NASA 应用遥感培训 (ARSET) NASA ARSET为灾害监测和其他遥感主题提供网络研讨会，其中许多使用地球引擎。 华盛顿大学 此页面具有出色的集科开发的入门教程的 凯瑟琳·库恩和吉利安Deines为电子科学研究所的Geohackweek 2017年在华盛顿大学。 哥伦比亚大学 以下培训由Pietro Ceccato开发， 以支持哥伦比亚大学国际气候与社会研究所开展的公共卫生培训。

NASA 应用遥感培训 (ARSET) NASA ARSET为灾害监测和其他遥感主题提供网络研讨会，其中许多使用地球引擎。 华盛顿大学 此页面具有出色的集科开发的入门教程的 凯瑟琳·库恩和吉利安Deines为电子科学研究所的Geohackweek 2017年在华盛顿大学。 哥伦比亚大学 以下培训由Pietro Ceccato开发， 以支持哥伦比亚大学国际气候与社会研究所开展的公共卫生培训。

NASA 应用遥感培训 (ARSET) NASA ARSET为灾害监测和其他遥感主题提供网络研讨会，其中许多使用地球引擎。 华盛顿大学 此页面具有出色的集科开发的入门教程的 凯瑟琳·库恩和吉利安Deines为电子科学研究所的Geohackweek 2017年在华盛顿大学。 哥伦比亚大学 以下培训由Pietro Ceccato开发， 以支持哥伦比亚大学国际气候与社会研究所开展的公共卫生培训。

GEE调色板资源 ee-palettes Gennadii Donchyts, Fedor Baart & Justin Braaten About ee-palettes is a module for generating color palettes in Google Earth Engine (EE) to be applied to mapped data. Add the module Visit this URL to add the module to the Reader repository of your EE account. After the module is added, you can find the source code in the Script Manager under: Reader:users/gena/packages/palettes.

GoogleEarthEngine的Python3.6运行环境，可以直接激活使用，基于conda。放到miniconda或anaconda的安装目录的envs文件夹下，使用conda activate gee激活当前环境，输入earthengine authenticate进行下一步操作

GEE上不同影像NDVI的计算公式.txt

GEE上不同影像NDWI的计算公式.txt

GLASS-GLC产品以1982～2015年的全球陆表特征参量数据集（GLASS CDR）为数据源，借助谷歌地球引擎（Google Earth Engine）平台进行开发，涵盖耕地、森林、草原、灌木、苔原、裸地和冰雪七大土地覆盖类别。基于全季节普适样本库，在有限样本稳定分类理论的支撑下，GLASS-GLC数据集采集了全球均匀分布、高代表性和典型性的上万个大型一致样本（Huge homogeneous samples，H-homo），并结合滤波重建的数据立方体和四维时空谱特征立方体，以及分类后时空一致性后处理，有效确保了数据产品的可靠性和地物判别的有效性。经全球独立样本库检验，GLASS-GLC数据集年平均精度达82.81％，同时还能向用户提供详细的制图不确定性空间分布图。 GLASS-GLC反映了长达34年的全球土地覆盖时空变化格局，包括热带地区耕地增加，北半球森林增加以及亚洲的草地减少等显著现象。定量分析表明，在土地覆盖显著变化地区，人类活动对环境的影响水平高达25.49％。分析结果还显示，人类活动影响与植被面积增加有很强的相关性。分析同已有土地覆盖数据产品相比，GLASS-GLC数据集具有高精度、高一致性、高可比性、更丰富类别信息和更长时间覆盖范围的特点，填补了当今世界已有制图产品的空白。

【PIE-Engine Studio】04数据查询与显示.pdf

【PIE-Engine Studio】06矢量数据操作.