GEE数据集——Cloud Score+ S2_HARMONIZED数据集

这篇具有很好参考价值的文章主要介绍了GEE数据集——Cloud Score+ S2_HARMONIZED数据集。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

简介

Cloud Score+ 是一种用于中高分辨率光学卫星图像的质量评估(QA)处理器。Cloud Score+ S2_HARMONIZED数据集是由统一的哨兵-2 L1C数据集制作的,Cloud Score+的输出可用于识别相对清晰的像素,并有效去除L1C(大气顶部)或L2A(表面反射率)图像中的云层和云影。

Cloud Score+ S2_HARMONIZED 数据集包括两个质量保证波段,即 cs 和 cs_cdf,这两个波段都根据表面能见度在 0 和 1 之间的连续刻度上对单个像素的可用性进行评分,其中 0 表示 "不清晰"(遮挡),1 表示 "清晰"(未遮挡)。cs 波段根据观测到的像素与(理论上的)清晰参考观测值之间的光谱距离对质量保证进行评分,而 cs_cdf 波段则根据给定位置随时间变化的分数累积分布估计值来表示观测到的像素清晰的可能性。换句话说,cs 可以被看作是一个更即时的大气相似度得分(即该像素与我们期望在一个完全清晰的参照物中看到的像素有多相似),而 cs_cdf 则捕捉了估计得分在一段时间内的期望值(即如果我们拥有该像素在一段时间内的所有得分,该得分会如何排名?)前言 – 人工智能教程

Cloud Score+ S2_HARMONIZED集合中的图像与制作这些图像的单个哨兵-2 L1C资产具有相同的id和system:index属性,因此可以根据共享的system:index将Cloud Score+波段链接到源图像。

整个哨兵-2 档案的 Cloud Score+ 回填工作目前正在进行中,随着新结果被添加到 Cloud Score+ 集合中,数据集可用性日期将定期更新。

Resolution
10 meters

Bands

Name Units Min Max Description
cs Dimensionless 0 1

Pixel quality score based on spectral distance from a (theoretical) clear reference

cs_cdf Dimensionless 0 1

Value of the cumulative distribution function of possible cs values for the estimated cs value

Image Properties

Name Type Description
DATE_PRODUCT_GENERATED STRING

Production date.

MGRS_TILE STRING

Sentinel-2 Military Grid Reference System ID.

MODEL_VERSION STRING

Cloud Score+ model version.

NO_CONTEXT_FRACTION DOUBLE

Fraction of subtiles processed with no temporal context.

PROCESSING_SOFTWARE_VERSION STRING

Cloud Score+ processing software version.

SOURCE_ASSET_ID STRING

Earth Engine Asset ID for source image.

SOURCE_PRODUCT_ID STRING

Sentinel-2 Product ID for source image.

代码:

// Harmonized Sentinel-2 Level 2A collection.
var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED');

// Cloud Score+ image collection. Note Cloud Score+ is produced from Sentinel-2
// Level 1C data and can be applied to either L1C or L2A collections.
var csPlus = ee.ImageCollection('GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED');

// Region of interest.
var ROI = ee.Geometry.Point(-119.9087, 37.4159);

// Use 'cs' or 'cs_cdf', depending on your use case; see docs for guidance.
var QA_BAND = 'cs_cdf';

// The threshold for masking; values between 0.50 and 0.65 generally work well.
// Higher values will remove thin clouds, haze & cirrus shadows.
var CLEAR_THRESHOLD = 0.60;

// Make a clear median composite.
var composite = s2
    .filterBounds(ROI)
    .filterDate('2023-01-01', '2023-02-01')
    .linkCollection(csPlus, [QA_BAND])
    .map(function(img) {
      return img.updateMask(img.select(QA_BAND).gte(CLEAR_THRESHOLD));
    })
    .median();

// Sentinel-2 visualization parameters.
var s2Viz = {bands: ['B4', 'B3', 'B2'], min: 0, max: 2500};

Map.addLayer(composite, s2Viz, 'median composite');
Map.centerObject(ROI, 11);

cloud score plus,GEE数据集专栏,人工智能,计算机视觉,javascript,gee,数据集,sentinel,数据

 

Citations:

  • Pasquarella, V. J., Brown, C. F., Czerwinski, W., & Rucklidge, W. J. (2023) Comprehensive Quality Assessment of Optical Satellite Imagery Using Weakly Supervised Video Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 2124-2134). PDF文章来源地址https://www.toymoban.com/news/detail-837151.html

到了这里,关于GEE数据集——Cloud Score+ S2_HARMONIZED数据集的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Elasticsearch(十三)搜索---搜索匹配功能④--Constant Score查询、Function Score查询

