当前位置: 首页 > news >正文

Google Earth Engine(GEE)——沿海国家高程数据库(CoNED)

沿海国家高程数据库(CoNED)项目--地形测量数字高程模型(TBDEMs)
沿海国家高程数据库(CoNED)项目--地形测量数字高程模型(TBDEMs)是地形(陆地高程)和水深(水体深度)的合并渲染,为美国部分沿海地区提供无缝高程产品(2011年至今)。这个沿海高程数据库将不同的光探测和测距(激光雷达)和测深数据源(如声纳)整合到共同的数据库中,在垂直和水平方向上与共同的参考系统对齐。

这个海岸高程数据库将不同的光探测和测距(激光雷达)和测深数据源整合到共同的数据库中,并在垂直和水平方向上与共同的参考系统保持一致。CoNED项目--地形测量数字高程模型(TBDEMs)为科学应用研究提供了所需的无缝高程产品,如海岸线划定、沿海淹没制图、沉积物运输、海平面上升、风暴潮模型、海啸影响评估,以及各种气候变化情况对沿海地区影响的分析。

数据集的描述可以在这里找到,完整的数据集可以从以下网站下载

免责声明:数据集的全部或部分描述是由作者或其作品提供的。

参考文献

Coastal National Elevation Database (CoNED) Project - Topobathymetric Digital Elevation Model (TBDEM) Digital Object Identifier (DOI) number: /10.5066/F7Z60MHJ
数据集设置和预处理
数据集被收集并提供了3米、2米或1米以及不同的无数据值。虽然GEE集合允许所有这些数值的变化,但是名义分辨率和原始CRS保持不变,只需使用gdalwarp就可以将无数据值重新处理为-9999。一些数据集是单一的马赛克,文件大小从4GB到200多GB不等,为了提高效率和更好地处理这些数据,我们使用了gdal_retile工具,将这些数据重新划分为子部分,同时保留文件名以便进行数据追踪。我在示例脚本中添加了一个函数,允许你将标称比例作为一个属性添加到集合中,以备用户想在上面分割和应用不同的方法。

Earth Engine Snippet¶

var tb_dem = ee.ImageCollection("projects/sat-io/open-datasets/NOAA/CoNED_TBDEM"); print('Total CoNED TBDEM collection',tb_dem.size()) Map.centerObject(tb_dem,4) //Function to attach nominal scale to collection var scales = function(image){ var b1proj = image.select('b1').projection(); var b1scale = image.select('b1').projection().nominalScale(); return image.set('scale',ee.Number(b1scale).round()) } var ns = tb_dem.map(scales) //print distribution of nominal scale across collection print(ns.aggregate_histogram('scale')) var tb_dem = tb_dem.mosaic().setDefaultProjection('EPSG:3857',null,1); var tb_hillshade = ee.Terrain.hillshade(tb_dem); var vis_params = {'palette':['#006994','#b2ff59', '002200', 'fff700', 'ab7634', 'c4d0ff', 'ffffff'], min: -50, max: 1000}; Map.addLayer(tb_hillshade, {}, 'CoNED_TBDEM Hillshade',false); Map.addLayer(tb_dem, vis_params, 'CoNED_TBDEM');

代码链接”:https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:elevation-bathymetry/NOAA-CoNED-TBDEM

License¶

The dataset is released under an assumed CC0 1.0 Universal (CC0 1.0) Public Domain Dedication. There are no restrictions on the use of data received from the U.S. Geological Survey's Earth Resources Observation and Science (EROS) Center or NASA's Land Processes Distributed Active Archive Center (LP DAAC), unless expressly identified prior to or at the time of receipt. Depending on the product source, we request that the following statements be used when citing, copying, or reprinting data: Data available from the U.S. Geological Survey.

Intended use: Development, calibration and validation of coastal open-access EO-derived elevation/topography, vegetation and water quality products.

Provider: USGS, CMGP, NGP, NOAA and NGDC

Curated by: Samapriya Roy

Keywords: Elevation, topography, topobathymetric, bathymetry

Last updated on GEE: 2022-02-27

http://www.jsqmd.com/news/637559/

相关文章:

  • 【IET出版】第十一届信息科学、计算机技术与交通运输国际学术会议(ISCTT 2026)
  • 7个步骤!用sakura.css打造极简优雅的Markdown文档网站
  • 高效计算汉明权重的VP-SWAR算法解析与优化实践
  • 【C++类和对象(中)】—— 我与C++的不解之缘(四)
  • PanNet+: Enhancing Spectral and Spatial Preservation in Deep Learning for Pan-Sharpening
  • 直击知网5.0新规!读懂知网报告配合DeepSeek两步降论文AI(附三款降AI工具测评)
  • 如何使用AspNetCore.Diagnostics.HealthChecks实现Azure DevOps发布门控:保障应用部署质量的终极指南
  • 终极指南:如何使用node-opencv实现高效光流算法与运动跟踪
  • 终极指南:DefectDojo API v2开发实战 — 构建定制化安全解决方案
  • 如何使用EasyMocap实现精准人体关键点检测与3D运动捕捉:从2D到3D的完整指南
  • Python装饰器(Decorators)深度解析
  • vLLM-v0.17.1惊艳效果:AWQ量化后Llama3-8B显存占用降至11GB
  • 交期延误?轻流 AI 无代码给出新解法
  • 终极ZCF多语言支持指南:一键实现中英文双语配置与无缝国际化体验
  • 【零成本降AI】别盲目改论文!基于知网报告的DeepSeek降AI实操(附神级提示词)
  • 2025届毕业生推荐的AI科研方案推荐
  • KubeBlocks SQL Server(MSSQL) Kubernetes Operator 高可用实现
  • 终极指南:Microsoft BASIC M6502 字符串处理技术解析
  • (7)Windows Linux 操作系统分区管理、LVM逻辑卷管理
  • 终极指南:Google Cloud Go 客户端库的版本管理与向后兼容策略
  • 终极指南:如何快速构建现代化XMPP网页聊天客户端
  • 企业级Multi-Agent系统架构设计:微服务化与模块解耦最佳实践
  • 终极Flask-SQLAlchemy快速入门:10分钟搭建你的第一个数据库应用
  • C++进阶(9)特殊类设计
  • 迎战2026最严查重:DeepSeek联动知网报告,手把手带你稳降论文AI率
  • 轻流无代码如何重构质量管理体系?这 3 个价值必须了解
  • franc项目架构深度解析:从Monorepo到模块化设计的终极指南
  • 2026届学术党必备的五大AI辅助论文方案推荐
  • Dayflow未来路线图全解析:全新仪表板与本地AI模型优化带来的生产力革命
  • 基于SWIFT与LoRA微调大模型实现连续值预测