使用Google Earth Engine展示中国2015年和2021年的VIIRS夜间灯光数据

最新推荐文章于 2025-06-16 10:07:45 发布

VwajAlgorithm

最新推荐文章于 2025-06-16 10:07:45 发布

阅读量175

点赞数

CC 4.0 BY-SA版权

文章标签： GEE

本文链接：https://blog.youkuaiyun.com/VwajAlgorithm/article/details/133206219

GEE 专栏收录该内容

82 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何利用Google Earth Engine (GEE)对比2015年和2021年中国VIIRS夜间灯光数据，以揭示城市化和人类活动的动态。通过加载数据、选择'avg_rad'波段并设置可视化参数，展示了夜间灯光变化，从而洞察城市化进程和人口增长情况。

夜间灯光数据是一种有助于研究城市化和人类活动的重要指标。Google Earth Engine（GEE）是一个强大的云平台，可以用于处理和分析遥感数据。本文将展示如何使用GEE来比较中国2015年和2021年的VIIRS夜间灯光数据，并通过源代码提供具体示例。

首先，我们需要在GEE中加载VIIRS夜间灯光数据集。以下是加载数据集的代码：

// 加载2015年和2021年的夜间灯光数据
var viirs2015 = ee.ImageCollection("NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG").select('avg_rad'

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

VwajAlgorithm

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

使用Google Earth Engine对北京市夜间灯光数据进行区分、划分和更新

TpjtRuby的博客

09-16

584

然后，我们创建了一个分类函数（classifyLights），该函数将根据灯光的亮度值将其分为三个类别：低强度灯光、中等强度灯光和高强度灯光。接下来，我们使用add()方法将新的夜间灯光数据添加到已有的夜间灯光数据中，从而更新了数据。然后，我们加载了NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG数据集中的夜间灯光数据，并选择了平均辐射值（avg_rad）作为我们感兴趣的属性。最后，我们将夜间灯光数据可视化在地图上。然后，我们根据灯光的强度值对数据进行了分类和划分，并可视化了分类结果。

1 条评论您还未登录，请先登录后发表或查看评论

1 条评论

优快云-Ada助手 2024.02.04
恭喜你开始了博客创作，这篇关于使用Google Earth Engine展示中国2015年和2021年的VIIRS夜间灯光数据的文章写得很棒！展示了对数据的深入分析和对技术工具的熟练运用。接下来，我建议你可以尝试加入一些对数据分析结果的解读和对比，让读者更加深入地了解数据背后的故事。期待你的下一篇作品！推荐【每天值得看】：https://bbs.youkuaiyun.com/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1

Google Earth Engine（GEE）——中国2015年和2021年VIIRS 夜间灯光数据展示案例

此星光明博客

10-31

1886

// define the countries of interest in this list var countryList = ["China"]; // import the country boundaries and filter for the countries of interest var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017').filter(ee.Filter.inList("country_na...

夜间灯光数据

01-17

处理过的夜间灯光数据，可直接下载使用，只有中国的，

使用GEE进行VIIRS夜光数据的月均值计算与导出

qq_36686882的博客

07-17

781

基于Google Earth Engine (GEE) 平台，实现了从VIIRS夜光数据集中筛选、计算月均值、可视化展示指定区域和时间范围内的影像，并将其导出到Google Drive。

夜间灯光数据dn值_夜间灯光数据(DMSP/OLS)提取灯光指数

热门推荐

weixin_33318791的博客

01-01

2万+

前言：随着经济发展，人们生活水平提高，夜文化也随之出现，城市夜间灯光一定程度上反映了人们夜间活动程度，反映了一定人文生活习惯，也体现城市发展水平。在这里主要是想利用夜间灯光数据来宏观且综合的反映城市发展情况，从DMSP/OLS中提取城市化综合指数。个人觉得，利用夜间灯光指数可以直观但较粗略得出不同地区发展的状况，但是具体内部发展还是要更加细化，所以这里就仅仅提供自己在提取夜间灯光指数过程...

DMSP夜间灯光数据

weixin_43897736的博客

08-21

2万+

数据和详细信息参见https://ngdc.noaa.gov/eog/dmsp/dmsp.html） 1、美国国防气象卫星计划（Defense Meteorological Satellite Program，DMSP）由美国空军航天与导弹系统中心运作，卫星运行的线性扫描系统（Operational LinescanSystem，OLS），传感器每日能获得全球内的昼夜图像。DMSP/OLS 夜间灯...

2000-2023年NPP-VIIRS夜间灯光数据(500m分辨率)

m0_71334485的博客

10-08

800

2000-2023年NPP-VIIRS夜间灯光数据(500m分辨率)

AI Earth——全球500m类NPP_VIIRS夜间灯光数据集应用app

此星光明博客

07-14

1184

全球500米分辨率的“类NPP-VIIRS”夜间灯光数据集（NPP-VIIRS-like NTL Data）是基于自编码器的跨传感器（DMSP-OLS和NPP-VIIRS）夜间灯光数据校正方案生产。通过在不同范围不同尺度下开展的精度验证工作，证明数据集具备了类似于NPP-VIIRS夜间灯光数据的质量，并能够清晰地反映出城市内部的细节信息及其时序上的变化。

1992-2024年各省市区县乡镇NPP-VIIRS夜间灯光面板数据

xiaozhuzhu1995的博客

06-16

541

每份数据都包含相应的区域名称和代码以及 mean、min、max、sum、sd 指标。这些统计量可以这么理解：栅格数据是类似一个个格点的数据，每个格点都包含一个值，可以把区域内的这些值求平均得到 mean 指标，求总和得到 sum 指标...... 因此如果想要使用区域平均夜间灯光亮度应该使用 mean 指标。原始数据是中国区域的栅格数据，来源于 Harvard Dataverse，为了方便大家使用，我使用 R 语言把栅格数据转换成了各省、市、区县、乡镇的面板数据。方式一（推荐）：主页 ↓个人↓简介。

【数据分享】2012-2022年全球范围逐年NPP/VIIRS夜间灯光数据

weixin_63042008的博客

08-22

451

【数据分享】2012-2022年全球范围逐年NPP/VIIRS夜间灯光数据

2012-2020年按月NPP-VIIRS夜间灯光数据

04-16

2012-2020年按月NPP-VIIRS夜间灯光数据（97G多大小网盘链接获取）版本一的复合产品由7个文件名字段，由下划线“ _”分隔。在每个字段的内部可以有一个额外的破折号分隔符“-”。这些字段后面跟着一个文件扩展名。...

