GEE数据集:全球地下水生态系统 (GDEs)数据集(30m分辨率)

2024-09-04 16:04

本文主要是介绍GEE数据集:全球地下水生态系统 (GDEs)数据集(30m分辨率),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

地下水的全球生态系统 (GDEs)

简介

代码

代码链接

APP链接

结果

引用

许可

网址推荐

0代码在线构建地图应用

机器学习


地下水的全球生态系统 (GDEs)

简介

地下水是最广泛的液态淡水来源,但它在支持多样化生态系统方面的关键作用却往往不被人们所认识。 在许多地区,依赖地下水的生态系统(GDEs)的位置和范围在很大程度上仍不为人所知,导致保护措施不足。 该数据集提供了一张高分辨率(约 30 米)的 GDEs 地图,揭示了全球三分之一以上的旱地(包括主要的生物多样性热点地区)存在 GDEs 的情况。 在地下水枯竭率较低的牧业区,全球生态系分布更为广泛和连续,这表明由于不可持续的水资源和土地利用方式,许多全球生态系分布很可能已经消失。 在绘制的全球生态系分布图中,约 53% 位于地下水呈下降趋势的地区,这表明迫切需要采取保护措施。 尽管它们非常重要,但只有 21% 的全球地下水资源评估区位于保护区或具有可持续地下水管理政策的地区内,这凸显了保护工作中的巨大差距。 此外,该数据集还探讨了大萨赫勒地区的全球地下水资源与文化、社会经济因素之间的联系,强调了它们在支持生物多样性和农村生计方面的作用。 对于政策制定者、保护主义者和利益相关者来说,全球海洋生态系统地图是一个重要的工具,可帮助他们在地方、区域和国际层面确定保护这些重要生态系统的优先次序并制定相关战略。

代码

var imageCollection = ee.ImageCollection("projects/codefornature/assets/GlobalGDEMap_v6_TNC");
print(imageCollection)var ic_class = imageCollection.select('gde_class');
var ic_prob = imageCollection.select('gde_prob');var GDEmap = ee.Image(ic_class.mosaic());
var GDEprob = ee.Image(ic_prob.mosaic());var dataset = ee.ImageCollection("ESA/WorldCover/v100").first();
var land = dataset.neq(80).updateMask(dataset.neq(80));///// rename "land" band to match "GDEmap" band names
// set land raster = 0
var land_renameBand = land.remap([1], [0], 0, 'Map').select(['remapped']).rename(['gde_class']);// mask out non-analyzed areas from GDE layer
var mask = GDEmap.gt(0)
var GDEmasked = GDEmap.updateMask(mask) // GDE and no GDE; excludes areas not analyzed
var GDEprob_masked = GDEprob.updateMask(mask) // probability of GDEs; excludes areas not analyzed
var GDEprob_80 = GDEprob_masked.gte(80) // high probability of GDEs; excludes areas not analyzed
// Use the image as its own mask to hide zero values
var GDEprob_80_masked = GDEprob_80.mask(GDEprob_80);// composite "land" and "GDEmap" images (taking the maximum value)
var GDEmap_land_composite = ee.ImageCollection.fromImages([GDEmasked, land_renameBand]).max(); // composite layer (GDE, no GDE, land area not analyzed)// add composite image to map
// 0 = not analyzed
// 1 = GDE
// 2 = no GDE
//  Palette with the colors
//var palette_colors =['#c6c6c6','#00cc00','white'];
var palette_colors = ['#c6c6c6', '#018571', '#a6611a'];
var palette_colors_prob = ['#a6611a', '#dfc27d', '#f5f5f5', '#80cdc1', '#018571'];var classProbVisualization = {min: 0,max: 100,palette: palette_colors_prob
};var vizParams = {palette: ['006400'] // dark green
};// name of the legend
var names = ['Not Analyzed', 'Likely GDE', 'Not GDE'];//Map.addLayer(GDEprob_80_masked, vizParams, 'High probability GDEs');
Map.setCenter(-28, 33, 3)// Add in the download grid
var finalGrid = ee.FeatureCollection('projects/codefornature/assets/global_gde_tiles_URL');
print(finalGrid)// Define the style for the grid layer
var gridStyle = {color: 'white',fillColor: '#FFFFFF80', // Transparent white fill (50% opacity)width: 2
};// Add the styled grid layer to the map
Map.addLayer(GDEmap_land_composite, {min: 0,max: 2,palette: palette_colors,opacity: .8
}, 'Groundwater Dependent Ecosystems')
Map.addLayer(GDEprob_masked, classProbVisualization, 'GDE Certainty', 0);
Map.addLayer(finalGrid.style(gridStyle), {}, 'Download Tiles', 0);// Global variable to store the pop-up
var popup;// Function to create a pop-up with the URL
var createPopup = function(feature) {var url = feature.get('URL');url.evaluate(function(clientUrl) { // Convert the URL to a client-side stringif (popup) {Map.remove(popup); // Remove the existing pop-up if it exists}popup = ui.Label({value: 'Download the GDE data for this tile',style: {fontSize: '12px',margin: '1px 8px 1px 8px',textAlign: 'left',color: 'blue',textDecoration: 'underline'},targetUrl: clientUrl});Map.add(popup);});
};// Add a click event to show the pop-up
Map.onClick(function(coords) {var point = ee.Geometry.Point([coords.lon, coords.lat]);var clickedFeature = finalGrid.filterBounds(point).first();clickedFeature.evalua

这篇关于GEE数据集:全球地下水生态系统 (GDEs)数据集(30m分辨率)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1136402

相关文章

使用Java将各种数据写入Excel表格的操作示例

《使用Java将各种数据写入Excel表格的操作示例》在数据处理与管理领域,Excel凭借其强大的功能和广泛的应用,成为了数据存储与展示的重要工具,在Java开发过程中,常常需要将不同类型的数据,本文... 目录前言安装免费Java库1. 写入文本、或数值到 Excel单元格2. 写入数组到 Excel表格

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient