Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
GHSL: Глобальная высота здания 2018 г. (P2023A)
Этот набор пространственных растровых данных отображает глобальное распределение высот зданий с разрешением 100 м, относящееся к 2018 году. Входными данными, используемыми для прогнозирования высоты зданий, являются глобальная цифровая модель поверхности ALOS (30 м), топографическая миссия NASA Shuttle Radar…
Этот набор растровых данных отображает распределение застроенных поверхностей, выраженное в квадратных метрах на 10-метровую ячейку сетки, за 2018 год, как видно из данных изображения S2. Наборы данных измеряют: а) общую застроенную поверхность и б) застроенную поверхность, распределенную по ячейкам сетки …
GHSL: Глобальная застроенная площадь, 1975–2030 гг. (P2023A)
Этот набор растровых данных отображает распределение застроенных поверхностей, выраженное в квадратных метрах на 100-метровую ячейку сетки. Набор данных измеряет: а) общую застроенную площадь и б) застроенную площадь, отнесенную к ячейкам сетки преимущественного нежилого использования (NRES). Данные пространственно-временно интерполируются или…
GHSL: Глобальные характеристики расчетов (10 м), 2018 г. (P2023A)
Этот набор пространственных растровых данных описывает населенные пункты с разрешением 10 м и описывает их внутренние характеристики с точки зрения функциональных и высотных компонентов застроенной среды. Более подробную информацию о продуктах данных GHSL можно найти в отчете GHSL Data Package 2023…
Цинхуа FROM-GLC Год перехода к непроницаемой поверхности
Этот набор данных содержит информацию о ежегодных изменениях глобальной площади водонепроницаемой поверхности с 1985 по 2018 год с разрешением 30 метров. Переход от проницаемого к непроницаемому определялся с использованием комбинированного подхода контролируемой классификации и проверки временной согласованности. Непроницаемые пиксели определяются как непроницаемые более чем на 50%. …
Этот набор пространственных растровых данных отображает глобальное распределение высот зданий с разрешением 100 м, относящееся к 2018 году. Входными данными, используемыми для прогнозирования высоты зданий, являются глобальная цифровая модель поверхности ALOS (30 м), топографическая миссия NASA Shuttle Radar…
Этот набор растровых данных отображает распределение застроенных поверхностей, выраженное в квадратных метрах на 10-метровую ячейку сетки, за 2018 год, как видно из данных изображения S2. Наборы данных измеряют: а) общую застроенную поверхность и б) застроенную поверхность, распределенную по ячейкам сетки …
GHSL: Глобальная застроенная площадь, 1975–2030 гг. (P2023A)
Этот набор растровых данных отображает распределение застроенных поверхностей, выраженное в квадратных метрах на 100-метровую ячейку сетки. Набор данных измеряет: а) общую застроенную площадь и б) застроенную площадь, отнесенную к ячейкам сетки преимущественного нежилого использования (NRES). Данные пространственно-временно интерполируются или…
GHSL: Глобальные характеристики расчетов (10 м), 2018 г. (P2023A)
Этот набор пространственных растровых данных описывает населенные пункты с разрешением 10 м и описывает их внутренние характеристики с точки зрения функциональных и высотных компонентов застроенной среды. Более подробную информацию о продуктах данных GHSL можно найти в отчете GHSL Data Package 2023…
Цинхуа FROM-GLC Год перехода к непроницаемой поверхности
Этот набор данных содержит информацию о ежегодных изменениях глобальной площади водонепроницаемой поверхности с 1985 по 2018 год с разрешением 30 метров. Переход от проницаемого к непроницаемому определялся с использованием комбинированного подхода контролируемой классификации и проверки временной согласованности. Непроницаемые пиксели определяются как непроницаемые более чем на 50%. …
