Dynamic World V1

GOOGLE/DYNAMICWORLD/V1
ডেটাসেট উপলব্ধতা
2015-06-27T00:00:00Z–2025-03-09T03:20:17Z
ডেটাসেট প্রদানকারী
আর্থ ইঞ্জিন স্নিপেট
ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")
বর্ণনা ব্যান্ড ইমেজ বৈশিষ্ট্যব্যবহারের শর্তাবলী উদ্ধৃতিDOIs

ডাইনামিক ওয়ার্ল্ড হল একটি 10m কাছাকাছি-রিয়েল-টাইম (NRT) ল্যান্ড ইউজ/ল্যান্ড কভার (LULC) ডেটাসেট যাতে ক্লাসের সম্ভাব্যতা এবং নয়টি ক্লাসের জন্য লেবেল তথ্য অন্তর্ভুক্ত থাকে।

2015-06-27 থেকে বর্তমান পর্যন্ত সেন্টিনেল-2 L1C সংগ্রহের জন্য গতিশীল বিশ্ব ভবিষ্যদ্বাণী উপলব্ধ। সেন্টিনেল-2 এর রিভিজিট ফ্রিকোয়েন্সি অক্ষাংশের উপর নির্ভর করে 2-5 দিনের মধ্যে। CLOUDY_PIXEL_PERCENTAGE <= 35% সহ সেন্টিনেল-2 L1C চিত্রগুলির জন্য গতিশীল বিশ্ব ভবিষ্যদ্বাণী তৈরি করা হয়। S2 ক্লাউড সম্ভাব্যতা, ক্লাউড ডিসপ্লেসমেন্ট ইনডেক্স এবং দিকনির্দেশক দূরত্ব ট্রান্সফর্মের সংমিশ্রণ ব্যবহার করে মেঘ এবং মেঘের ছায়া অপসারণের জন্য পূর্বাভাসগুলি মুখোশযুক্ত।

ডায়নামিক ওয়ার্ল্ডের সংগ্রহে থাকা ছবিগুলিতে পৃথক সেন্টিনেল-2 L1C সম্পদের নামের সাথে মিল রয়েছে যা থেকে সেগুলি নেওয়া হয়েছে, যেমন:

ee.Image('COPERNICUS/S2/20160711T084022_20160711T084751_T35PKT')

একটি মিলে যাওয়া ডায়নামিক ওয়ার্ল্ড ইমেজ আছে: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT')।

"লেবেল" ব্যান্ড ছাড়া সমস্ত সম্ভাব্যতা ব্যান্ডের সমষ্টি 1 হবে।

ডায়নামিক ওয়ার্ল্ড ডেটাসেট সম্পর্কে আরও জানতে এবং কম্পোজিট তৈরি করা, আঞ্চলিক পরিসংখ্যান গণনা করা এবং সময় সিরিজের সাথে কাজ করার উদাহরণ দেখতে, ডায়নামিক ওয়ার্ল্ড টিউটোরিয়াল সিরিজের ভূমিকা দেখুন।

প্রদত্ত ডায়নামিক ওয়ার্ল্ড ক্লাস অনুমানগুলি একটি ছোট চলন্ত উইন্ডো থেকে স্থানিক প্রসঙ্গ ব্যবহার করে একক চিত্র থেকে প্রাপ্ত হয়, পূর্বাভাসিত জমির কভারগুলির জন্য শীর্ষ-1 "সম্ভাবনা" যা সময়ের সাথে সাথে কভার দ্বারা সংজ্ঞায়িত করা হয়, যেমন ফসল, সুস্পষ্ট স্বতন্ত্র বৈশিষ্ট্যের অনুপস্থিতিতে তুলনামূলকভাবে কম হতে পারে। শুষ্ক জলবায়ু, বালি, সানগ্লাইন্ট ইত্যাদিতে উচ্চ-প্রত্যাবর্তনকারী পৃষ্ঠগুলিও এই ঘটনাটি প্রদর্শন করতে পারে।

শুধুমাত্র একটি ডায়নামিক ওয়ার্ল্ড ক্লাসের আত্মবিশ্বাসের সাথে সম্পর্কিত পিক্সেলগুলি নির্বাচন করতে, শীর্ষ-1 ভবিষ্যদ্বাণীর আনুমানিক "সম্ভাব্যতা" থ্রেশহোল্ড করে ডায়নামিক ওয়ার্ল্ড আউটপুটগুলিকে মাস্ক করার পরামর্শ দেওয়া হয়৷

