当前位置: 首页 > news >正文

全球首套多季SAR相干性数据集发布

简介

该数据集是首个多季节全球 C 频段合成孔径雷达 (SAR) 干涉重复轨道相干性和后向散射特征的空间表示。覆盖范围包括从北纬 82 度到南纬 79 度的陆地和冰盖。该数据集是通过对 2019 年 12 月 1 日至 2020 年 11 月 30 日期间以干涉宽幅模式获取的约 205,000 张 Sentinel-1 C 频段 SAR 图像进行多时相重复轨道干涉处理而得出的。

相干性是一种衡量在不同时间获取的同一区域的两张复杂 SAR 图像之间相似性或相关性的指标,范围从 0(无相关性/高噪声)到 1(完全相关)。该数据集是通过分析间隔时间不超过 48 天的所有可能图像对生成的。它会报告每个季节内针对特定标准化时间基准(重复间隔)汇总的中值相干性。

缩放比例已应用于每个频段。如果您想使用原始栅格中的数字进行计算,请加载Earth_Big_Data/GLOBAL_SEASONAL_S1/V2019/COHERENCE_RAW

在同一时间段内从 Sentinel-1 观测数据中派生的其他数据集包括:

  • 反向散射
  • 衰减模型参数
  • 入射光阴影

数据集说明

空间信息

数据集可用时间

2019-12-01T00:00:00Z–2020-12-01T00:00:00Z

数据集生产者

Earth Big Data LLC Alaska Satellite Facility

Earth Engine 代码段

ee.ImageCollection("Earth_Big_Data/GLOBAL_SEASONAL_S1/V2019/COHERENCE")

变量

波段

像素大小:92.7 米(所有波段)

名称像元大小说明
fall_hh_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算出的秋季(2020 年 9 月至 11 月)中位数 HH 相干性。

fall_hh_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算出的秋季(2020 年 9 月至 11 月)中位数 HH 相干性。

fall_hh_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 HH 相干性中位数。

fall_hh_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,秋季(2020 年 9 月至 11 月)的 HH 相干性中位数。

fall_hh_COH3692.7 米

根据 36 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的中位数 HH 相干性。

fall_hh_COH4892.7 米

秋季(2020 年 9 月至 11 月)的中位数 HH 相干性,基于 48 天重复间隔的所有相干性估计值。

fall_vv_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

fall_vv_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

fall_vv_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

fall_vv_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

fall_vv_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

fall_vv_COH4892.7 米

基于 48 天重复间隔的所有相干性估计值,计算得出秋季(2020 年 9 月至 11 月)的 VV 相干性中位数。

spring_hh_COH0692.7 米

春季(2020 年 3 月至 5 月)的中位数 HH 相干性,基于 6 天重复间隔的所有相干性估计值。

spring_hh_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的中位数 HH 相干性。

spring_hh_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 HH 相干性中位数。

spring_hh_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的家庭中位数相干性。

spring_hh_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的家庭中位数相干性。

spring_hh_COH4892.7 米

春季(2020 年 3 月至 5 月)的 HH 相干性中位数,基于 48 天重复间隔的所有相干性估计值。

spring_vv_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 VV 相干性中位数。

spring_vv_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 VV 相干性中位数。

spring_vv_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 VV 相干性中位数。

spring_vv_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,计算得出的春季(2020 年 3 月至 5 月)VV 相干性中位数。

spring_vv_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 VV 相干性中位数。

spring_vv_COH4892.7 米

基于 48 天重复间隔的所有相干性估计值,计算得出春季(2020 年 3 月至 5 月)的 VV 相干性中位数。

summer_hh_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的 HH 相干性中位数。

summer_hh_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的家庭中位数相干性。

summer_hh_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的家庭中位数相干性。

summer_hh_COH2492.7 米

夏季(2020 年 6 月至 8 月)的中位数 HH 相干性,基于 24 天重复间隔的所有相干性估计值。

summer_hh_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的中位数 HH 相干性。

summer_hh_COH4892.7 米

夏季(2020 年 6 月至 8 月)的中位数 HH 相干性,基于 48 天重复间隔的所有相干性估计值。

summer_vv_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出的夏季(2020 年 6 月至 8 月)VV 相干性中位数。

summer_vv_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的 VV 相干性中位数。

summer_vv_COH1892.7 米

夏季(2020 年 6 月至 8 月)的 VV 相干性中位数,基于 18 天重复间隔的所有相干性估计值。

summer_vv_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,计算得出夏季(2020 年 6 月至 8 月)的 VV 相干性中位数。

summer_vv_COH3692.7 米

夏季(2020 年 6 月至 8 月)的 VV 相干性中位数,基于 36 天重复间隔的所有相干性估计值。

summer_vv_COH4892.7 米

夏季(2020 年 6 月至 8 月)的 VV 相干性中位数,基于 48 天重复间隔的所有相干性估计值。

winter_hh_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出的冬季(2019 年 12 月至 2020 年 2 月)家庭中位数相干性。

winter_hh_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出冬季(2019 年 12 月至 2020 年 2 月)的中位数家庭相干性。

winter_hh_COH1892.7 米

冬季(2019 年 12 月至 2020 年 2 月)的中位数 HH 相干性,基于 18 天重复间隔的所有相干性估计值。

winter_hh_COH2492.7 米

冬季(2019 年 12 月至 2020 年 2 月)的中位数家庭住户连贯性,基于 24 天重复间隔的所有连贯性估计值。

winter_hh_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出冬季(2019 年 12 月至 2020 年 2 月)的家庭中位数相干性。

