全球网格相对剥夺指数(GRDI),版本 1

举报
此星光明 发表于 2025/06/28 11:35:41 2025/06/28
【摘要】 ​Global Gridded Relative Deprivation Index (GRDI), Version 1简介全球网格化相对剥夺指数 (GRDI) 第 1 版数据集描述了每 30 弧秒(约 1 公里)像素内多维剥夺和贫困的相对水平,其中 100 代表最高剥夺水平,0 代表最低剥夺水平。GRDI 基于社会人口统计和卫星数据输入构建,这些数据经过空间协调、索引和加权,分为六个主要组...

Global Gridded Relative Deprivation Index (GRDI), Version 1

简介

全球网格化相对剥夺指数 (GRDI) 第 1 版数据集描述了每 30 弧秒(约 1 公里)像素内多维剥夺和贫困的相对水平,其中 100 代表最高剥夺水平,0 代表最低剥夺水平。GRDI 基于社会人口统计和卫星数据输入构建,这些数据经过空间协调、索引和加权,分为六个主要组成部分,以生成最终的 GRDI 层。输入数据选自最佳可用数据,这些数据要么在空间上连续变化,要么至少具有一级行政级别(省/州)的分辨率,并且具有全球空间覆盖范围。GRDI 有六个输入组成部分(或维度),它们组合起来以确定相对剥夺的程度

摘要

 Additional Metadata

Resource Type Dataset
Metadata Created Date May 30, 2023
Metadata Updated Date April 24, 2025
Publisher SEDAC
Identifier C2552888508-SEDAC
Data First Published 2022-11-04
Language en-US
Data Last Modified 2025-04-23
Category PMP, geospatial
Public Access Level public
Bureau Code 026:00
Metadata Context https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld
Schema Version https://project-open-data.cio.gov/v1.1/schema
Catalog Describedby https://project-open-data.cio.gov/v1.1/schema/catalog.json
Harvest Object Id 3e753608-6d44-4440-b1d0-42aac79aa222
Harvest Source Id 58f92550-7a01-4f00-b1b2-8dc953bd598f
Harvest Source Title NASA Data.json
Homepage URL https://doi.org/10.7927/3xxe-ap97
Metadata Type geospatial
Old Spatial -180.0 -55.98 179.82 82.18
Program Code 026:001
Related Documents https://doi.org/10.7927/xwf1-k532
Source Datajson Identifier True
Source Hash b7e01b0e1e55012dd85cdd52ba7a2ecaca257687890dc9f4ad3563a4bd8152ea
Source Schema Version 1.1
Spatial
Temporal 2010-01-01T00:00:00Z/2020-12-31T00:00:00Z

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="CIESIN_SEDAC_PMP_GRDI_2010_2020",
    cloud_hosted=True,
    bounding_box=(-180.0, -55.98, 179.82, 82.18),
    temporal=("2010-01-01", "2020-12-31"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。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。