Awesome Spectral Indices是一个标准化的、可随时使用的光谱指数列表，可作为GEE中计算光谱指数的表达式。光谱模块用新的函数扩展了GEE的JavaScript API，以访问和计算来自Awesome光谱指数列表的光谱指数。这是一个github的开源项目，主要目的是我们可以通过导入这个一景写好的脚本来调用包里面半酣的指数，这样可以很快捷的完成我们对于指数的计算，有利于我们加快科研产出，而本节的内容就是向大家展示如何能快速实现指数的调用。

地点是根据用户提供的信息、连接信息和他们选择的位置服务分配给他们的（要了解更多关于Facebook如何使用位置数据和如何控制位置隐私，请看位置隐私基础知识）。我们使用这些友谊来估计这些国家的一对用户是Facebook朋友的概率（我们根据两个地区的人口重新缩放），并将其映射到一个名为社会联系指数（SCI）的指数得分。友谊数据 社会联系指数为研究和非营利团体提供了一种新型的数据，测量世界各地的友谊和社会关系的频率和密度，这种类型的数据很少被提供给那些对了解关系如何影响社会结果感兴趣的人。

问题：我目前正试图用reduceRegion函数找到一个二进制频段的最小值，也就是说，我想知道这个频段是否有0值。这个波段的空间细节非常粗糙，所以我想在降低的分辨率下运行（50米而不是原来的10米），以使它更有效率。然而，在50米的分辨率下，往往找不到正确的最小值。在10米的分辨率下，它可以正常工作，但这太耗费计算了。在此脚本中，我们尝试检测低 S1 反向散射的簇，并创建一个这些集群的缓冲 (fastDistanceTransform) 掩码。我们添加这个mask到原始 S1 图像。

本文提出了一个处理链，利用谷歌地球引擎（GEE）云平台的能力，从15年的MODIS数据中推导出全球叶面积指数（LAI）、光合有效辐射吸收分数（FAPAR）、植被覆盖分数（FVC）和冠层含水量（CWC）地图。这项工作的一个主要特点是实施了一个检索链，利用全球和气候数据记录（CDR）的MODIS表面反射率和LAI/FAPAR数据集的GEE能力，允许以前所未有的及时性对生物物理变量进行全球估算。TRY中越来越多的可用植物性状数据（包含数千条记录）缓解了对辐射传输模型中一些输入参数的更现实的表述的需要。

每个场景包含4个可能的偏振带中的1个或2个，这取决于仪器的偏振设置。哨兵一号任务提供来自5.405GHz（C波段）的双极化C波段合成孔径雷达（SAR）仪器的数据。这个集合包括S1地面范围探测（GRD）场景，使用Sentinel-1工具箱处理，以产生一个校准的、正交校正的产品。关于使用Sentinel-1图像的进一步建议，请参阅Guido Lemoine的SAR基础知识教程和Mort Canty的SAR变化检测教程。每个场景还包括一个额外的 "角度 "波段，它包含了每一个点的椭圆体的近似入射角，单位是度。

本次我们将使用MODIS数据完成对于影像结果进行区分，从而将我们归一化后的结果分不同阈值进行展示。整个过程就是先对数据完成处理，然后选择只当的波段，裁剪研究区，最后我们建立影像划分阈值，通过切割整个影像，最后分别统计其面积最后得到影像分别加载。这里指的注意的是阈值设定的时候中间值，我们用and()连接，同时配合it和gt进行设定阈值就行了。设定完成后我们就可以完成updateMask掩膜掉非0区域。数据：执行值的条件替换。

另一个版本是由蒙大拿大学（UMT）的数字地球动力学模拟小组（NTSG）制作的。MOD17A3H V6产品提供500米像素分辨率的年度净初级生产力（NPP）信息。年净初级生产力是由给定年份的45个8天净光合作用（PSN）产品（MOD17A2H）之和得出的。PSN值是GPP和维持呼吸（MR）之差（GPP-MR）。MYD17A2H V6总初级生产力（GPP）产品是一个具有500米分辨率的8天累积综合数据。该产品基于辐射利用效率的概念，可作为数据模型的输入，计算陆地能源、碳、水循环过程和植被的生物地球化学。

共有17个专栏，除了GEE 外，还有AI Earth 、PIE等其它的遥感云计算介绍，建议初学者可以从GEE训练教程或者Google Earth Engine，如果要有更高级的需求可以查看GEE APP专栏和GEE 案例分析。除了我个人的博客之外，还有其它很多相关博客，其实大家想知道如何更简单的找到这些博客，直接百度搜多就行了，你直接按照你的要求搜索就可以看到很多，久而久之你就可以累积到很多博主。官方文档和教程：GEE 的官方网站提供了大量的文档和教程，可以帮助您快速了解 GEE 的基本概念和功能。

这里可以看到我们这里提供了一个参数，也就是生物阈值，但是波段选择了B2-7波段，只是进行了一个波段阈值的进行计算，让所有波段完成了阈值设定，最后通过计算公式完成了计算，而这个生物量中包含了6个波段，最终我们并没有得到森林生物量的计算。在测试前，这里有一个错误，就是给出的代码有一个引入的包，但是这个包我让其转化为JavaScript版本后结果发现无法使用，大家也可以去尝试。总之，如果您对使用GEE进行森林生物量估算感兴趣，建议您阅读GEE官方文档和研究相关学术文章，来了解具体的方法和步骤。

该工具提供有用的信息，如主要植被指数值的时间序列分析，最新的森林入侵分类，圣米格尔岛正式森林范围内每个物种的地面碳（AGC）估计。哨兵2号的产品是表面反射率，它已经使用云层去除算法对大气层的影响进行了校正，地形和卷云的校正来自Rodrigo E. Principe 2019年实施的大气层顶部1C级。并通过以下方式定量评估 AGC 的存量和动态森林，这种基于遥感的应用程序可能构成一个强大且低成本的操作工具，能够支持地方/区域森林规划和管理的决策。做完后，你可以在你的账户中用你想要的名字保存文件。

在我们上一次利用人口和NO2数据，接下来，我们将进行测试，看看我们能否可视化 2020 年 COVID-19 封锁期间 NO2 浓度的变化。我们将比较 2020 年 3 月的二氧化氮浓度中值与 2019 年 3 月的中值。天气会显着影响空气污染物浓度（例如，风导致烟雾的远距离传输），因此 2020 年和 2019 年之间的差异可能是天气差异的产物。通过比较不同年份的同月，我们部分控制了季节性天气模式的影响，但并不完全。如果您想更彻底地控制天气影响，请参阅 Venter 等人。 (2020) 了解详情。在

本文我们用eq和neq进行分析，这里我们可以用来查看两者相同和不同的区域，然后我们要用unmask和selfmask函数进行分析结果。value在输入掩码为零的所有位置用另一个图像的掩码和值替换输入图像的掩码和值。输出图像保留输入图像的元数据。默认情况下，输出图像还保留输入的足迹，但将 sameFootprint 设置为 false 允许扩展足迹。

我们这里再进行简单的区域分类，然后按照面积分别进行统计和分析，最后给出柱状直方图的图表进行展示，同时过程中我们用到了reduceregion函数来进行面积的统计，而面积统计中我们可以看到，我们用到的group来进行将统计后的结果进行以一个组的形式呈现。

我们的研究提出了在地形复杂的科迪勒拉山脉地形中的第一种方法，我们表明，GEE在快速变化和转换的山区生态系统的大规模土地覆盖制图和监测中特别有用，并可复制和扩展到具有类似特征的其他地区。我们的结果表明，使用基于云的计算和机器学习可以使我们建立一个开放的、准确的和相对无差距的方法，利用免费提供的Landsat图像在一个异质的大型安第斯生态系统中绘制土地覆盖地图。我们的工作强调了在区分分布在不同的、高度异质的地形中的复杂土地覆盖物时，纳入源于地形的指数的重要性，以提高分类的准确性，这与纳入光谱指数不同。

Facebook连接性实验室和国际地球科学信息网络中心 - CIESIN - 哥伦比亚大学。与哥伦比亚大学的国际地球科学信息网络中心（CIESIN）合作，Facebook使用最先进的计算机视觉技术，从可公开获取的地图服务中识别建筑物，以创建世界上最准确的人口数据集。你可以在这里阅读关于他们的项目。这些是可在人道主义数据交换中心下载的世界上几乎所有国家的数据集。要参考这个数据，请使用以下引文。育龄妇女(15-49岁)青年 (15-24岁)老年人 (60岁以上)你可以在这里获得方法。

在LandScan USA首次启动的时候，ORNL也在机器学习和计算机视觉方面进行了开拓性的工作，特别是为了识别高空图像中明显的人为信号。这项工作最终实现了从高分辨率图像中快速、大规模地检测人类住区，并成为早期开发美国以外地区改进的分辨率人口分布的努力的基础，被称为Landscan HD。在为LandScan Global开发的建模方法的基础上，利用美国更高质量的数据，我们在2004年的LandScan USA的第一个版本中提高了空间和时间分辨率。免责声明：数据集的全部或部分描述是由作者或其作品提供的。

世界人口网格化第4版行政单位中心点与人口估计世界人口网格化第4版（GPWv4）。带有人口估计的行政单位中心点，修订版11包括2000年、2005年、2010年、2015年和2020年的联合国世界人口方案调整后的人口估计和密度，以及2010年的基本人口特征（年龄和性别）。该数据集还包括行政名称、土地和水域面积，以及按行政单位中心点（中心点）位置划分的数据背景。中心点是基于GPWv4中使用的大约1350万个输入行政单位，因此，这些文件需要能够将大量数据读入内存的硬件和软件。

很多时候我们要计算波段之间的相关性，这里我们就需要了解相关性分析，在GEE中存在有三种相关性分析的函数，这次我们使用了两种不同的影像，分别选择对应的ndvi波段来完成对影像波段的选择，最后我们可以通过reduceRegion函数实现对影像的统计，这里我们要明确的是，我们需要对影像进行统计分析，即使是用相关性分析也是要通过这个函数来实现的，和统计影像数量是一样的。分别如下：numInputs。

自2017年以来，由威廉和玛丽地理实验室制作和维护的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）的在线、开放许可资源。geoBoundaries高精度数据的一个版本，已被剪切到美国国务院的边界文件，确保数据集中没有有争议的边界或重叠。geoBoundaries简化数据的一个版本，已被剪成美国国务院的边界文件，确保数据集中没有有争议的边界或重叠。为世界上每个国家提供的每个文件的简化版本。这些文件没有进行标准化处理，因此（例如）在边界有争议的情况下，两个国家可能会有重叠。