- ডেটাসেটের উপলভ্যতা
- ২০১৫-০৬-২৭T০০:০০:০০Z–২০২৫-১০-১৭T১০:১৩:৫৭.৬৩৯০০০Z
- ডেটাসেট প্রদানকারী
- ওয়ার্ল্ড রিসোর্সেস ইনস্টিটিউট গুগল
- ট্যাগ
বিবরণ
ডায়নামিক ওয়ার্ল্ড হল একটি ১০ মিটার প্রায়-রিয়েল-টাইম (NRT) ভূমি ব্যবহার/ভূমি কভার (LULC) ডেটাসেট যাতে নয়টি শ্রেণীর জন্য শ্রেণী সম্ভাব্যতা এবং লেবেল তথ্য অন্তর্ভুক্ত রয়েছে।
সেন্টিনেল-২ L1C সংগ্রহের জন্য ২০১৫-০৬-২৭ থেকে এখন পর্যন্ত ডায়নামিক ওয়ার্ল্ড ভবিষ্যদ্বাণী পাওয়া যাচ্ছে। অক্ষাংশের উপর নির্ভর করে সেন্টিনেল-২ এর রিভিজিট ফ্রিকোয়েন্সি ২-৫ দিনের মধ্যে। CLOUDY_PIXEL_PERCENTAGE <= ৩৫% ব্যবহার করে সেন্টিনেল-২ L1C চিত্রের জন্য ডায়নামিক ওয়ার্ল্ড ভবিষ্যদ্বাণী তৈরি করা হয়। S2 ক্লাউড সম্ভাব্যতা, ক্লাউড স্থানচ্যুতি সূচক এবং দিকনির্দেশনামূলক দূরত্ব রূপান্তরের সংমিশ্রণ ব্যবহার করে মেঘ এবং মেঘের ছায়া অপসারণের জন্য ভবিষ্যদ্বাণীগুলি মুখোশযুক্ত করা হয়।
ডায়নামিক ওয়ার্ল্ড সংগ্রহের ছবিগুলির নামগুলি পৃথক সেন্টিনেল-২ L1C সম্পদের নামের সাথে মিলে যায়, যেখান থেকে সেগুলি নেওয়া হয়েছে, যেমন:
ee.Image('COPERNICUS/S2/20160711T084022_20160711T084751_T35PKT')
এর সাথে মিলে যাওয়া একটি ডাইনামিক ওয়ার্ল্ড ছবি আছে যার নাম: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT')।
"লেবেল" ব্যান্ড ব্যতীত সকল সম্ভাব্যতা ব্যান্ডের যোগফল ১।
ডায়নামিক ওয়ার্ল্ড ডেটাসেট সম্পর্কে আরও জানতে এবং কম্পোজিট তৈরি, আঞ্চলিক পরিসংখ্যান গণনা এবং সময় সিরিজের সাথে কাজ করার উদাহরণগুলি দেখতে, ডায়নামিক ওয়ার্ল্ডের ভূমিকা টিউটোরিয়াল সিরিজটি দেখুন।
একটি ছোট চলমান জানালা থেকে স্থানিক প্রেক্ষাপট ব্যবহার করে একক চিত্র থেকে ডায়নামিক ওয়ার্ল্ড ক্লাস অনুমান করা হয়, তাই সময়ের সাথে সাথে আচ্ছাদন দ্বারা আংশিকভাবে সংজ্ঞায়িত পূর্বাভাসিত ভূমি আচ্ছাদনের জন্য শীর্ষ-১ "সম্ভাবনা", যেমন ফসল, স্পষ্ট পার্থক্যমূলক বৈশিষ্ট্যের অভাবে তুলনামূলকভাবে কম হতে পারে। শুষ্ক জলবায়ু, বালি, সানলিন্ট ইত্যাদিতে উচ্চ-রিটার্ন পৃষ্ঠগুলিও এই ঘটনাটি প্রদর্শন করতে পারে।
শুধুমাত্র এমন পিক্সেল নির্বাচন করতে যা আত্মবিশ্বাসের সাথে একটি ডায়নামিক ওয়ার্ল্ড ক্লাসের অন্তর্ভুক্ত, শীর্ষ-১ পূর্বাভাসের আনুমানিক "সম্ভাব্যতা" থ্রেশহোল্ড করে ডায়নামিক ওয়ার্ল্ড আউটপুটগুলিকে মাস্ক করার পরামর্শ দেওয়া হচ্ছে।
ব্যান্ড
পিক্সেল আকার
১০ মিটার
ব্যান্ড
| নাম | ন্যূনতম | সর্বোচ্চ | পিক্সেল আকার | বিবরণ |
|---|---|---|---|---|
water | 0 | ১ | মিটার | জল দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
trees | 0 | ১ | মিটার | গাছ দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
grass | 0 | ১ | মিটার | ঘাস দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
flooded_vegetation | 0 | ১ | মিটার | প্লাবিত গাছপালা দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
crops | 0 | ১ | মিটার | ফসল দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
shrub_and_scrub | 0 | ১ | মিটার | ঝোপঝাড় এবং ঝোপঝাড় দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
built | 0 | ১ | মিটার | বিল্ট দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা |
