- 简介：全球地表水覆盖（Global Surface Water）是利用1984至2019年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。该数据集包含change为全球地表水体变化程度，它提供了1984-1999年和2000-2019年间地表水发生增加、减少或保持... 简介：全球地表水覆盖（Global Surface Water）是利用1984至2019年获取的landsat5、landsat7和landsat8的卫星影像，生成分辨率为30米的一套全球地表水覆盖的地图集。用户可以在全球尺度上按地区回溯某个时间上地表水分的变化情况。该数据集包含change为全球地表水体变化程度，它提供了1984-1999年和2000-2019年间地表水发生增加、减少或保持...
- 简介：本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36km，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据... 简介：本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36km，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，玉米有两个生长季节，以“主要（major）”/“次要（second）”区分。前言 – 人工智能教程根据联合国粮食和农业组织（FAO）提供的数据，以下是近年来全球玉米产量的历史数据和空间分布：历史数据：2019年全球玉米产量为1.134亿吨，同比下降2.8%。2018年... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，玉米有两个生长季节，以“主要（major）”/“次要（second）”区分。前言 – 人工智能教程根据联合国粮食和农业组织（FAO）提供的数据，以下是近年来全球玉米产量的历史数据和空间分布：历史数据：2019年全球玉米产量为1.134亿吨，同比下降2.8%。2018年...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，水稻有两个生长季节，以“主要（major）”/“次要（second）”区分。全球历史水稻产量自20世纪初以来迅速增长，据联合国粮农组织（FAO）的数据，2019年全球水稻产量为496亿公斤。以下是一些主要水稻产区和其产量：前言 – 人工智能教程1. 中国：中国是全球... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，水稻有两个生长季节，以“主要（major）”/“次要（second）”区分。全球历史水稻产量自20世纪初以来迅速增长，据联合国粮农组织（FAO）的数据，2019年全球水稻产量为496亿公斤。以下是一些主要水稻产区和其产量：前言 – 人工智能教程1. 中国：中国是全球...
- 简介全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，小麦的两个生长季节包括“冬（winter）”和“春（spring）”。全球小麦产量与产区分布：1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。3. 欧洲地区是全球第二大小麦生产地区，占全球小麦... 简介全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，小麦的两个生长季节包括“冬（winter）”和“春（spring）”。全球小麦产量与产区分布：1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。3. 欧洲地区是全球第二大小麦生产地区，占全球小麦...
- 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，大豆只有“主要（major）”生长季节。前言 – 人工智能教程全球大豆主要产区包括：1. 美国：美国是全球最大的大豆生产国，主要集中在中西部的五大州：伊利诺伊州、艾奥瓦州、内布拉斯加州、明尼苏达州和南达科他州。2. 巴西：巴西是全球第二大大豆生产国，主要集中在南部地... 简介：全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，大豆只有“主要（major）”生长季节。前言 – 人工智能教程全球大豆主要产区包括：1. 美国：美国是全球最大的大豆生产国，主要集中在中西部的五大州：伊利诺伊州、艾奥瓦州、内布拉斯加州、明尼苏达州和南达科他州。2. 巴西：巴西是全球第二大大豆生产国，主要集中在南部地...
- 简介：全球人类足迹数据(WSF)是由德国航空航天中心（DLR）和地球观测中心（EOC）共同发布的，包括2015和2019两个版本，分别利用landsat-8/Sentinel-1、Sentinel-1/Sentinel-2数据,和采集的居民区/非居民区样本点，基于随机森林分类法进行分类，及一定的后处理，并使用辅助数据来减少遗漏和误差后生成的。前言 – 人工智能教程该数据的空间分辨率为10m。... 简介：全球人类足迹数据(WSF)是由德国航空航天中心（DLR）和地球观测中心（EOC）共同发布的，包括2015和2019两个版本，分别利用landsat-8/Sentinel-1、Sentinel-1/Sentinel-2数据,和采集的居民区/非居民区样本点，基于随机森林分类法进行分类，及一定的后处理，并使用辅助数据来减少遗漏和误差后生成的。前言 – 人工智能教程该数据的空间分辨率为10m。...
- 简介：在gee中有三种错误，一种就是系统错误，也就是我们看到的会在JavaScript code editor中出现的错误，也就是在程序还没有启动之前就会提示的错误，而客户端错误则主要是会提示一些在代码过程中的错误，比如说没出现过的变量名称，另外就是服务器出席那的错误，也就是说，你的代码和你索要运行的结果之间的错误，比如说，原本这个影像中是没有这个波段的，但是你却使用了，或者说你输入的波... 简介：在gee中有三种错误，一种就是系统错误，也就是我们看到的会在JavaScript code editor中出现的错误，也就是在程序还没有启动之前就会提示的错误，而客户端错误则主要是会提示一些在代码过程中的错误，比如说没出现过的变量名称，另外就是服务器出席那的错误，也就是说，你的代码和你索要运行的结果之间的错误，比如说，原本这个影像中是没有这个波段的，但是你却使用了，或者说你输入的波...
- 简介：该数据集是第一个具有精细分类系统的全球30米湿地地图（GWL_FCS30），包括四个内陆湿地子类别（内陆沼泽、沼泽、泛滥平原和盐碱地）和三个沿海湿地子类（红树林、盐沼和潮坪）。该数据集通过结合2020年的Landsat SR数据与Sentinel-1数据，利用分层分类策略和局部自适应随机森林分类算法在谷歌地球引擎云计算平台生产所得。前言 – 人工智能教程湿地数据可以用来帮助人们更好地... 简介：该数据集是第一个具有精细分类系统的全球30米湿地地图（GWL_FCS30），包括四个内陆湿地子类别（内陆沼泽、沼泽、泛滥平原和盐碱地）和三个沿海湿地子类（红树林、盐沼和潮坪）。该数据集通过结合2020年的Landsat SR数据与Sentinel-1数据，利用分层分类策略和局部自适应随机森林分类算法在谷歌地球引擎云计算平台生产所得。前言 – 人工智能教程湿地数据可以用来帮助人们更好地...
