【GEE合集】欧空局10m土地利用数据已更新至2021,附GEE代码对比两期变化。

该博客介绍了如何利用Google Earth Engine (GEE)对比欧洲空间局(ESA)发布的2020年和2021年10米分辨率土地利用数据。作者提供了详细的代码示例,展示如何加载数据、设置地图以及添加图例,以观察和分析两期数据之间的差异。文章还鼓励读者点赞、收藏和关注以支持更多此类内容的更新。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【GEE合集】欧空局10m土地利用数据已更新至2021,附GEE代码对比两期变化!

1.引言

最近欧空局更新了10m的土地利用数据,本文通过gee来对比两期数据的变化,记录在此,分享给有需要的同学。
在这里插入图片描述
在这里插入图片描述

2.调用展示

var lc20 = ee.ImageCollection("ESA/WorldCover/v100").first()
var lc21 = ee.ImageCollection("ESA/WorldCover/v200").first()


var leftMap = ui.Map(); //left Map
var rightMap = ui.Map(); //right Map

leftMap.setCenter(111,35,3);
rightMap.setCenter(111,35,3);
leftMap.setControlVisibility(false);
rightMap.setControlVisibility(false);

var linker = new ui.Map.Linker([leftMap,rightMap]); //Link Left Map and Right Map

var splitPanel = ui.SplitPanel({
firstPanel:leftMap,
secondPanel:rightMap,
orientation:'horizontal',
wipe:true
});

ui.root.clear();
ui.root.add(splitPanel);

leftMap.addLayer(lc20);
rightMap.addLayer(lc21);

在这里插入图片描述

3.添加图例

添加图例部分参考大神的这篇博客

// set position of panel
var legend = ui.Panel({
  style: {
    position: 'bottom-left',
    padding: '8px 15px'
  }
});

// Create legend title
var legendTitle = ui.Label({
  value: 'ESA Landcover',
  style: {
    fontWeight: 'bold',
    fontSize: '18px',
    margin: '0 0 4px 0',
    padding: '0'
    }
});

// Add the title to the panel
legend.add(legendTitle);

// Creates and styles 1 row of the legend.
var makeRow = function(color, name) {
  // Create the label that is actually the colored box.
  var colorBox = ui.Label({
    style: {
      backgroundColor: '#' + color,
      // Use padding to give the box height and width.
      padding: '8px',
      margin: '0 0 4px 0'
    }
  });
  // Create the label filled with the description text.
  var description = ui.Label({
    value: name,
    style: {margin: '0 0 4px 6px'}
  });
  // return the panel
  return ui.Panel({
  widgets: [colorBox, description],
  layout: ui.Panel.Layout.Flow('horizontal')
  });
};
 
//  from ESA get palette and names
var palette = ee.List(lc20.get('Map_class_palette')).getInfo()
var names = ee.List(lc20.get('Map_class_names')).getInfo()

// Add color and and names
for (var i = 0; i <palette.length; i++) {
  print(palette[i], names[i])
  legend.add(makeRow(palette[i], names[i]));
  }  
 
// add legend to map
leftMap.add(legend);

在这里插入图片描述
以上就是gee对比欧空局两期土地利用的全部内容了,如果对你有帮助的话,请‘点赞’、‘收藏’,‘关注’,你们的支持是我更新的动力。

### Google Earth Engine 中土地利用分类的数据获取与处理 #### 使用 Landsat 8 影像进行土地利用分类 Landsat 8 提供了长时间序列的高质量地球表面观测数据,这些数据非常适合用来监测土地利用变化情况[^2]。为了实现这一目标,可以采用如下方法: 1. **加载所需库并初始化 GEE** 需要先导入必要的 Python 库,并完成对 GEE 的认证过程。 ```python import ee ee.Initialize() ``` 2. **定义研究区域和时间范围** 设定感兴趣的研究区以及想要比较的时间段。 3. **检索 Landsat 8 表面反射率 (SR) 图像集合** 利用 `ee.ImageCollection` 函数指定图像源为 "LANDSAT/LC08/C01/T1_SR" 并过滤得到特定日期内的影像。 4. **预处理影像** 对原始影像执行大气校正、云掩膜等操作以提高后续分析精度。 5. **训练样本选取及模型构建** 基于已知类别标签创建监督学习算法所需的训练集;接着应用机器学习技术如随机森林或支持向量机来进行分类建模。 6. **实施分类预测并将结果可视化** 将建立好的模型应用于整个研究区域内所有像素点上,最后绘制出最终的地图产品以便直观展示各类用地分布状况。 7. **评估分类准确性** 可能还需要进一步验证所得成果的质量,比如计算混淆矩阵指标来衡量实际地物类型同估计值之间的一致程度。 #### 欧空局 WorldCover 数据的应用实例 除了自定义生成的土地覆盖图之外,还可以直接调用由欧洲航天局发布的 ESA WorldCover 项目所提供的现成全球高分辨率土地覆被地图作为参考依据之一[^4]。此款产品具有较高的空间分辨率达到 10 级别,能够满足大多数应用场景下的需求。 ```javascript // 加载 ESA WorldCover 2020 V100 数据集 var worldcover = ee.Image('ESA/WorldCover/v100/2020'); // 显示世界范围内植被覆盖度层 Map.addLayer(worldcover.updateMask(worldcover.neq(0)), {min: 0, max: 9}, 'Vegetation Cover'); ``` 上述代码片段展示了如何快速访问并显示 ESA WorldCover 2020 版本中的植被覆盖信息。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值