遥感监测基于VIIRS数据集的城市夜间灯光分析：Google Earth Engine平台下区域平均辐射强度计算与导出系统实现

10-28

内容概要：本文介绍了如何利用Google Earth Engine平台中的VIIRS（可见红外成像辐射仪）月度数据集，监测城市夜间灯光变化。通过加载行政边界数据并选取研究区域内的特定点位，确定研究范围，并基于该区域提取不同...

夜间灯光数据NPP-VIIRS(2012-2021) V2.1(年度数据)

04-08

0和D70011.1使用的是V2版本。 3. V2.1相比于V2版本在处理上有两个步骤进行了修正，从结果（SUM)上看2012和2013年差异较大，其余年份几乎没有什么差异。 Annual VNL V2.1：原始数据来源： http s://eogdata....

11-25

好大夫在线-问诊数据-医生ID：1010632293

最新发布

11-25

医生ID：1010632293的 2023-10-30 至 2025-11-21 的问诊列表数据

基于Python与OpenCV的实时人眼检测与眨眼状态识别系统实现

11-25

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域，并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库，配合Python简洁的语法特性与丰富的第三方模块支持，为开发此类视觉应用提供了理想环境。在环境配置阶段，除基础Python运行环境外，还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG（方向梯度直方图）特征检测算法在面部特征定位方面表现卓越。技术实现包含以下关键环节： - 面部区域检测：采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位，为后续眼部分析建立基础坐标系 - 眼部精确定位：基于已识别的人脸区域，运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析：通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态，为状态判别提供几何特征依据 - 眨眼动作识别：通过连续帧序列分析眼睑开合度变化，建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测：设定更严格的状态持续时间与闭合程度双重标准，准确识别长时间闭眼行为 - 实时处理架构：构建视频流处理管线，通过帧捕获、特征分析、状态判断的循环流程实现实时监控完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议，涵盖图像预处理、光照补偿等实际应用中的关键技术点。掌握该技术体系不仅有助于深入理解计算机视觉原理，更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

11-25

11-25

heatmap.js热力图实现[可运行源码]

11-25

本文介绍了如何使用heatmap.js库在HTML中创建热力图。首先，通过引入heatmap.js的CDN链接，创建一个heatmap实例，并配置其容器、背景颜色、渐变颜色、半径大小、透明度等参数。接着，生成模拟数据点，并通过setData方法将数据绑定到热力图实例上。文章还提供了generateData函数，用于生成随机数据点，以模拟热力图的展示效果。整个过程详细展示了热力图的创建、配置和数据绑定步骤，适合初学者快速上手使用heatmap.js。

[如何在 Google Earth Engine 中获取 NPP/VIIRS 夜间灯光数据？]

07-04

### 获取 NPP/VIIRS 夜间灯光数据的方法 Google Earth Engine 提供了对 NPP/VIIRS 夜间灯光数据的直接访问，用户可以通过其平台进行数据查询、处理和可视化。NPP 卫星搭载的 VIIRS（可见光红外成像辐射计套件）传感器提供了高分辨率的夜间灯光遥感数据，适用于城市化、能源消耗以及社会经济活动的研究[^1]。在 Google Earth Engine 中，用户可以使用 `NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG` 数据集获取月尺度的夜间灯光数据。该数据集包含平均辐射值（avg_rad），可用于绘制全球范围内的夜间灯光分布图。以下是一个用于加载并可视化 2020 年 1 月至 2 月夜间灯光数据的代码示例： ```javascript var dataset = ee.ImageCollection('NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG') .filter(ee.Filter.date('2020-01-01', '2020-02-28')); var nighttime = dataset.select('avg_rad'); var nighttimeVis = { min: 0.0, max: 60.0, }; Map.setCenter(-77.1056, 38.8904, 8); Map.addLayer(nighttime, nighttimeVis, 'Nighttime'); ``` 此外，若需长期时间序列的数据分析，Google Earth Engine 还支持将 NPP-VIIRS 数据与 DMSP-OLS 数据结合使用。由于这两种传感器在空间分辨率和设计上存在差异，因此需要进行交叉校准以实现连续性分析。例如，DMSP-OLS 的稳定灯光数据可通过 `NOAA/DMSP-OLS/NIGHTTIME_LIGHTS` 数据集访问，并可按年份提取平均值[^2]。以下代码展示了如何从 1992 年至 2013 年逐年提取 DMSP-OLS 的稳定灯光数据： ```javascript for (var i = 1992; i <= 2013; i++) { var Night_Light = ee.ImageCollection('NOAA/DMSP-OLS/NIGHTTIME_LIGHTS') .filterDate(i + '-01-01', i + '-12-31') .select('stable_lights'); var OLS_Light_Year_mean = Night_Light.mean().clip(roi); } ``` 这些方法为研究者提供了灵活的数据获取方式，同时支持区域和全球尺度的城市化进程分析。