| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 游戏开发 -> Google Earth Engine——地球科学激光测高系统(GLAS)的空间激光雷达数据(2005年)融合的全球树木高度数据集1000m分辨率下载(墨西哥为例) -> 正文阅读 |
|
[游戏开发]Google Earth Engine——地球科学激光测高系统(GLAS)的空间激光雷达数据(2005年)融合的全球树木高度数据集1000m分辨率下载(墨西哥为例) |
之前有朋友问,关于下面这篇文章的下载,具体数据的介绍请参考这个链接: 来自空间光探测和测距(lidar)的数据为绘制全球森林垂直结构图提供了可能。我们利用ICESat(冰、云和陆地海拔卫星)上的地球科学激光测高系统(GLAS)2005年的数据,以1千米的空间分辨率展示了一幅墙到墙的全球树冠高度图。使用GLAS数据进行全球植被研究的一个挑战是激光雷达镜头的稀疏覆盖(在L3C活动中平均=121个数据点/度2)。然而,GLAS衍生的树冠高度(RH100)值与全球范围内其他更密集的空间辅助变量高度相关,这使得我们能够根据森林类型、树木覆盖、海拔和气候学地图建立全球RH100模型。模型预测的RH100和足迹水平激光雷达得出的RH100值之间的差异表明,在封闭的阔叶林中,如亚马逊,误差增加,强调了绘制高大(>40米)树冠的挑战。由此产生的地图与66个FLUXNET站点的实地测量结果进行了验证。模拟的RH100与现场冠层高度的误差(RMSE=6.1 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/23 13:38:33- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |