-
CCNL: DMSP-OLS（1992 ～ 2013 年）の整合性のある修正済み夜間照明データセット v1
整合性のある修正済み夜間照明（CCNL）データセットは、国防気象衛星計画（DMSP）運用ラインスキャン システム（OLS）バージョン 4 の再処理バージョンです。年間の不整合、飽和、ブルーミング効果の影響を軽減し、データの品質を向上させるために、一連の方法が使用されました。 dmsp eog imagery lights nighttime ols -
DMSP OLS: グローバル放射輝度校正済み夜間照明バージョン 4、国防気象衛星計画運用ラインスキャン システム
国防気象衛星計画（DMSP）運用ラインスキャン システム（OLS）には、夜間に可視光と近赤外線（VNIR）の放射源を検出する独自の機能があります。このコレクションには、センサーの飽和がないグローバルな夜間照明画像が含まれています。通常、センサーは高ゲイン設定で動作し、 dmsp eog imagery lights nighttime ols -
DMSP OLS: 夜間照明時系列バージョン 4、国防気象衛星計画運用ラインスキャン システム
国防気象衛星計画（DMSP）運用ラインスキャン システム（OLS）には、夜間に可視光と近赤外線（VNIR）の放射源を検出する独自の機能があります。DMSP-OLS 夜間照明時系列バージョン 4 は、利用可能なアーカイブ済み DMSP-OLS スムーズ解像度を使用して作成された雲のない合成画像で構成されています。 dmsp eog imagery lights nighttime ols -
VIIRS 夜間照明デイ/ナイト年間バンド合成画像 V2.1
年間のグローバル VIIRS 夜間照明データセットは、2013 年から 2021 年までの月ごとの雲のない平均放射輝度グリッドから生成された時系列です。2022 年のデータは NOAA/VIIRS/DNB/ANNUAL_V22 データセットで入手できます。最初のフィルタリング ステップでは、日光、月光、雲のピクセルが削除され、粗い合成画像が生成されました。 annual dnb eog lights nighttime noaa -
VIIRS 夜間照明デイ/ナイト年間バンド合成画像 V2.2
年間のグローバル VIIRS 夜間照明データセットは、2022 年の月ごとの雲のない平均放射輝度グリッドから生成された時系列です。過去のデータは NOAA/VIIRS/DNB/ANNUAL_V21 データセットで入手できます。最初のフィルタリング ステップでは、日光、月光、雲のピクセルが削除され、粗い合成画像が生成されました。 annual dnb eog lights nighttime noaa -
VIIRS 夜間照明デイ/ナイト バンド合成画像バージョン 1
可視赤外線画像放射計スイート（VIIRS）デイ/ナイト バンド（DNB）の夜間照明データを使用した月ごとの平均放射輝度合成画像。これらのデータは月ごとに合成されるため、その月の高品質なデータカバレッジを取得できない地域が世界中に多数存在します。… dnb eog lights monthly nighttime noaa -
VIIRS 迷光補正済み夜間照明デイ/ナイト バンド合成画像バージョン 1
可視赤外線画像放射計スイート（VIIRS）デイ/ナイト バンド（DNB）の夜間照明データを使用した月ごとの平均放射輝度合成画像。これらのデータは月ごとに合成されるため、その月の高品質なデータカバレッジを取得できない地域が世界中に多数存在します。… 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"]]