GRWL数据库,全称Global River Widths from Landsat Database,是由Allen, George H & Pavelsky、 Tamlin M等人基于Landsat数据制作的全球河网(宽度)数据库(Global extent of rivers and streams,Allen, George H. & Pavelsky, Tamlin M. DOI: 10.1126/science.aat0636),主要包含三种数据:

  • GRWL矢量产品  :【GRWL_vector_V01.01.zip】

  • 简化的GRWL矢量产品  :【GRWL_summaryStats_V01.01.zip】

  • GRWL掩模产品(栅格格式) :【GRWL_mask_V01.01.zip】

接下来分别介绍三种数据的简介和效果展示

 一

GRWL矢量产品

以30m分辨率的Landsat数据为基础,以纬度差4°、经度差6°将全球河网(河宽)数据划分为829个ESRI的shapefile格式文件,地理坐标系统一为WGS1984。此数据包含的字段名及含义如下:

1. utm_east: UTM Easting (UTM Zone is given in tile file name; meters)
2. utm_north: UTM Northing (UTM Zone is given in tile file name; meters)
3. width_m: wetted width of river (meters)
note: width_m == 1 indicates NA (no width data along the centerline) 
4. nchannels: braiding index (-)
5.  segmentID: unique ID of river segment in each tile
6. segmentInd: Index of each observation in each segment. Not sorted by upstream or downstream
7. lakeflag: integer specifying if observation is located on a river (lakeflag=0), lake/reservoir (lakeflag=1), tidal river (lakeflag=2), or canal (lakeflag=3). 
8.  lon: Longitude (decimal degrees)
9.  lat: Latitude (decimal degrees)
10. elev: Elevation (meters) – sampled from the Hydro1k D样例数据  NH50.shp (使用ArcGIS加载  NH50.shp文件,文件名中的N表示北半球;H表示纬度的第八行,即28°~32°;50表示经度的第50列,即东经114°~120°),此数据通过将河流分段赋值的方式体现河流的宽度,所以如果有河流宽度制图的需求可使用本数据。

GRWL矢量数据

经过和现有国内河网数据对比,可以发现此数据的优点是河流的精细度较高,缺点是存在部分较小的河流没有体现的问题。

 二

GRWL掩模产品(栅格格式)

此数据和矢量数据类似,以30m分辨率的Landsat数据为基础,以纬度差4°、经度差6°将全球河网(河宽)数据划分为830个GeoTIFF格式文件,地理坐标系统一为WGS1984。此数据主要参数及含义如下(DN值即像元值,表示不同像元值对应的水体含义):

Pixel classifications: 
DN = 256 : No Data
DN = 255 : River
DN = 180 : Lake/reservoir 
DN = 126 : Tidal rivers/delta 
DN = 86 : Canal
DN = 0 : Land/water not connected to the GRWL river network

样例数据  NH50.tif (使用ArcGIS加载  NH50.tif 文件,文件名中的N表示北半球;H表示纬度的第八行,即28°~32°;50表示经度的第50列,即东经114°~120°),此数据使用栅格的形式进行河网数据(含湖泊、水库等)的显示。

GRWL掩模数据

在实际应用中,如涉及到使用河网的实际宽度,建议可使用ArcGIS的重分类工具对不同类型的水体进行提取,进一步转化为矢量面数据,用作进一步分析。

 三

简化的GRWL矢量产品

顾名思义,此数据为GRWL矢量数据的简化版本,但这种简化并非指要素的制图综合,而是指多个要素的分组合并(比如一条河河在未简化的数据中由1000段不同宽度的河段组成,经过简化后同样的一条河,要素形状不变,但只由50段组成了),全球的数据可以只用一个Shapefile文件存储,并且在属性表中不直接体现宽度,而是使用最小宽度、宽度均值、最大宽度等字段对要素进行描述数据地理坐标系为WGS1984此数据包含的字段名及含义如下:

1.width_min: the minimum of river width measurements along the segment at mean discharge (meters)2. width_med: the median of river width measurements along the segment at mean discharge (meters)3. width_mean: the mean of river width measurements along the segment at mean discharge (meters)4.width_max: the maximum of river width measurements along the segment at mean discharge (meters)5.width_sd: the standard deviation of river width measurements along the segment at mean discharge (meters)6. lakeflag: integer specifying if segment is located on a river (lakeflag=0), lake/reservoir (lakeflag=1), tidal river (lakeflag=2), or canal (lakeflag=3). This information is of much higher quality in the Global River Width from Landsat (GRWL) Vector Product V01.01 .8.nSegPx: number of pixels within the segment (N pixels)9. Shape_Leng: length of the segment (kilometers)

简化的GRWL矢量产品

在实际应用中,如不涉及河流宽度的分析和制图,从易用性角度,可以直接使用此数据(全球只有一个shp文件,不需要做带号计算和拼接),如果是需要考虑河流宽度的分析,还是优先使用第一个数据集,毕竟整个数据库就是河流宽度数据库。

如需用到此数据,可直接访问官网下载(外网原因,下载速度较慢),也可通过我分享的网盘链接进行下载。

数据网址

https://zenodo.org/record/1297434#.YhNq6Tg9CUl

数据免费下载

关注“橡树叶GIS”后,发送“010301”获取网盘下载链接

作者:橡树叶

【数据共享】基于Landsat提取的全球河网(河宽)GDWL数据库的更多相关文章

  1. 基于TextRank提取关键词、关键短语、摘要

    一.TextRank原理 TextRank是一种用来做关键词提取的算法,也可以用于提取短语和自动摘要.因为TextRank是基于PageRank的,所以首先简要介绍下PageRank算法. 1. Pa ...

  2. 应运而生! 双11当天处理数据5PB—HiStore助力打造全球最大列存储数据库

    阿里巴巴电商业务中历史数据存储与查询相关业务, 大量采用基于列存储技术的HiStore数据库,双11当天HiStore引擎处理数据记录超过6万亿条.原始存储数据量超过5PB.从单日数据处理量上看,该系 ...

  3. 全球级的分布式数据库 Google Spanner原理

    开发四年只会写业务代码,分布式高并发都不会还做程序员?->>>    Google Spanner简介 Spanner 是Google的全球级的分布式数据库 (Globally-Di ...

  4. 创建ASP.NET Core MVC应用程序(3)-基于Entity Framework Core(Code First)创建MySQL数据库表

    创建ASP.NET Core MVC应用程序(3)-基于Entity Framework Core(Code First)创建MySQL数据库表 创建数据模型类(POCO类) 在Models文件夹下添 ...

  5. (转)印度建全球最大生物识别数据库,MongoDB安全受质疑

    受棱镜门影响,各界对Aadhar的质疑从是否将威胁人民隐私与安全,转而聚焦在 Aadhar 搜集.储存以及处理资料的方法,以及美国新创公司 MongoDB 在计划中扮演的角色. 泱泱大国印度一直以来都 ...

  6. C#基于SQLiteHelper类似SqlHelper类实现存取Sqlite数据库的方法

    本文实例讲述了C#基于SQLiteHelper类似SqlHelper类实现存取Sqlite数据库的方法.分享给大家供大家参考.具体如下: 这个类不是我实现的,英文原文地址为http://www.egg ...

  7. 基于gin的golang web开发:使用数据库事务

    在前文介绍访问数据库时介绍了github.com/jmoiron/sqlx包,本文基于这个包使用数据库事务. defer 在使用数据库事务之前,首先需要了解go语言的defer关键字.defer是go ...

  8. 《图像处理实例》 之 目标旋转矫正(基于区域提取、DFT变换)

    目标:1.把矩形旋转正.          2.把文字旋转校正.                                                                     ...

  9. 【科创人·独家】连续创业者高春辉的这六年:高强度投入打造全球领先的IP数据库

    您能看到:高春辉的创业观,IPIP.NET半程复盘及未来规划,连续创业的体验,小众产品趣事 您看不到:往年创业的回顾,技术干货,受制于篇幅忍痛割舍的精彩观点 文末彩蛋:<与雷军的分歧并非否定电商 ...

随机推荐

  1. hyperf 如何对AMQP消息进行手动消费?

    转发自白狼栈:查看原文 在使用 hyperf 官方自带的 AMQP 队列时你会发现,不需要我们再额外启动进程对消息进行消费.这是因为默认情况下,使用 @Consumer 注解时,hyperf 会为我们 ...

  2. test_6 python的列表去重

    1.使用内置函数set() set() 函数创建一个无序不重复元素集,可进行关系测试,删除重复数据,还可以计算交集.差集.并集等. 2.创建一个空的列表进行比较,把不重复的元素添加到新的列表中 #co ...

  3. Numpy实现简单BP神经网络识别手写数字

    本文将用Numpy实现简单BP神经网络完成对手写数字图片的识别,数据集为42000张带标签的28x28像素手写数字图像.在计算机完成对手写数字图片的识别过程中,代表图片的28x28=764个像素的特征 ...

  4. 发现一个现象:golang中大量的go出新协程,必然在GC统计中出现1ms以上的GC延迟

    结论:协程池还是有必要的,能够有效减小GC的压力. 我的某个服务,为了方(tou)便(lan),一些异步处理的场合直接go出协程来处理. 服务中使用这样的代码来统计GC的延迟: var mem run ...

  5. 【记录一个问题】opencv中 cv::dft()与cv::ocl_dft()计算的结果相差较大

    以一个跟踪算法来测试: 使用cv::dft(), 矩阵未按照2次幂对齐,最终跟踪平均准确率 84.3% 使用cv::dft(),矩阵使用cv::copyMakeBorder对齐,最终跟踪平均准确率 8 ...

  6. VS code远程连接Linux 开发C++ 配置详细介绍

    VS code 远程连接服务器,编译C++ 一.前期准备 1.VS code安装 Remote-SSH插件 2.Windows安装SSH. 3.Linux服务器连接测试. a.接通测试使用ping命令 ...

  7. go面试题-基础类

    go基础类 1. go优势 * 天生支持并发,性能高 * 单一的标准代码格式,比其它语言更具可读性 * 自动垃圾收集比java和python更有效,因为它与程序同时执行 go数据类型 int stri ...

  8. golang中的RPC开发-2

    RPC简介 远程过程调用(Remote Procedure Call,RPC)是一个计算机通信协议 该协议允许运行于一台计算机的程序调用另一台计算机的子程序,而程序员无需额外地为这个交互作用编程 如果 ...

  9. kindle序列号对应版本

    序列号前缀 型号全称 型号简称 支持越狱 B001, Kindle 1 K1 - B101 B002 Kindle 2 U.S. (Sprint) K2 - B003 Kindle 2 Interna ...

  10. python21day

    内容回顾 re模块的常用方法 findall(正则,待匹配字符串,flag):返回所有匹配项的列表 search:返回一个变量,通过group取到第一个匹配项 match:从头开始找第一个,其他同se ...