-
森林画像データセット(2008 年、ブラジル): 分析用基本地図
このデータセットは、ブラジル森林法の実装を支援するために、主に 2008 年に撮影されたブラジルのマルチスペクトル(緑、赤、近赤外線)基本地図(最大 10 m の解像度)を提供します。モザイクは SPOT 2、4、5 衛星データから合成されています。高解像度の … として機能します。 brazil forest-code google imagery multispectral satellite-imagery -
森林画像データセット(2008 年、ブラジル): ビジュアル ベースマップ
このデータセットは、ブラジルの視覚画像基本地図(最大 5 m の解像度)を提供します。主に 2008 年に撮影されたもので、ブラジル森林法の実装を支援することを目的としています。モザイクは SPOT 2、4、5 衛星データから合成されています。… の高解像度版として機能します。 ブラジル 森林伐採 森林法 Google RGB 衛星画像 -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ は、中解像度から高解像度の光学衛星画像の品質評価(QA)プロセッサです。Cloud Score+ S2_HARMONIZED データセットは、調整済みの Sentinel-2 L1C コレクションから運用環境で生成されています。Cloud Score+ の出力を使用して、比較的クリアなピクセルを特定し、雲を効果的に除去できます。 cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World は、10 m の準リアルタイム(NRT)の土地利用/土地被覆(LULC)データセットです。9 つのクラスのクラス確率とラベル情報が含まれています。Dynamic World の予測は、2015 年 6 月 27 日から現在までの Sentinel-2 L1C コレクションで利用できます。Sentinel-2 の再訪頻度は 2 ~ 5 日です。 global google landcover landuse landuse-landcover nrt -
Google Global Landsat-based CCDC Segments(1999 ~ 2019 年)
このコレクションには、20 年間の Landsat 地表反射率データに対して継続的変化検出と分類(CCDC)アルゴリズムを実行して事前に計算された結果が含まれています。CCDC は、動的 RMSE しきい値による調和フィッティングを使用して時系列データのブレークポイントを検出するブレークポイント検出アルゴリズムです。カラーは、RGB 値とアルファ チャンネルで指定します。 change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 地表水マッピング レイヤ v1.2 [非推奨]
このデータセットには、1984 年から 2019 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されます。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 geophysical google jrc landsat-derived surface surface-ground-water -
JRC 地表水マッピング レイヤ v1.4
このデータセットには、1984 年から 2021 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されています。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 change-detection geophysical google jrc landsat-derived surface -
JRC 地表水メタデータ v1.4
このデータセットには、1984 年から 2021 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されています。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 geophysical google jrc landsat-derived surface surface-ground-water -
JRC 月間水履歴 v1.4
このデータセットには、1984 年から 2021 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されています。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 geophysical google history jrc landsat-derived monthly -
JRC 月次水循環 v1.4
このデータセットには、1984 年から 2021 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されています。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 geophysical google history jrc landsat-derived monthly -
JRC 年間水分類履歴 v1.4
このデータセットには、1984 年から 2021 年までの地表水の場所と時間分布の地図が含まれており、水面の範囲と変化に関する統計情報が提供されています。詳細については、関連する学術論文「High-resolution mapping of global surface water and its …」をご覧ください。 annual geophysical google history jrc landsat-derived -
Murray Global Intertidal Change Classification
Murray Global Intertidal Change Dataset には、707,528 枚の Landsat アーカイブ画像の教師あり分類によって作成された干潟生態系のグローバル マップが含まれています。各ピクセルは、世界中に分布するトレーニング データセットを参照して、干潟、恒久的な水域、その他のいずれかに分類されました。カラーは、RGB 値とアルファ チャンネルで指定します。 coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change Data Mask