[null,null,[],[[["\u003cp\u003eThe Global Human Settlement Layer (GHSL) provides datasets characterizing human settlements, including building heights and built-up surfaces, at resolutions ranging from 10m to 100m.\u003c/p\u003e\n"],["\u003cp\u003eGHSL data utilizes various sources like ALOS, SRTM, and Sentinel-2 imagery to model built environments and their functional components.\u003c/p\u003e\n"],["\u003cp\u003eBuilt-up surface datasets within GHSL offer insights into total and non-residential built areas, spanning multiple years and resolutions.\u003c/p\u003e\n"],["\u003cp\u003eThe Tsinghua FROM-GLC dataset provides insights into annual impervious surface changes globally from 1985 to 2018 at a 30m resolution.\u003c/p\u003e\n"]]],[],null,["# Datasets tagged built in Earth Engine\n\n-\n\n |-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n | [### GHSL: Global building height 2018 (P2023A)](/earth-engine/datasets/catalog/JRC_GHSL_P2023A_GHS_BUILT_H) |\n | This spatial raster dataset depicts the global distribution of building heights at a resolution of 100 m, referred to the year 2018. The input data used to predict building heights are the ALOS Global Digital Surface Model (30 m), the NASA Shuttle Radar Topographic Mission ... |\n | [alos](/earth-engine/datasets/tags/alos) [building](/earth-engine/datasets/tags/building) [built](/earth-engine/datasets/tags/built) [built-environment](/earth-engine/datasets/tags/built-environment) [builtup](/earth-engine/datasets/tags/builtup) [copernicus](/earth-engine/datasets/tags/copernicus) |\n\n-\n\n |---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n | [### GHSL: Global built-up surface 10m (P2023A)](/earth-engine/datasets/catalog/JRC_GHSL_P2023A_GHS_BUILT_S_10m) |\n | This raster dataset depicts the distribution of built-up surfaces, expressed in square metres per 10 m grid cell, for 2018 as observed from the S2 image data. The datasets measure: a) the total built-up surface, and b) the built-up surface allocated to grid cells of ... |\n | [built](/earth-engine/datasets/tags/built) [built-environment](/earth-engine/datasets/tags/built-environment) [builtup](/earth-engine/datasets/tags/builtup) [copernicus](/earth-engine/datasets/tags/copernicus) [ghsl](/earth-engine/datasets/tags/ghsl) [jrc](/earth-engine/datasets/tags/jrc) |\n\n-\n\n |--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n | [### GHSL: Global built-up surface 1975-2030 (P2023A)](/earth-engine/datasets/catalog/JRC_GHSL_P2023A_GHS_BUILT_S) |\n | This raster dataset depicts the distribution of built-up surfaces, expressed in square metres per 100 m grid cell. The dataset measures: a) the total built-up surface, and b) the built-up surface allocated to grid cells of predominant non-residential (NRES) use. Data are spatially-temporally interpolated or ... |\n | [built](/earth-engine/datasets/tags/built) [built-environment](/earth-engine/datasets/tags/built-environment) [builtup](/earth-engine/datasets/tags/builtup) [copernicus](/earth-engine/datasets/tags/copernicus) [ghsl](/earth-engine/datasets/tags/ghsl) [jrc](/earth-engine/datasets/tags/jrc) |\n\n-\n\n |---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n | [### GHSL: Global settlement characteristics (10 m) 2018 (P2023A)](/earth-engine/datasets/catalog/JRC_GHSL_P2023A_GHS_BUILT_C) |\n | This spatial raster dataset delineates human settlements at 10 m resolution, and describes their inner characteristics in terms of the functional and height-related components of the built environment. More information about the GHSL data products can be found in the GHSL Data Package 2023 report ... |\n | [building](/earth-engine/datasets/tags/building) [built](/earth-engine/datasets/tags/built) [builtup](/earth-engine/datasets/tags/builtup) [copernicus](/earth-engine/datasets/tags/copernicus) [ghsl](/earth-engine/datasets/tags/ghsl) [height](/earth-engine/datasets/tags/height) |\n\n-\n\n |---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n | [### Tsinghua FROM-GLC Year of Change to Impervious Surface](/earth-engine/datasets/catalog/Tsinghua_FROM-GLC_GAIA_v10) |\n | This dataset contains annual change information of global impervious surface area from 1985 to 2018 at a 30m resolution. Change from pervious to impervious was determined using a combined approach of supervised classification and temporal consistency checking. Impervious pixels are defined as above 50% impervious. ... |\n | [built](/earth-engine/datasets/tags/built) [population](/earth-engine/datasets/tags/population) [tsinghua](/earth-engine/datasets/tags/tsinghua) [urban](/earth-engine/datasets/tags/urban) |"]]