- 社区数据目录社区数据目录由地球引擎社区成员策划，并作为地球引擎资产集合公开共享。这些目录并非由 Google 策划。除了publisher外，这里的社区数据目录，是很多公开的数据，但是，GEE官方并没有收录，因此通过社区的形式来引入到GEE数据集中。本数据集是社区目录的一部分，不由 Google 管理。如有错误，请联系 gee-community-catalog@googlegroups.... 社区数据目录社区数据目录由地球引擎社区成员策划，并作为地球引擎资产集合公开共享。这些目录并非由 Google 策划。除了publisher外，这里的社区数据目录，是很多公开的数据，但是，GEE官方并没有收录，因此通过社区的形式来引入到GEE数据集中。本数据集是社区目录的一部分，不由 Google 管理。如有错误，请联系 gee-community-catalog@googlegroups....
- 简介全球250米年度城区范围产品（MGUP）基于现有的城区产品CCI-LC、MCD12Q1和GlobeCover产品经样本清洗自动化得到可靠的多时序城区样本。前言 – 人工智能教程将全球划分为5°格网使用随机森林分类器对2001-2018年进行全球城区范围制图。经时空后处理后，得到全球250米全球年度城区范围产品MGUP。为了验证产品，在2001年至2018年每隔一年基于Landsat影像... 简介全球250米年度城区范围产品（MGUP）基于现有的城区产品CCI-LC、MCD12Q1和GlobeCover产品经样本清洗自动化得到可靠的多时序城区样本。前言 – 人工智能教程将全球划分为5°格网使用随机森林分类器对2001-2018年进行全球城区范围制图。经时空后处理后，得到全球250米全球年度城区范围产品MGUP。为了验证产品，在2001年至2018年每隔一年基于Landsat影像...
- 最近我在 International Journal of Digital Earth （《国际数字地球学报》）发表了一篇森林生物量模型构建的文章：Evaluation of machine learning methods and multi-source remote sensing data combinations to construct forest above-ground... 最近我在 International Journal of Digital Earth （《国际数字地球学报》）发表了一篇森林生物量模型构建的文章：Evaluation of machine learning methods and multi-source remote sensing data combinations to construct forest above-ground...
- 简介全球10米土地覆盖产品(ESA)来源于欧空局，是基于哨兵一号、哨兵二号数据制作的2020年的10m分辨率的全球土地覆盖数据。土地利用数据一共分为11类，分别是:林地、灌木、草地、耕地、建筑、裸地/稀疏植被区、雪和冰、开阔水域、草本湿地、红树林、苔藓。经验证，数据精度达到74.4%。前言 – 人工智能教程欧洲空间局的全球10米土地覆盖产品（ESA's Global Land Cover）... 简介全球10米土地覆盖产品(ESA)来源于欧空局，是基于哨兵一号、哨兵二号数据制作的2020年的10m分辨率的全球土地覆盖数据。土地利用数据一共分为11类，分别是:林地、灌木、草地、耕地、建筑、裸地/稀疏植被区、雪和冰、开阔水域、草本湿地、红树林、苔藓。经验证，数据精度达到74.4%。前言 – 人工智能教程欧洲空间局的全球10米土地覆盖产品（ESA's Global Land Cover）...
- National Intertidal Digital Elevation Model 25m 1.0.0国家潮间带数字高程模型（NIDEM；Bishop-Taylor 等人，2018 年、2019 年）是澳大利亚裸露潮间带的大陆尺度高程数据集。NIDEM 首次以 25 米的空间分辨率三维呈现了澳大利亚潮间带的沙滩和海岸、滩涂、岩石海岸和礁石，弥补了潮下测深数据与陆地高程数据之间的关键... National Intertidal Digital Elevation Model 25m 1.0.0国家潮间带数字高程模型（NIDEM；Bishop-Taylor 等人，2018 年、2019 年）是澳大利亚裸露潮间带的大陆尺度高程数据集。NIDEM 首次以 25 米的空间分辨率三维呈现了澳大利亚潮间带的沙滩和海岸、滩涂、岩石海岸和礁石，弥补了潮下测深数据与陆地高程数据之间的关键...
- 简介：HWSD（Harmonized World Soil Database）是联合国粮食及农业组织（FAO）和国际土壤参考与信息中心（ISRIC）共同开发的世界土壤数据集。该数据集是一份高分辨率（1 km），全球范围的土壤数据库，包括有关土壤类型、土壤属性、土壤质地、土层深度和土壤水分等方面的信息。HWSD数据集是基于大量地面测量和遥感数据，以及土壤分类系统和统一名称体系，进行整合和标准化... 简介：HWSD（Harmonized World Soil Database）是联合国粮食及农业组织（FAO）和国际土壤参考与信息中心（ISRIC）共同开发的世界土壤数据集。该数据集是一份高分辨率（1 km），全球范围的土壤数据库，包括有关土壤类型、土壤属性、土壤质地、土层深度和土壤水分等方面的信息。HWSD数据集是基于大量地面测量和遥感数据，以及土壤分类系统和统一名称体系，进行整合和标准化...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签