Dynamic World V1

GOOGLE/DYNAMICWORLD/V1
זמינות מערכי הנתונים
2015-06-27T00:00:00Z–2025-03-09T03:20:17Z
ספק מערך נתונים
קטע קוד של Earth Engine
ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")
תיאורתחום תדריםמאפייני התמונהתנאים והגבלותציטוטיםמזהי DOI

Dynamic World הוא מערך נתונים של שימוש בקרקע/כיסוי פני השטח (LULC) שמתעדכן כל 10 דקות בזמן אמת (NRT), וכולל את הסבירויות של הכיתות ומידע על התוויות של תשע כיתות.

התחזיות של Dynamic World זמינות לאוסף Sentinel-2 L1C מ-27 ביוני 2015 ועד היום. תדירות הביקור החוזר של Sentinel-2 היא בין 2 ל-5 ימים, בהתאם לקו הרוחב. התחזיות של Dynamic World נוצרות לתמונות Sentinel-2 L1C עם הערך CLOUDY_PIXEL_PERCENTAGE <= 35%. התחזיות ממוסתרות כדי להסיר עננים ואת הצללים שלהם באמצעות שילוב של S2 Cloud Probability,‏ Cloud Displacement Index ו-Directional Distance Transform.

לשמות של התמונות באוסף 'עולם דינמי' יש התאמה לשמות של נכסי Sentinel-2 L1C הספציפיים שמהם הן נגזרו, למשל:

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

יש לו תמונה תואמת של Dynamic World בשם: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT').

סכום כל רצועות ההסתברות, מלבד רצועת ה'תוויות', הוא 1.

מידע נוסף על מערך הנתונים Dynamic World ודוגמאות ליצירת נתונים מורכבים, לחישוב נתונים סטטיסטיים אזוריים ולעבודה עם סדרות זמן זמינים בסדרת המדריכים מבוא ל-Dynamic World.

מאחר שהאומדנים של Dynamic World class נגזרים מתמונות בודדות באמצעות הקשר מרחבי מחלון נע קטן, יכול להיות שה'סבירות' העליונה לסוגי כיסוי אדמה צפויים, שמוגדרים בחלקם על ידי כיסוי לאורך זמן, כמו גידולים, תהיה נמוכה יחסית אם אין תכונות מבדילות ברורות. תופעה זו עשויה להתרחש גם על משטחים עם רמת החזר גבוהה באקלים צחיח, בחול, בחזרה של אור השמש וכו'.

כדי לבחור רק פיקסלים ששייכים בביטחון לסיווג 'עולם דינמי', מומלץ להסתיר את הפלט של 'עולם דינמי' על ידי הגדרת ערך סף ל'סבירות' המשוערת של התחזית המובילה.

גודל פיקסל
10 מטרים

Bands

שם מינימום מקסימום תיאור
water 0 1

ההסתברות המשוערת לכיסוי מלא במים
trees 0 1

ההסתברות המשוערת לכיסוי מלא של עצים
grass 0 1

ההסתברות המשוערת לכיסוי מלא על ידי דשא
flooded_vegetation 0 1

ההסתברות המשוערת לכיסוי מלא של צמחייה שמוצפת
crops 0 1

ההסתברות המשוערת לכיסוי מלא על ידי גידולים
shrub_and_scrub 0 1

ההסתברות המשוערת לכיסוי מלא של שיחים ועצי שיח
built 0 1

ההסתברות המשוערת לכיסוי מלא לפי גרסת build
bare 0 1

ההסתברות המשוערת לכיסוי מלא על ידי bare
snow_and_ice 0 1

ההסתברות המשוערת לכיסוי מלא בשלג ובקרח
label 0 8

האינדקס של הפס עם ההסתברות המשוערת הגבוהה ביותר

טבלת סיווג התווית

ערך צבע תיאור
0 ‎#419bdf מים
1 ‎#397d49 עצים
2 ‎#88b053 דשא
3 ‎#7a87c6 flooded_vegetation
4 ‎#e49635 גידולים חקלאיים
5 ‎#dfc35a shrub_and_scrub
6 #c4281b פותח
7 ‎#a59b8f חשוף
8 ‎#b39fe1 snow_and_ice

מאפייני תמונות

שם סוג תיאור
dynamicworld_algorithm_version מחרוזת

מחרוזת הגרסה שמזהה באופן ייחודי את מודל העולם הדינמי ואת תהליך ההסקה ששימשו ליצירת התמונה.
qa_algorithm_version מחרוזת

מחרוזת הגרסה שמזהה באופן ייחודי את תהליך האנונימיזציה בענן ששימש ליצירת התמונה.

התנאים וההגבלות

מערך הנתונים הזה זמין ברישיון CC-BY 4.0, ונדרש לצרף את השיוך הבא: "מערך הנתונים הזה נוצר עבור פרויקט Dynamic World על ידי Google בשיתוף עם National Geographic Society ו-World Resources Institute".

המפה מכילה נתונים שעודכנו בשנת 2015 ואילך מלווייני סנטינל של תוכנית קופרניקוס. הודעת המשפט בנושא נתוני Sentinel

ציטוטים:

  • Brown, C.F., Brumby, S.P., Guzder-Williams, B. et al. Dynamic World, Near real-time global 10 m land use land cover mapping. Sci Data 9, 251 (2022). doi:10.1038/s41597-022-01307-4

סיור באמצעות Earth Engine

Code Editor‏ (JavaScript)Colab (Python)
// 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');

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

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
פתיחה בעורך הקוד
Dynamic World הוא מערך נתונים של שימוש בקרקע או כיסוי פני השטח (LULC) שמתעדכן כל 10 דקות כמעט בזמן אמת (NRT), וכולל את הסבירויות של הכיתות ומידע על התוויות של תשע כיתות. תחזיות של Dynamic World זמינות לאוסף Sentinel-2 L1C מ-27 ביוני 2015 ועד היום. תדירות החזרה של Sentinel-2 היא בין 2 ל-5 ימים, בהתאם לקו הרוחב. Dynamic World …
GOOGLE/DYNAMICWORLD/V1,‎ global,‎google,‎landcover,‎landuse,‎nrt,‎sentinel2-derived
2015-06-27T00:00:00Z/2025-03-09T03:20:17Z
-90 -180 90 180
Google Earth Engine