节序列。反序列化&#x…
阅读更多...
如何突破科技服务领域的客户管理困境？

如何突破科技服务领域的客户管理困境？

在知识产权与科技服务领域&#xff0c;企业面临着独特的客户管理需求和挑战&#xff0c;这些挑战不仅要求高度的专业性和精细化操作&#xff0c;还涉及复杂的法律流程、数据保密性以及不断变化的客户需求。传统的客户管理方式&#xff0c;如纸质档案、简单的电子表格或人工处理…
阅读更多...
[教程]Crystal源码下载及编译

[教程]Crystal源码下载及编译

描述&#xff1a; 随着 Crystal Source 代码的更新&#xff0c;用于构建源代码和编译它们的指南已经过时&#xff0c;这导致了很多混淆和寻求帮助。 本指南将是一个完整的分步指南&#xff0c;从下载 Visual Studio 到启动到您的服务器。 此外&#xff0c;请确保下载此存储库中…
阅读更多...
如何使用 Python 读取数据量庞大的 excel 文件

如何使用 Python 读取数据量庞大的 excel 文件

使用 pandas.read_excel 读取大文件时&#xff0c;的确会遇到性能瓶颈&#xff0c;特别是对于10万行20列这种规模的 .xlsx 文件&#xff0c;常规的 pandas 方法可能会比较慢。 要提高读取速度&#xff0c;关键是找到更高效的方式处理 Excel 文件&#xff0c;特别是在 Python 的…
阅读更多...
Docker版MKVtoolnix的安装及中文显示

Docker版MKVtoolnix的安装及中文显示

本文是应网友 kkkhi 要求折腾的&#xff0c;只研究了 MKVtoolnix 的安装及中文显示&#xff0c;未涉及到软件的使用&#xff1b; 什么是 MKVtoolnix &#xff1f; MKVToolnix 是一款功能强大的多媒体处理工具&#xff0c;用于在 Linux、其他 Unix 系统和 Windows 上创建、修改和…
阅读更多...
uniapp/vue项目 import 导入文件时提示Module is not installed，‘@/views/xxx‘路径无法追踪

uniapp/vue项目 import 导入文件时提示Module is not installed，‘@/views/xxx‘路径无法追踪

文章目录 背景解决方案1.IDE配置2.alias&#xff08;别名&#xff09;配置webpackvue-clivite 3.检查 jsconfig.json 或 tsconfig.json 写在最后 前往闪闪の小窝以获得更好的阅读和评论体验 背景 Vue3在我自学Vue的时候看过一点&#xff0c;实操过一点&#xff0c;但是太久没用…
阅读更多...
css 下拉框展示：当hover的时候展示下拉框 z-index的用法解释

css 下拉框展示：当hover的时候展示下拉框 z-index的用法解释

代码如下&#xff1a; <template><div class"outer"><div class"left"></div><div class"aTest2"><div class"box">显示方框</div><div class"aTest3"></div></…
阅读更多...
2024年度全球前2%顶尖科学家榜单发布！大陆10687人上榜，占比仅4.92%，附大陆Top 1000榜单！

2024年度全球前2%顶尖科学家榜单发布！大陆10687人上榜，占比仅4.92%，附大陆Top 1000榜单！

9月16日&#xff0c;美国斯坦福大学的John Ioannidis教授团队新近在爱思唯尔(Elsevier)出版集团官网上发布了2024年全球各学科前2%科学家榜单(第七版)&#xff0c;通过统计每个科学家发表的论文数及其引用次数&#xff0c;采用6种指标建模进行综合评分(模型和指标附后)&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023