Yamazaki, Dai, Daiki Ikeshima, Jeison Sosa, Paul D. Bates, George H. Allen, and Tamlin M. Pavelsky. "MERIT Hydro: a high‐resolution global hydrography map based on latest topography dataset." Water Resources Research 55, no. 6 (2019): 5053-5073.

OpenStreetMap 中的地表水（全球）

OSM 水层是一个全球地表水数据集，它是通过从 OpenStreetMap (OSM) 中提取与水相关的要素生成的。该数据集同时提供过滤后的 OSM 数据 (PBF)和栅格化地图 (GeoTIFF)格式。

数据摘要

研究团队从 OpenStreetMapplanet.pbf存档中提取了地表水：OpenStreetMap Planet 数据。

利用以下 OSM 标签提取与水相关的特征：

• natural=water
• waterway=*
• landuse=reservoir

生成了分辨率为 3 弧秒（赤道附近约为 90 米）的栅格地表水体地图。栅格化过程中，地表水体被分为四类：

• 大型湖泊和河流：地表水以多边形表示
• 主要河流：waterway=riverbank, river
• 运河：waterway=canal, drain
• 次要水系：waterway=ditch, stream, brook, wadi, drystream

全球向量数据库（PBF）

全球矢量数据库采用 OpenStreetMap PBF 格式，可由OSMOSIS处理。

栅格化 GeoTIFF 地图

• CRS：WGS84
• 平铺：5° × 5° 的图块（每个图块 6000 × 6000 像素）
• 文件名约定：文件名代表左下角像素的中心。
  例如：n30w120.tif覆盖 N30–N35，W120–W115（更准确地说：N29.99958333–N34.99958333，W120.0004167–W115.0004167）。
• 5°瓦片也以一个全球tar.gz归档文件的形式分发。

https://github.com/global-hydrodynamics/OSM_WaterLayer

1.安装 OSMOSIS、GDAL 和 Fortran。脚本是为 macOS 编写

2.创建一个项目目录（例如 calc_2021Feb/，用于处理当时的 OSM 行星数据）。

• 进入 extract_water/ 目录。
• 创建 osm/ 目录，并从服务器下载最新的 planet.pbf 文件。
• 然后，按照 calc_2021Feb/ 目录中的 ReadMe.md 文件中的说明进行操作。

3.创建一个高分辨率项目目录（例如 hires_2021Feb/ ）。

• 然后，按照 hires_2021Feb/ 目录中的 ReadMe.md 文件中的说明进行操作。

4.准备分布数据

• 转到 distribute/ 目录。

• 编辑 copy.sh 文件并执行它。
• 编辑 copy_hires.sh 文件并执行它。

栅格化数据中的水体分类以下数值用于栅格化数据。0：陆地；1：海洋；2：大型水体（多边形）；3：主要河流；4：运河；5：小溪

GEE部分下载代码

var osm_water = ee.ImageCollection("projects/sat-io/open-datasets/OSM_waterLayer"),    roi = ee.FeatureCollection("users/lilei655123/yellow_river");Map.centerObject(roi,6)//boundaryvar styling = {color:"red",fillColor:"00000000"};Map.addLayer(roi.style(styling),{},"geometry")var collection = ee.ImageCollection('projects/sat-io/open-datasets/OSM_waterLayer')  .filterBounds(roi)  .map(function(image){    return image.clip(roi)  })  .median()print(collection)var vis={min: 1, max: 5, palette: ["08306b","08519c","2171b5","4292c6","6baed6"]};Map.addLayer(osm_water.median(),vis,'水体空间分布')var vis1={min: 1, max: 5, palette: ["feedde","fdbe85","fd8d3c","e6550d","a63603"]};Map.addLayer(collection,vis1,'roi水体空间分布')Export.image.toDrive({  image: collection,  description: '2022O3',  scale: 90,  folder: 'O3',  region: roi,});

感谢关注，欢迎转发！

声明：仅供学习使用！

希望关注的朋友们转发，如果对你有帮助的话记得给小编点个赞或者在看！