AW3D30）是一个全球数字表面模型（DSM）重分类展示

​

这次我们使用的数据：

ALOS世界三维-30米（AW3D30）是一个全球数字表面模型（DSM）数据集，水平分辨率约为30米（1角秒网格）。该数据集是基于世界三维地形数据的DSM数据集（5米网格版本）。更多细节可在数据集文件中找到。

2021年1月发布的3.2版，是通过重新考虑高纬度地区的格式、辅助数据和处理方法而创建的改进版。在高纬度地区，每个纬度区采用不同的像素间距。作为辅助数据集之一的海岸线数据被改变，并使用了新的补充数据。此外，作为日本的源数据，还使用了AW3D第三版。此外，检测过程中的异常值的方法也得到了改进。

注：关于计算坡度的推荐方式，请参见代码示例。与地球引擎中的大多数DEM不同，这是一个图像集合，由于源文件的多个分辨率，不可能将它们镶嵌到一个资产中，所以坡度计算需要重新投影。

AW3D DSM的高程是通过图像匹配过程计算的，该过程使用一对立体光学图像。云、雪和冰在处理过程中被自动识别，并应用遮蔽信息。然而，不匹配的点有时仍然存在，特别是在云、雪和冰区的周围（或边缘），这在最终的DSM中造成一些高度误差。

Resolution

30 meters

Bands Table

本文的函数：

where(test, value)
执行数值的条件替换。

对于 "输入 "的每个波段中的每个像素，如果 "测试 "中的相应像素为非零，则输出值中的相应像素，否则输出输入像素。

如果在一个给定的像素，测试或值被屏蔽，则使用输入值。如果输入被屏蔽，则什么也不做。

输出带的名称与输入带相同。每个波段的输出类型是输入和值类型中较大的一个。输出图像保留了输入图像的元数据和足迹。

参数。
this:输入（图像）。
输入的图像。

test (图像)。
测试图像。这个图像的像素决定了哪个输入的像素被返回。如果这是一个单一的波段，它将用于输入图像的所有波段。这不可能是一个数组图像。

value（图像）。
在测试不为零时使用的输出值。如果这是一个单一的波段，它将用于输入图像中的所有波段。

返回。图像

 代码：

var DEM = ee.ImageCollection("JAXA/ALOS/AW3D30/V3_2").select("DSM").mosaic(); /
//打印出来
print (DEM);

// 进行分类
var Clases = DEM  
          .where(DEM.lte(30), 1) //0-30米
          .where(DEM.gt(300).and(DEM.lte(700)), 2) 
          .where(DEM.gt(700).and(DEM.lte(1000)), 3)
          .where(DEM.gt(1000).and(DEM.lte(1500)), 4)
          .where(DEM.gt(1500).and(DEM.lte(2000)), 5)
          .where(DEM.gt(2000).and(DEM.lte(3000)), 6)
          .where(DEM.gt(3000).and(DEM.lte(5000)), 7)
          .where(DEM.gt(5000), 8); // Mas de 3000 metros

// 加载一个底图图层没有颜色
Map.addLayer (ee.Image(0).byte(), {}, "Background");

// 我们通过分配符号学和类的数量来表示查看器中的数据。
Map.addLayer(Clases, {min: 1, max :7,
palette: ['#0034F5', '#1E7D83', '#4DA910', '#B3C120', '#FCC228', '#FF8410', '#FD3000']},
'Reclasificacion');

往期推荐：

Google Earth Engine（GEE）——自适应反射率融合模型（HISTARFM）算法APP

利用GEE-APP（LT-GEE Time Series Animator）快速实现1984-2021年gif动图的下载

Google Earth Engine（GEE）——神级辅助插件（开放地球引擎扩展 (OEEex)）

Google Earth Engine（GEE）—— GRIDMET: 爱达荷大学网格化地表气象数据集

全球森林损失量数据集Hansen Global Forest Change v1.8 (2000-2020)

巨牛的人工智能学习网站：床长人工智能教程

​