winter_hh_COH4892.7 米

冬季(2019 年 12 月至 2020 年 2 月)的中位数家庭相关性,基于 48 天重复间隔的所有相关性估计值。

winter_vv_COH0692.7 米

基于 6 天重复间隔的所有相干性估计值,计算得出的冬季(2019 年 12 月至 2020 年 2 月)VV 相干性中位数。

winter_vv_COH1292.7 米

基于 12 天重复间隔的所有相干性估计值,计算得出冬季(2019 年 12 月至 2020 年 2 月)的 VV 相干性中位数。

winter_vv_COH1892.7 米

基于 18 天重复间隔的所有相干性估计值,计算得出的冬季(2019 年 12 月至 2020 年 2 月)VV 相干性中位数。

winter_vv_COH2492.7 米

基于 24 天重复间隔的所有相干性估计值,计算得出冬季(2019 年 12 月至 2020 年 2 月)的 VV 相干性中位数。

winter_vv_COH3692.7 米

基于 36 天重复间隔的所有相干性估计值,计算得出的冬季(2019 年 12 月至 2020 年 2 月)VV 相干性中位数。

winter_vv_COH4892.7 米

基于 48 天重复间隔的所有相干性估计值,计算得出的冬季(2019 年 12 月至 2020 年 2 月)VV 相干性中位数。

图像属性

名称类型说明
tile_idSTRING

功能块 ID

代码

var dataset = ee.ImageCollection('Earth_Big_Data/GLOBAL_SEASONAL_S1/V2019/COHERENCE'); var visParams = { bands: ['fall_hh_COH06'], min: 0, max: 0.75, }; Map.setCenter(-45.2, 64.177, 5); Map.addLayer(dataset, visParams, 'Fall HH COH06');

代码链接

https://code.earthengine.google.com/d9bc7266e93a2f0064a8912ca7aa40eb

结果

引用许可

Kellndorfer, J., Cartus, O., Lavalle, M. et al. Global seasonal Sentinel-1 interferometric coherence and backscatter data set. Sci Data 9, 73 (2022). doi:10.1038/s41597-022-01189-6.

CC-BY-4.0

https://www.cbedai.net/xg

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/https://www.htdrought.com/https://www.htdrought.com/

http://www.jsqmd.com/news/1249939/

相关文章:

  • 2026太原古交市管道疏通避坑指南 金池师傅上门快 - 余生黄金回收
  • 2026重庆万州管道疏通防坑指南:利扬师傅30分钟上门实测反馈 - 余生黄金回收
  • 本体和传统数据库的实体有什么区别?
  • 计算机毕业设计之中医经方查询与管理系统设计
  • 寄行李用什么快递便宜?慧寄侠教你一键比价,最多省70%运费! - 快递物流资讯
  • RocketMQ 教程 安装 Dashboard
  • Stable Audio v3 vs Suno V3.5 vs Udio 2.1:专业作曲师盲测打分(含MIDI导出、提示词敏感度、风格可控性三重压测报告)
  • 2026天津津南管道疏通防坑实测:江创师傅上门全流程揭秘 - 余生黄金回收
  • C2000开发实战:位域与Driverlib硬件抽象层深度对比与混合使用策略
  • 新华社专访 | AI赋能深蓝:厦门“文鳐”大模型激活海洋经济新引擎
  • 出海AI企业搭建算力基础设施,要满足哪些核心性能要求?
  • 2026年7月最新江诗丹顿杭州闲林吾悦广场维修保养服务电话 - 江诗丹顿官方服务中心
  • 家庭网络也能玩VLAN?用OpenWrt软路由+普通交换机,隔离IoT设备和访客Wi-Fi的保姆级配置
  • 2026年南岸区会计代理记账实力公司优选指南:服务费用解析 - 装修教育财税推荐2026
  • 2026年福州华硕电脑维修可靠店铺盘点与专业推荐 - 装修教育财税推荐2026
  • 吃透OpenClaw !Windows 系统从零部署,彻底解放重复办公工作
  • 毕设 基于大数据的K-means广告效果分析
  • 从零搭建AI视频工作流,手把手配置本地部署方案,Stable Video Diffusion vs. Kling vs. 月之暗面(附GPU显存占用实测表)
  • 抖掌柜无货源上架完整操作教程:从选品筛选、素材采集清洗、AI合规检测到商品发布全流程步骤详解 - 电商分享
  • 基于TMS320DM642视频端口实现DSP间高速数据通信的工程实践
  • DSP性能优化实战:基于XDS560 Trace与AET的硬件级剖析
  • Redis集群在高频优惠券查询场景下的缓存穿透与雪崩治理
  • 深入解析I2C总线:从时钟同步到SMBus协议的工业级应用
  • 2026企业级AI编程平台推荐,国内主流企业级AI代码助手市场趋势及选型指南
  • 2026泉州本地SEO/GEO优化公司靠谱口碑推荐,技术实力+落地实战附服务商案例盘点 - 资讯速览
  • 桥隧坡监测服务商怎么选?
  • 2026年北京门头沟管道疏通避坑指南 - 余生黄金回收
  • 线性代数硬核实战:向量组的秩与 SVD 低秩近似(附完整代码)
  • 昇腾NPU上MLP算子融合优化实践与性能提升
  • 百达翡丽专柜中国2026年7月客户服务热线最新,服务更贴心 - 百达翡丽官方售后中心