    之前我们学习了布尔查询,知道了filter查询只在乎查询条件和文档的匹配程度,但不会根据匹配程度对文档进行打分,而对于must、should这两个布尔查询会对文档进行打分,那如果我想在查询的时候同时不去在乎文档的打分(对搜索结果的排序),只想过滤文本字段是否包含这

    2024年02月11日
    浏览(43)
  • accuracy_score函数

    sklearn中accuracy_score函数计算了准确率。 在二分类或者多分类中,预测得到的label,跟真实label比较,计算准确率。 在multilabel(多标签问题)分类中,该函数会返回子集的准确率。如果对于一个样本来说,必须严格匹配真实数据集中的label,整个集合的预测标签返回1.0;否则返

    2024年02月02日
    浏览(39)
  • ElasticSearch之score打分机制原理

    Elasticsearch 的得分机制是一个基于词频和逆文档词频的公式,简称为 TF-IDF 公式,所以先来研究下 TF-IDF 原理。 TF-IDF 的英文全称是: Term Frequency - Inverse Document Frequency ,中文名称词频-逆文档频率。 常用于文本挖掘,资讯检索等应用,在 NLP 以及推荐等领域都是一个常用的指标

    2023年04月25日
    浏览(77)
  • ES 向量搜索 function score 报错

    reason \\\"function score query returned an invalid score: NaN for doc: 17085 原因是向量搜索定义评分的计算方法consineSimilarity的计算过程中需要对两个向量求模 故,如果全文索引中存在全零向量数据时,可以将consineSimilarity计算换成其它向量相似度计算方法,例如 dotProduct consineSimilarity替换为

    2024年02月15日
    浏览(41)
  • Elasticsearch 查询之Function Score Query

    前言 ES 的主查询评分模式分为两种,是信息检索领域的重要算法: TF-IDF 算法 和 BM25 算法。 Elasticsearch 从版本 5.0 开始引入了 BM25 算法作为默认的文档评分(relevance scoring)算法。在此之前,Elasticsearch 使用的是 TF-IDF 算法作为默认的文档评分算法。从版本 5.0 起,BM25 算法取代

    2024年02月12日
    浏览(41)
  • Elasticsearch(5) function_score的使用

    elasticsearch version: 7.10.1 Elasticsearch 中的 function_score 查询允许你根据一组定制函数来调整每个文档的评分,从而影响搜索结果的排序 第一个函数给品牌为\\\"luxury\\\"的文档增加了两倍的权重 第二个函数依据popularity字段的值来调整评分,使用的是自然对数(ln(1+x))作为调整因子,

    2024年04月15日
    浏览(47)
  • 三维生成:Score Jacobian Chaining论文阅读/复现

    项目地址:Score Jacobian Chaining (ttic.edu) 论文地址:[2212.00774] Score Jacobian Chaining: Lifting Pretrained 2D Diffusion Models for 3D Generation (arxiv.org) 源码地址:GitHub - pals-ttic/sjc: Score Jacobian Chaining: Lifting Pretrained 2D Diffusion Models for 3D Generation (CVPR 2023)         (有Dreamfusion,DreamFields等相关基础

    2024年04月10日
    浏览(51)
  • 【HBZ分享】ES的评分score机制的原理

    基础评分boost,默认2.2, 逆向文档频率值(IDF):表示该词再文档中(ES中)出现的次数越多,表示越不重要,评分越低 在文档中出现的频率(TF):表示该词在文档中出现的频率,频率越高表示越重要,评分越高 注意: IDF是出现次数越多,则评分越低, 而TF是出现次数越高,

    2024年02月13日
    浏览(37)
  • Lesson 5.2 混淆矩阵与 F1-Score

    接下来,我们重点讨论关于分类模型评估指标相关内容。 分类模型作为使用场景最为广泛的机器学习模型,相关模型评估指标也伴随着使用场景的拓展而不断丰富。 除了此前所介绍的准确率以外,常用的二分类模型的模型评估指标还有召回率(Recall)、F1 指标(F1-Score)、受

    2024年02月05日
    浏览(44)
  • 回归模型评价指标:MSE、RMSE、MAE、R2 score

    回归模型评价指标:MSE、RMSE、MAE、 R 2 R^2 R 2 score 提示: 回归模型的性能的评价指标主要有:RMSE(平方根误差)、MAE(平均绝对误差)、MSE(平均平方误差)、R2_score。但是当量纲不同时,RMSE、MAE、MSE难以衡量模型效果好坏,这就需要用到R2_score。 (MAE)Mean Absolute Error,是绝对误差的平

    2024年02月12日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包