-
巴西森林图像数据集 2008：分析型基本地图
此数据集提供分辨率高达 10 米的巴西多光谱（绿光、红光和近红外）基本地图，主要拍摄于 2008 年，旨在支持《巴西森林法典》的实施。该镶嵌图由 SPOT 2、4 和 5 卫星数据合成。它可作为更高分辨率的… brazil forest-code google imagery multispectral satellite-imagery -
巴西森林图像数据集 2008：视觉基本地图
此数据集提供了一幅分辨率最高达 5 米的巴西视觉图像基本地图，主要拍摄于 2008 年，旨在支持《巴西森林法典》的实施。该镶嵌图由 SPOT 2、4 和 5 卫星数据合成。它可作为 … 的高分辨率替代方案 brazil deforestation forest-code google rgb satellite-imagery -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ 是一款质量评估 (QA) 处理器，适用于中高分辨率的光学卫星图像。Cloud Score+ S2_HARMONIZED 数据集正基于协调版 Sentinel-2 L1C 集合进行业务化生产，Cloud Score+ 输出可用于识别相对清晰的像素点，并有效去除云… cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World 是一个分辨率为 10 米的近乎实时 (NRT) 土地使用/土地覆盖 (LULC) 数据集，其中包含九个类别的类别概率和标签信息。Dynamic World 预测数据覆盖从 2015 年 6 月 27 日至今的 Sentinel-2 L1C 数据集。Sentinel-2 的重访频率为 2-5 天… 全球 google landcover landuse landuse-landcover nrt -
Google 基于 Landsat 的全球 CCDC 分段（1999 年至 2019 年）
此集合包含对 20 年的 Landsat 地表反射率数据运行连续变化检测和分类 (CCDC) 算法后预先计算的结果。CCDC 是一种断点查找算法，它使用谐波拟合和动态 RMSE 阈值来检测时间序列数据中的断点。… change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 全球地表水测绘图层，v1.2 [已弃用]
此数据集包含 1984 年至 2019 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC 全球地表水地图层，版本 1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … change-detection geophysical google jrc landsat-derived surface -
JRC 全球地表水元数据，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … geophysical google jrc landsat-derived surface surface-ground-water -
JRC Monthly Water History, v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … 地球物理 Google 历史记录 jrc Landsat 衍生 月度 -
JRC Monthly Water Recurrence，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … 地球物理 Google 历史记录 jrc Landsat 衍生 月度 -
JRC 年度水分类历史记录，v1.4
此数据集包含 1984 年至 2021 年地表水的时空分布地图，并提供有关这些水域的范围和变化情况的统计信息。如需了解详情，请参阅相关期刊文章：High-resolution mapping of global surface water and its … 年度 地球物理 Google 历史记录 jrc Landsat 衍生 -
Murray 全球潮间带变化分类
Murray 全球潮间带变化数据集包含潮滩生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都参考一组全球分布的训练数据，被分类为潮滩、永久性水体或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
Murray 全球潮间带变化数据掩码
Murray 全球潮间带变化数据集包含潮滩生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都参考一组全球分布的训练数据，被分类为潮滩、永久性水体或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
Murray 全球潮间带变化 QA 像素数
Murray 全球潮间带变化数据集包含潮滩生态系统的全球地图，这些地图是通过对 707,528 张 Landsat 存档图像进行监督分类而生成的。每个像素都参考一组全球分布的训练数据，被分类为潮滩、永久性水体或其他。… coastal google intertidal landsat-derived murray surface-ground-water -
SPOT 多光谱图像 10-20 米，巴西
此合集提供 2008 年左右巴西境内 SPOT 2、4 和 5 卫星的原始多光谱图像。这些任务由 CNES 负责运营，旨在提供高分辨率、广域光学图像，以用于管理地球资源。SPOT 2 和 4 利用了 HRV 和 HRVIR … brazil forest-code google multispectral satellite-imagery spot -
SPOT 多光谱伪自然色图像 10-20 米，巴西
此集合包含 2008 年左右的“伪自然色”RGB 图像，这些图像是从 SPOT 2、4 和 5 的原生多光谱波段中提取的，适用于巴西。由于 HRV 和 HRG 传感器不包含原生蓝色波段，因此本产品会合成 RGB 表示形式来近似表示… brazil forest-code google rgb satellite-imagery spot -
SPOT 全色图像 5-10 米，巴西
此集合包含 2008 年左右巴西的 SPOT 2、4 和 5 卫星的原始全色 (PAN) 波段。全色传感器可提供任务的最高原生空间分辨率，可在较宽的可见光谱范围内（SPOT 2 为 0.51-0.73 微米，SPOT 4 为 0.61-0.68 微米，SPOT 5 为 0.50-0.75 微米）捕获光线。 brazil forest-code google imagery satellite-imagery spot -
SPOT 全色锐化伪自然色图像 5-10 米，巴西
此集合提供 2008 年左右巴西的 SPOT 2、4 和 5 号卫星高分辨率全色锐化伪自然色图像。如果存在相应的高分辨率全色图像，则将其与多光谱数据融合，以实现增强的空间细节（SPOT 5 为 5 米，SPOT 10 为 10 米… brazil forest-code google rgb satellite-imagery spot -
卫星嵌入 V1
Google Satellite Embedding 数据集是一个全球性的、随时可供分析的地理空间嵌入内容集合。此数据集中的每个 10 米像素都是一个 64 维表示形式（或“嵌入向量”），用于对该像素及其周围的地表状况的时间轨迹进行编码，这些轨迹是通过各种地球观测… annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind，“2001-2022 年全球森林损失驱动因素”v1.0
此数据集以 1 公里的分辨率绘制了 2001 年至 2022 年全球树木覆盖率损失的主要驱动因素。该数据由世界资源研究所 (WRI) 和 Google DeepMind 共同制作，使用在全球范围内收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成… 农业 森林砍伐 森林 森林生物质 Google landandcarbon -
WRI/Google DeepMind 全球森林损失驱动因素 2001-2023 年 v1.1
此数据集以 1 公里的分辨率绘制了 2001 年至 2023 年全球树木覆盖率损失的主要驱动因素。该数据由世界资源研究所 (WRI) 和 Google DeepMind 共同制作，使用在全球范围内收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成… 农业 森林砍伐 森林 森林生物质 Google landandcarbon -
WRI/Google DeepMind，“2001-2024 年全球森林损失驱动因素”v1.2
此数据集以 1 公里分辨率绘制了 2001 年至 2024 年全球树木覆盖率损失的主要驱动因素。该数据由世界资源研究所 (WRI) 和 Google DeepMind 共同制作，使用在全球范围内收集的一组样本训练的全球神经网络模型 (ResNet) 开发而成… 农业 森林砍伐 森林 森林生物质 Google landandcarbon