bare | 0 | ১ | মিটার | খালি দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা |
snow_and_ice | 0 | ১ | মিটার | তুষার এবং বরফ দ্বারা সম্পূর্ণ আচ্ছাদিত হওয়ার আনুমানিক সম্ভাবনা |
label | 0 | ৮ | মিটার | সর্বোচ্চ আনুমানিক সম্ভাব্যতা সহ ব্যান্ডের সূচক |
লেবেল ক্লাস টেবিল
| মূল্য | রঙ | বিবরণ |
|---|---|---|
| 0 | #৪১৯বিডিএফ | পানি |
| ১ | #৩৯৭ডি৪৯ | গাছ |
| ২ | #৮৮বি০৫৩ | ঘাস |
| ৩ | #৭এ৮৭সি৬ | প্লাবিত_উদ্ভিদ |
| ৪ | #e49635 | ফসল |
| ৫ | #dfc35a সম্পর্কে | ঝোপঝাড় এবং ঝোপঝাড় |
| ৬ | #c4281b সম্পর্কে | নির্মিত |
| ৭ | #a59b8f সম্পর্কে | খালি |
| ৮ | #b39fe1 সম্পর্কে | তুষার_এবং_বরফ |
ছবির বৈশিষ্ট্য
ছবির বৈশিষ্ট্য
| নাম | আদর্শ | বিবরণ |
|---|---|---|
| ডাইনামিকওয়ার্ল্ড_অ্যালগরিদম_সংস্করণ | স্ট্রিং | সংস্করণ স্ট্রিংটি অনন্যভাবে ডায়নামিক ওয়ার্ল্ড মডেল এবং চিত্র তৈরিতে ব্যবহৃত অনুমান প্রক্রিয়া সনাক্ত করে। |
| qa_অ্যালগরিদম_সংস্করণ | স্ট্রিং | ভার্সন স্ট্রিংটি ইমেজ তৈরিতে ব্যবহৃত ক্লাউড মাস্কিং প্রক্রিয়াটিকে অনন্যভাবে শনাক্ত করে। |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
এই ডেটাসেটটি CC-BY 4.0 এর অধীনে লাইসেন্সপ্রাপ্ত এবং এর জন্য নিম্নলিখিত অ্যাট্রিবিউশন প্রয়োজন: "এই ডেটাসেটটি ন্যাশনাল জিওগ্রাফিক সোসাইটি এবং ওয়ার্ল্ড রিসোর্সেস ইনস্টিটিউটের সাথে অংশীদারিত্বে গুগল দ্বারা ডায়নামিক ওয়ার্ল্ড প্রজেক্টের জন্য তৈরি করা হয়েছে।"
পরিবর্তিত কোপার্নিকাস সেন্টিনেল ডেটা [২০১৫-বর্তমান] রয়েছে। সেন্টিনেল ডেটা আইনি বিজ্ঞপ্তি দেখুন।
উদ্ধৃতি
ব্রাউন, সিএফ, ব্রাম্বি, এসপি, গুজডার-উইলিয়ামস, বি. এট আল। ডাইনামিক ওয়ার্ল্ড, রিয়েল-টাইম গ্লোবাল ১০ মিটার ভূমি ব্যবহারের ভূমি কভার ম্যাপিং। সায়েন্স ডেটা ৯, ২৫১ (২০২২)। doi:১০.১০৩৮/s41597-022-01307-4
ডিওআই
আর্থ ইঞ্জিনের সাহায্যে ঘুরে দেখুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Construct a collection of corresponding Dynamic World and Sentinel-2 for // inspection. Filter by region and date. var START = ee.Date('2021-04-02'); var END = START.advance(1, 'day'); var colFilter = ee.Filter.and( ee.Filter.bounds(ee.Geometry.Point(20.6729, 52.4305)), ee.Filter.date(START, END)); var dwCol = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1').filter(colFilter); var s2Col = ee.ImageCollection('COPERNICUS/S2_HARMONIZED'); // Link DW and S2 source images. var linkedCol = dwCol.linkCollection(s2Col, s2Col.first().bandNames()); // Get example DW image with linked S2 image. var linkedImg = ee.Image(linkedCol.first()); // Create a visualization that blends DW class label with probability. // Define list pairs of DW LULC label and color. var CLASS_NAMES = [ 'water', 'trees', 'grass', 'flooded_vegetation', 'crops', 'shrub_and_scrub', 'built', 'bare', 'snow_and_ice']; var VIS_PALETTE = [ '419bdf', '397d49', '88b053', '7a87c6', 'e49635', 'dfc35a', 'c4281b', 'a59b8f', 'b39fe1']; // Create an RGB image of the label (most likely class) on [0, 1]. var dwRgb = linkedImg .select('label') .visualize({min: 0, max: 8, palette: VIS_PALETTE}) .divide(255); // Get the most likely class probability. var top1Prob = linkedImg.select(CLASS_NAMES).reduce(ee.Reducer.max()); // Create a hillshade of the most likely class probability on [0, 1]; var top1ProbHillshade = ee.Terrain.hillshade(top1Prob.multiply(100)) .divide(255); // Combine the RGB image with the hillshade. var dwRgbHillshade = dwRgb.multiply(top1ProbHillshade); // Display the Dynamic World visualization with the source Sentinel-2 image. Map.setCenter(20.6729, 52.4305, 12); Map.addLayer( linkedImg, {min: 0, max: 3000, bands: ['B4', 'B3', 'B2']}, 'Sentinel-2 L1C'); Map.addLayer( dwRgbHillshade, {min: 0, max: 0.65}, 'Dynamic World V1 - label hillshade');
import ee import geemap.core as geemap
কোলাব (পাইথন)
# Construct a collection of corresponding Dynamic World and Sentinel-2 for # inspection. Filter by region and date. START = ee.Date('2021-04-02') END = START.advance(1, 'day') col_filter = ee.Filter.And( ee.Filter.bounds(ee.Geometry.Point(20.6729, 52.4305)), ee.Filter.date(START, END), ) dw_col = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1').filter(col_filter) s2_col = ee.ImageCollection('COPERNICUS/S2_HARMONIZED'); # Link DW and S2 source images. linked_col = dw_col.linkCollection(s2_col, s2_col.first().bandNames()); # Get example DW image with linked S2 image. linked_image = ee.Image(linked_col.first()) # Create a visualization that blends DW class label with probability. # Define list pairs of DW LULC label and color. CLASS_NAMES = [ 'water', 'trees', 'grass', 'flooded_vegetation', 'crops', 'shrub_and_scrub', 'built', 'bare', 'snow_and_ice', ] VIS_PALETTE = [ '419bdf', '397d49', '88b053', '7a87c6', 'e49635', 'dfc35a', 'c4281b', 'a59b8f', 'b39fe1', ] # Create an RGB image of the label (most likely class) on [0, 1]. dw_rgb = ( linked_image.select('label') .visualize(min=0, max=8, palette=VIS_PALETTE) .divide(255) ) # Get the most likely class probability. top1_prob = linked_image.select(CLASS_NAMES).reduce(ee.Reducer.max()) # Create a hillshade of the most likely class probability on [0, 1] top1_prob_hillshade = ee.Terrain.hillshade(top1_prob.multiply(100)).divide(255) # Combine the RGB image with the hillshade. dw_rgb_hillshade = dw_rgb.multiply(top1_prob_hillshade) # Display the Dynamic World visualization with the source Sentinel-2 image. m = geemap.Map() m.set_center(20.6729, 52.4305, 12) m.add_layer( linked_image, {'min': 0, 'max': 3000, 'bands': ['B4', 'B3', 'B2']}, 'Sentinel-2 L1C', ) m.add_layer( dw_rgb_hillshade, {'min': 0, 'max': 0.65}, 'Dynamic World V1 - label hillshade', ) m