-
CCNL: Conjunto de datos de luces nocturnas coherente y corregido de DMSP-OLS (1992-2013) v1
El conjunto de datos de luces nocturnas coherente y corregido (CCNL) es una versión reprocesada del sistema de escaneo de líneas operacionales (OLS) del programa meteorológico de defensa (DMSP), versión 4. Se usó una serie de métodos para mitigar el impacto de la incoherencia interanual, la saturación y los efectos de floración, así como para mejorar los datos… dmsp eog imagery lights nighttime ols -
DMSP OLS: Luces nocturnas calibradas por radiancia global, versión 4, sistema de escaneo de líneas operacionales del programa meteorológico de defensa
El sistema de escaneo de líneas operacionales (OLS) del programa meteorológico de defensa (DMSP) tiene la capacidad única de detectar fuentes de emisión visibles y de infrarrojo cercano (VNIR) por la noche. Esta colección contiene imágenes de luces nocturnas globales sin saturación del sensor. El sensor suele funcionar con un ajuste de alta ganancia para permitir… dmsp eog imagery lights nighttime ols -
DMSP OLS: Serie temporal de luces nocturnas, versión 4, sistema de escaneo de líneas operacionales del programa meteorológico de defensa
El sistema de escaneo de líneas operacionales (OLS) del programa meteorológico de defensa (DMSP) tiene la capacidad única de detectar fuentes de emisión visibles y de infrarrojo cercano (VNIR) por la noche. La versión 4 de la serie temporal de luces nocturnas de DMSP-OLS está formada por composiciones sin nubes creadas a partir de todas las imágenes de resolución suave de DMSP-OLS archivadas disponibles… dmsp eog imagery lights nighttime ols -
VIIRS: Composiciones anuales de la banda de día y noche de luces nocturnas, versión 2.1
El conjunto de datos anuales de luces nocturnas de VIIRS es una serie temporal producida a partir de cuadrículas de radiancia media mensuales sin nubes que abarcan el periodo comprendido entre el 2013 y el 2021. Los datos del 2022 están disponibles en el conjunto de datos NOAA/VIIRS/DNB/ANNUAL_V22. En un paso de filtrado inicial, se eliminaron los píxeles iluminados por el sol, la luna y las nubes, lo que dio lugar a composiciones aproximadas que… annual dnb eog lights nighttime noaa -
VIIRS: Composiciones anuales de la banda de día y noche de luces nocturnas, versión 2.2
El conjunto de datos anuales de luces nocturnas de VIIRS es una serie temporal producida a partir de cuadrículas de radiancia media mensuales sin nubes del 2022. Los datos de años anteriores están disponibles en el conjunto de datos NOAA/VIIRS/DNB/ANNUAL_V21. En un paso de filtrado inicial, se eliminaron los píxeles iluminados por el sol, la luna y las nubes, lo que dio lugar a composiciones aproximadas que… annual dnb eog lights nighttime noaa -
VIIRS: Composiciones de la banda de día y noche de luces nocturnas, versión 1
Imágenes compuestas de radiancia media mensual con datos nocturnos de la banda de día y noche (DNB) del radiómetro de imágenes visible e infrarrojo (VIIRS). Como estos datos se componen mensualmente, hay muchas zonas del planeta en las que es imposible obtener una cobertura de datos de buena calidad para ese mes. … dnb eog lights monthly nighttime noaa -
VIIRS: Composiciones de la banda de día y noche de luces nocturnas corregidas por luz parásita, versión 1
Imágenes compuestas de radiancia media mensual con datos nocturnos de la banda de día y noche (DNB) del radiómetro de imágenes visible e infrarrojo (VIIRS). Como estos datos se componen mensualmente, hay muchas zonas del planeta en las que es imposible obtener una cobertura de datos de buena calidad para ese mes. … dnb eog lights monthly nighttime noaa
Datasets tagged eog in Earth Engine
[null,null,[],[],["The core content focuses on various nighttime light datasets, including the Consistent and Corrected Nighttime Lights (CCNL) and multiple versions of the Defense Meteorological Program (DMSP) Operational Line-Scan System (OLS) and Visible Infrared Imaging Radiometer Suite (VIIRS) data. These datasets capture visible and near-infrared emissions at night, offering both annual and monthly composites. Data processing involves removing factors such as sunlit, moonlit, and cloudy pixels to produce refined, cloud-free composites. The CCNL dataset mitigates issues like inter-annual inconsistency and saturation.\n"]]