পিক্সেল সাইজ
10 মিটার

ব্যান্ড

নাম মিন সর্বোচ্চ বর্ণনা
water 0 1

জল দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

trees 0 1

গাছ দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

grass 0 1

ঘাস দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

flooded_vegetation 0 1

প্লাবিত গাছপালা দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

crops 0 1

শস্য দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

shrub_and_scrub 0 1

ঝোপ এবং মাজা দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

built 0 1

নির্মিত দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

bare 0 1

বেয়ার দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

snow_and_ice 0 1

তুষার এবং বরফ দ্বারা সম্পূর্ণ কভারেজের আনুমানিক সম্ভাবনা

label 0 8

সর্বোচ্চ আনুমানিক সম্ভাব্যতা সহ ব্যান্ডের সূচক

লেবেল ক্লাস টেবিল

মান রঙ বর্ণনা
0 #419bdf জল
1 #397d49 গাছ
2 #88b053 ঘাস
3 #7a87c6 প্লাবিত_উদ্ভিদ
4 #e49635 ফসল
5 #dfc35a shrub_and_scrub
6 #c4281b নির্মিত
7 #a59b8f খালি
8 #b39fe1 তুষার_এবং_বরফ

ইমেজ বৈশিষ্ট্য

নাম টাইপ বর্ণনা
dynamicworld_algorithm_version STRING

সংস্করণ স্ট্রিং অনন্যভাবে ডায়নামিক ওয়ার্ল্ড মডেল এবং চিত্র তৈরি করতে ব্যবহৃত অনুমান প্রক্রিয়া সনাক্ত করে।

qa_অ্যালগরিদম_সংস্করণ STRING

সংস্করণ স্ট্রিংটি চিত্র তৈরি করতে ব্যবহৃত ক্লাউড মাস্কিং প্রক্রিয়াটিকে অনন্যভাবে সনাক্ত করে।

ব্যবহারের শর্তাবলী

এই ডেটাসেটটি CC-BY 4.0 এর অধীনে লাইসেন্সপ্রাপ্ত এবং নিম্নলিখিত বৈশিষ্ট্যের প্রয়োজন: "এই ডেটাসেটটি ন্যাশনাল জিওগ্রাফিক সোসাইটি এবং ওয়ার্ল্ড রিসোর্সেস ইনস্টিটিউটের সাথে অংশীদারিত্বে Google দ্বারা ডাইনামিক ওয়ার্ল্ড প্রকল্পের জন্য তৈরি করা হয়েছে৷"

পরিবর্তিত কোপার্নিকাস সেন্টিনেল ডেটা রয়েছে [2015-বর্তমান]। সেন্টিনেল ডেটা আইনি বিজ্ঞপ্তি দেখুন।

উদ্ধৃতি:

  • Brown, CF, Brumby, SP, Guzder-Williams, B. et al. ডাইনামিক ওয়ার্ল্ড, রিয়েল-টাইম গ্লোবাল 10 মিটার ল্যান্ড ইউজ ল্যান্ড কভার ম্যাপিংয়ের কাছাকাছি। Sci ডেটা 9, 251 (2022)। doi:10.1038/s41597-022-01307-4

আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন

কোড এডিটর (জাভাস্ক্রিপ্ট)Colab (পাইথন)
// 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');

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap
# 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
কোড এডিটরে খুলুন
ডাইনামিক ওয়ার্ল্ড হল একটি 10m কাছাকাছি-রিয়েল-টাইম (NRT) ল্যান্ড ইউজ/ল্যান্ড কভার (LULC) ডেটাসেট যাতে ক্লাসের সম্ভাব্যতা এবং নয়টি ক্লাসের জন্য লেবেল তথ্য অন্তর্ভুক্ত থাকে। 2015-06-27 থেকে বর্তমান পর্যন্ত সেন্টিনেল-2 L1C সংগ্রহের জন্য গতিশীল বিশ্ব ভবিষ্যদ্বাণী উপলব্ধ। সেন্টিনেল-2 এর রিভিজিট ফ্রিকোয়েন্সি অক্ষাংশের উপর নির্ভর করে 2-5 দিনের মধ্যে। গতিশীল বিশ্ব…
GOOGLE/DYNAMICWORLD/V1, Global,google,landcover,landuse,nrt,sentinel2-প্রাপ্ত
2015-06-27T00:00:00Z/2025-03-09T03:20:17Z
-90 -180 90 180
গুগল আর্থ ইঞ্জিন