GEE数据集——全球日光日照地图分布图数据

2024-02-10 11:52

本文主要是介绍GEE数据集——全球日光日照地图分布图数据,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!

日光地图分布图数据


在社区和专业地图绘制者的支持下,Daylight 是全球开放地图数据的完整分发版。我们将 OpenStreetMap 等项目的全球贡献者的工作与 Daylight 地图合作伙伴的质量和一致性检查相结合,创建了一个免费、稳定和易于使用的街道尺度全球地图。日光地图发行版将包括一个新的数据集,该数据集由矢量化的土地覆盖物特征组成,这些特征来自欧洲空间局的 2020 年世界覆盖物(10 米)栅格。该数据集覆盖全球,适用于最大 1:100 万(缩放级别 8)的地图。

Daylight Map Distribution(DMD)数据集是一个包含有关地球表面日照分布的信息的数据集。该数据集包括了全球范围内不同时间段的日照数据,可以用于分析和研究太阳能利用、气候模式、地理信息系统等领域。DMD数据集由卫星观测、地面观测和气象模型等多种数据源融合而成,提供了高时空分辨率的日照信息。

这个数据集对于太阳能行业非常重要,因为它可以帮助太阳能公司和研究人员确定最佳的太阳能板安装位置。通过分析DMD数据集,可以确定某个地区的日照强度、持续时间和季节变化,从而帮助优化太阳能系统的设计和性能预测。

除了太阳能行业之外,DMD数据集还可以被应用于气候研究。科学家可以利用这一数据集来分析全球不同地区的日照分布情况,研究气候变化对日照的影响,并预测未来的气候模式。

此外,DMD数据集也对城市规划和建筑设计具有重要意义。设计师和规划者可以利用这一数据集来评估建筑物周围的日照情况,从而设计出更加节能环保的建筑和城市规划方案。

总之,Daylight Map Distribution数据集是一个多功能的数据资源,它为太阳能行业、气候研究、城市规划等领域提供了宝贵的日照信息,有助于推动可持续发展和环境保护的工作。

 

数据集结构


数据集发布由团队定期创建,并将相应纳入 GEE 数据集。

代码

var water_polygons = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/water_polygons");
var land_polygons = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/land_polygons");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/DAYLIGHT-LAND-WATER-POLY

Landcover layer: ESA 2020

var landcover = ee.FeatureCollection("projects/sat-io/open-datasets/DAYLIGHTMAP/LANDCOVER_ESA_2020");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/DAYLIGHT-LANDCOVER

License¶

Daylight Map Distribution is open data, licensed under the Open Data Commons Open Database License (ODbL). Daylight is built from upstream sources, primarily from OpenStreetMap contributors with optional additions from Esri Community Maps Contributors and Microsoft Corporation.

Provided by: Daylight Map Distribution

Curated in GEE by: Samapriya Roy

Keywords: Daylight Map Distribution, landcover, land polygons, water polygons, OSM, OpenStreetMap

Last updated in GEE: 2023-10-20

 

 

这篇关于GEE数据集——全球日光日照地图分布图数据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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/697041

相关文章

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元

Linux lvm实例之如何创建一个专用于MySQL数据存储的LVM卷组

《Linuxlvm实例之如何创建一个专用于MySQL数据存储的LVM卷组》:本文主要介绍使用Linux创建一个专用于MySQL数据存储的LVM卷组的实例,具有很好的参考价值,希望对大家有所帮助,... 目录在Centos 7上创建卷China编程组并配置mysql数据目录1. 检查现有磁盘2. 创建物理卷3. 创

Nacos日志与Raft的数据清理指南

《Nacos日志与Raft的数据清理指南》随着运行时间的增长,Nacos的日志文件(logs/)和Raft持久化数据(data/protocol/raft/)可能会占用大量磁盘空间,影响系统稳定性,本... 目录引言1. Nacos 日志文件(logs/ 目录)清理1.1 日志文件的作用1.2 是否可以删除

使用Python获取JS加载的数据的多种实现方法

《使用Python获取JS加载的数据的多种实现方法》在当今的互联网时代,网页数据的动态加载已经成为一种常见的技术手段,许多现代网站通过JavaScript(JS)动态加载内容,这使得传统的静态网页爬取... 目录引言一、动态 网页与js加载数据的原理二、python爬取JS加载数据的方法(一)分析网络请求1