-
CCNL: Consistent and Corrected Nighttime Light Dataset from DMSP-OLS (1992-2013) v1
L'ensemble de données "Consistent and Corrected Nighttime Lights" (CCNL) est une version retraitée du système opérationnel de balayage linéaire (OLS) du programme météorologique de défense (DMSP), version 4. Une série de méthodes a été utilisée pour atténuer l'impact de l'incohérence interannuelle, de la saturation et des effets de blooming, et pour améliorer les données… dmsp eog imagery lights nighttime ols -
DMSP OLS : version 4 des lumières nocturnes calibrées en radiance à l'échelle mondiale, système Operational Linescan du programme météorologique de défense
Le système de balayage linéaire opérationnel (OLS) du programme météorologique de défense (DMSP) est le seul à pouvoir détecter les sources d'émission visible et proche infrarouge (VNIR) la nuit. Cette collection contient des images des lumières nocturnes du monde entier, sans saturation du capteur. Le capteur est généralement utilisé avec un gain élevé pour permettre … dmsp eog imagery lights nighttime ols -
DMSP OLS : série temporelle des lumières nocturnes version 4, Defense Meteorological Program Operational Linescan System
Le système de balayage linéaire opérationnel (OLS, Operational Line-Scan System) du programme météorologique de défense (DMSP, Defense Meteorological Program) est capable de détecter les sources d'émission visibles et proche infrarouge (VNIR, Visible and Near-Infrared) la nuit. La version 4 de la série temporelle des lumières nocturnes DMSP-OLS se compose de composites sans nuages créés à partir de toutes les données archivées disponibles DMSP-OLS à résolution fluide… dmsp eog imagery lights nighttime ols -
Composites annuels des bandes jour/nuit VIIRS V2.1
L'ensemble de données annuel sur les lumières nocturnes VIIRS à l'échelle mondiale est une série temporelle produite à partir de grilles de radiance moyennes mensuelles sans nuage couvrant la période de 2013 à 2021. Les données pour 2022 sont disponibles dans l'ensemble de données NOAA/VIIRS/DNB/ANNUAL_V22. Une première étape de filtrage a permis de supprimer les pixels ensoleillés, éclairés par la lune et nuageux, ce qui a conduit à des composites bruts qui … annual dnb eog lights nighttime noaa -
Composites annuels des bandes jour/nuit VIIRS V2.2
L'ensemble de données annuel mondial sur les lumières nocturnes VIIRS est une série temporelle produite à partir de grilles de radiance moyenne mensuelles sans nuages pour 2022. Les données des années précédentes sont disponibles dans l'ensemble de données NOAA/VIIRS/DNB/ANNUAL_V21. Une première étape de filtrage a permis de supprimer les pixels ensoleillés, éclairés par la lune et nuageux, ce qui a donné des composites bruts contenant… annual dnb eog lights nighttime noaa -
Composites de la bande jour/nuit VIIRS version 1
Images composites de radiance moyenne mensuelle utilisant les données nocturnes de la bande jour/nuit (DNB) de la suite radiométrique Visible Infrared Imaging Radiometer Suite (VIIRS). Comme ces données sont composées mensuellement, il est impossible d'obtenir une couverture de données de bonne qualité pour ce mois dans de nombreuses régions du monde. … dnb eog lights monthly nighttime noaa -
Composites de la bande jour/nuit VIIRS corrigés de la lumière parasite, version 1
Images composites de radiance moyenne mensuelle utilisant les données nocturnes de la bande jour/nuit (DNB) de la suite radiométrique Visible Infrared Imaging Radiometer Suite (VIIRS). Comme ces données sont composées mensuellement, il est impossible d'obtenir une couverture de données de bonne qualité pour ce mois dans de nombreuses régions du monde. … 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"]]