1975年至2020年全球建筑面积的分布,单位为平方米

举报
此星光明 发表于 2023/08/07 18:43:11 2023/08/07
【摘要】 ​ GHS Built-up Surface Grid简介与Notebook示例GHS Built-up Surface Grid数据集由Sentinel-2和Landsat数据处理生成,时序包括1975-2030年,在1975年至2020年为估计值并以5年为间隔,2025年和2030年由3种方式(LIN、PLY、MED)进行趋势推演而来的预测值。前言 – 人工智能教程数据集描述了建筑面积的...

 GHS Built-up Surface Grid简介与Notebook示例

GHS Built-up Surface Grid数据集由Sentinel-2和Landsat数据处理生成,时序包括1975-2030年,在1975年至2020年为估计值并以5年为间隔,2025年和2030年由3种方式(LIN、PLY、MED)进行趋势推演而来的预测值。前言 – 人工智能教程数据集描述了建筑面积的分布,单位为平方米。数据记录了总建成面积和分配给主要非住宅(NRES)用途的建筑面积。具体信息可查阅Global Human Settlement - BUILT-S_GLOBE_R2022A - European Commission

GHS-BUILT-S - R2022A
GHS-BUILT-S R2022A - 全球统一制度建成地表网格,由 Sentinel2 综合数据和 Landsat 多时数据得出(1975-2030 年)

目前不建议使用 GHSL 数据包 2022(GHS P2022)中的产品。
尽管使用独立参考数据进行的测试表明,GHSL R2022A 在 2018 年和 2020 年两个年代的准确性与其他数据源相匹配或优于其他数据源,并且与上一版本 GHSL R2019 中包含的所有其他单一年代(1975 年、1990 年、2000 年和 2015 年)相匹配或优于其他数据源,但时间序列的准确性及其变化率较低,尤其是在农村地区。根据联合研究中心的内部测试,2000 年后,异常值预计会对建筑面积和建筑体积的预测变化率产生正偏差。这种正偏差在 GHS-SMOD R2022A 设定的农村地区尤为明显。与 R2022A 相比,先前的 GHSL R2019 在农村地区存在较大的遗漏误差,因此低估了农村地区的变化率。

因此,目前不建议使用 GHSL 数据包 2022(GHS P2022)来支持多时空研究和指标,包括建成区表面、建成区体积和人口,尤其是在按 GHS-SMOD 网格类别分层的情况下。依赖 2018 和 2020 年数据的应用不受影响。

这些产品基于新开发的多时空模型,已在全球范围内进行处理,可作为 GHSL R2023A 版本的一部分提供。请浏览更新版的 GHSL 数据集列表以获取新数据。

 影像集合代码:

import aie
aie.Authenticate()
aie.Initialize()

# 指定需要检索的区域
feature_collection = aie.FeatureCollection('China_Province') \
                        .filter(aie.Filter.eq('province', '浙江省'))

geometry = feature_collection.geometry()


dataset = aie.ImageCollection('GHS_BUILT_S_GLOBE_R2022A') \
             .filterBounds(geometry) \
             .limit(10);

map = aie.Map(
    center=dataset.getCenter(),
    height=800,
    zoom=4
)

vis_params = {
    'bands': ['area'],
    'min': 0,
    'max': 10000,
    "palette":["#1A1384","#BB5079","#F1F375"]
}

map.addLayer(
    dataset,
    vis_params,
    'GHS Built-up Surface Grid',
    bounds=dataset.getBounds()
)
map

 单景影像代码:

import aie
aie.Authenticate()
aie.Initialize()

img = aie.Image('GHS_BUILT_S_E1975_GLOBE_R2022A_54009_100_V1_0_R10_C1')

map = aie.Map(
    center=img.getCenter(),
    height=800,
    zoom=4
)

vis_params = {
    'bands': ['area'],
    'min': 0,
    'max': 10000,
    "palette":["#1A1384","#BB5079","#F1F375"]
}

map.addLayer(
    img,
    vis_params,
    'GHS Built-up Surface Grid',
    bounds=img.getBounds()
)
map
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。