GEE：全球135个中低收入国家相对财富指数（RWI）数据集

​

相对财富指数使用去识别的连接数据、卫星图像和其他非传统的数据来源，预测国家内部的相对生活标准。这个指数是利用非传统的数据来源建立的，包括卫星图像和去识别的Facebook连接数据。该指数使用来自人口与健康调查的地面真实测量数据进行验证。提供了93个低收入和中等收入国家的2.4公里分辨率的数据。

额外处理
数据集以CSV文件形式提供，带有纬度长的相对财富指数（RWI）和误差。CSV文件被转换为Shapefiles，并作为每个国家的表格被摄入。然后创建一个主特征集，将中低收入国家（LMICs）的所有特征集结合起来。目前，Facebook只提供了92个国家的数据。你可以从人道主义数据交换网站或Facebook的善的数据网站下载更新的数据集。

步驟
加州大学伯克利分校和Facebook的研究人员开发了覆盖所有135个中低收入国家（LMICs）人口表面的2.4公里分辨率的财富和贫困的微观估计值。
他们利用美国国际开发署对全世界56个不同的中低收入国家66,819个村庄的1,457,315个独特家庭进行的面对面调查所收集的家庭财富测量结果。
他们使用空间标记将村庄与非传统的数据来源联系起来，包括卫星图像、手机网络数据、地形图和来自Facebook的去识别的连接数据。
他们使用深度学习和其他计算算法处理非传统数据，将原始数据转换为每个村庄的一组量化特征。
他们使用这些特征来训练一个有监督的机器学习模型，预测地球上每个有人居住的2.4平方公里的网格单元的相对财富，即使在没有地面真实数据的地区。

代码：

var rwi = ee.FeatureCollection("projects/sat-io/open-datasets/facebook/relative_wealth_index");

License

Public Domain/No restrictions (CC0): Under the terms of this license you are free to use the material for any purpose without any restrictions.

Processed secondary/formatted & Curated by: Samapriya Roy

Keywords: :"Relative Wealth Index, RWI, Facebook, CIESIN, gridded"

Last updated: 2021-04-18

​

​GEE：基于不同光谱指数、地形特征等组合的多种机器学习方法实现土地分类（安第斯高原）

GEE：西非沿海地区脆弱性数据集（社会脆弱性、人口风险、以及贫困和适应能力）

GEE:使用MODIS数据（FVC/LAI/FAPAR/CWC）和随机森林方法完成全球生物量估算（含代码）

GEE初学者：如何快速找到正确学习GEE 的方法和网址，以及如何选择JavaScript和python？

GEE：geoBoundaries全球政治行政边界数据库是世界上每个国家的边界（即州、县）