Murray Global Intertidal Change Dataset には、707,528 枚の Landsat アーカイブ画像の教師あり分類によって作成された干潟生態系のグローバル マップが含まれています。各ピクセルは、世界中に分布するトレーニング データセットを参照して、干潟、恒久的な水域、その他のいずれかに分類されました。カラーは、RGB 値とアルファ チャンネルで指定します。 coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change QA Pixel Count
Murray Global Intertidal Change Dataset には、707,528 枚の Landsat アーカイブ画像の教師あり分類によって作成された干潟生態系のグローバル マップが含まれています。各ピクセルは、世界中に分布するトレーニング データセットを参照して、干潟、恒久的な水域、その他のいずれかに分類されました。カラーは、RGB 値とアルファ チャンネルで指定します。 coastal google intertidal landsat-derived murray surface-ground-water -
SPOT マルチスペクトル画像 10 ~ 20 m、ブラジル
このコレクションは、ブラジル全土の SPOT 2、4、5 衛星から取得した 2008 年前後のマルチスペクトル生画像を提供します。CNES が運用するこれらのミッションは、地球の資源を管理するための高解像度の広域光学画像を提供することを目的として設計されました。SPOT 2 と 4 では HRV と HRVIR を使用しました。 brazil forest-code google multispectral satellite-imagery spot -
SPOT マルチスペクトル擬似自然色画像 10 ~ 20 m、ブラジル
このコレクションには、ブラジルの SPOT 2、4、5 のネイティブ マルチスペクトル バンドから派生した 2008 年前後の「疑似自然色」RGB 画像が含まれています。HRV センサーと HRG センサーにはネイティブの青色帯域が含まれていないため、このプロダクトは RGB 表現を合成して、… brazil forest-code google rgb satellite-imagery spot -
SPOT パンクロマチック画像 5 ~ 10 m、ブラジル
このコレクションには、2008 年前後のブラジルの SPOT 2、4、5 衛星の生パンクロマチック(PAN)バンドが含まれています。パンクロマチック センサーは、ミッションで最も高いネイティブ空間解像度を提供し、広い可視スペクトル(SPOT 2 の場合は 0.51 ~ 0.73 µm、0.61 ~ 0.68 … brazil forest-code google imagery satellite-imagery spot -
SPOT パンシャープン疑似自然色画像 5 ~ 10 m、ブラジル
このコレクションは、2008 年頃のブラジルの高解像度パンシャープン疑似自然色 SPOT 衛星画像(2、4、5)を提供します。対応する高解像度パンクロマチック画像が利用可能な場合は、マルチスペクトル データと融合して、空間の詳細度を高めました(SPOT 5 の場合は最大 5 m、10 m … brazil forest-code google rgb satellite-imagery spot -
Satellite Embedding V1
Google Satellite Embedding データセットは、学習済みの地理空間エンベディングのグローバルな分析対応コレクションです。このデータセットの各 10 メートルのピクセルは、さまざまな地球観測によって測定された、そのピクセルとその周辺の地表状態の時間的軌跡をエンコードする 64 次元の表現(エンベディング ベクトル)です。 annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
このデータセットは、2001 ~ 2022 年の全球の樹木エリアの減少の主な要因を 1 km の解像度でマッピングしています。世界資源研究所(WRI)と Google DeepMind が作成したこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル(ResNet)を使用して開発されました。 agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
このデータセットは、2001 年から 2023 年までの全球の樹木エリアの減少の主な要因を 1 km の解像度でマッピングしています。世界資源研究所(WRI)と Google DeepMind が作成したこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル(ResNet)を使用して開発されました。 agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
このデータセットは、2001 年から 2024 年までの全球の樹木エリアの減少の主な要因を 1 km の解像度でマッピングしています。世界資源研究所(WRI)と Google DeepMind が作成したこのデータは、収集された一連のサンプルでトレーニングされたグローバル ニューラル ネットワーク モデル(ResNet)を使用して開発されました。 agriculture deforestation forest forest-biomass google landandcarbon
Datasets tagged google in Earth Engine
[null,null,[],[],["Cloud Score+ identifies clear pixels and removes clouds from Sentinel-2 imagery. Dynamic World provides near-real-time land use/land cover data for nine classes from Sentinel-2. Google's CCDC algorithm detects breakpoints in 20 years of Landsat data. JRC datasets map surface water's location, distribution, and change from 1984-2021 using Landsat data. The Murray dataset classifies tidal flat ecosystems globally using supervised classification of over 700,000 Landsat images.\n"]]