Dynamic World V1

GOOGLE/DYNAMICWORLD/V1
ความพร้อมใช้งานของชุดข้อมูล
2015-06-27T00:00:00Z–2025-09-01T12:28:14.897000Z
ผู้ให้บริการชุดข้อมูล
ตัวอย่างข้อมูล Earth Engine
ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")
แท็ก
global google landcover landuse landuse-landcover nrt sentinel2-derived

คำอธิบาย

Dynamic World คือชุดข้อมูลการใช้ประโยชน์ที่ดิน/สิ่งปกคลุมดิน (LULC) แบบเกือบเรียลไทม์ (NRT) ที่มีความละเอียด 10 เมตร ซึ่งรวมถึงความน่าจะเป็นของคลาสและข้อมูลป้ายกำกับสำหรับคลาส 9 คลาส

การคาดการณ์เกี่ยวกับโลกแบบไดนามิกพร้อมใช้งานสำหรับคอลเล็กชัน Sentinel-2 L1C ตั้งแต่วันที่ 27-06-2015 จนถึงปัจจุบัน ความถี่ในการกลับมาของ Sentinel-2 อยู่ระหว่าง 2-5 วัน ขึ้นอยู่กับละติจูด ระบบจะสร้างการคาดการณ์ Dynamic World สำหรับ รูปภาพ Sentinel-2 L1C ที่มี CLOUDY_PIXEL_PERCENTAGE <= 35% ระบบจะมาสก์การคาดการณ์เพื่อนำเมฆและเงาเมฆออกโดยใช้ การผสมผสานระหว่างความน่าจะเป็นของเมฆ S2, ดัชนีการเคลื่อนที่ของเมฆ และ การแปลงระยะทางเชิงทิศทาง

รูปภาพในคอลเล็กชัน Dynamic World มีชื่อตรงกับชื่อเนื้อหา Sentinel-2 L1C แต่ละรายการที่ได้มาจากรูปภาพนั้นๆ เช่น

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

มีรูปภาพ Dynamic World ที่ตรงกันชื่อ ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT').

แถบความน่าจะเป็นทั้งหมดจะรวมกันเป็น 1 ยกเว้นแถบ "ป้ายกำกับ"

ดูข้อมูลเพิ่มเติมเกี่ยวกับชุดข้อมูล Dynamic World และดูตัวอย่างการสร้างคอมโพสิต การคำนวณสถิติระดับภูมิภาค และการทำงานกับอนุกรมเวลาได้ที่ชุดบทแนะนำข้อมูลเบื้องต้นเกี่ยวกับ Dynamic World

เนื่องจากค่าประมาณระดับโลกแบบไดนามิกได้มาจากรูปภาพเดียวโดยใช้ บริบทเชิงพื้นที่จากหน้าต่างเลื่อนขนาดเล็ก "ความน่าจะเป็น" อันดับ 1 สำหรับ สิ่งปกคลุมดินที่คาดการณ์ซึ่งกำหนดไว้บางส่วนโดยสิ่งปกคลุมเมื่อเวลาผ่านไป เช่น พืชผล อาจค่อนข้างต่ำเมื่อไม่มีลักษณะที่โดดเด่นอย่างชัดเจน พื้นผิวที่มีการสะท้อนสูงในสภาพอากาศแห้งแล้ง ทราย แสงอาทิตย์ส่อง ฯลฯ อาจ แสดงปรากฏการณ์นี้ด้วย

หากต้องการเลือกเฉพาะพิกเซลที่มั่นใจว่าเป็นของคลาส Dynamic World ขอแนะนำให้มาสก์เอาต์พุต Dynamic World โดยการกำหนดเกณฑ์ "ความน่าจะเป็น" โดยประมาณของการคาดการณ์อันดับที่ 1

ย่านความถี่

ขนาดพิกเซล
10 เมตร

ย่านความถี่

ชื่อ ต่ำสุด สูงสุด ขนาดพิกเซล คำอธิบาย
water 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการถูกปกคลุมด้วยน้ำทั้งหมด
trees 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมด้วยต้นไม้ทั้งหมด
grass 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมด้วยหญ้าทั้งหมด
flooded_vegetation 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมทั้งหมดโดยพืชที่ถูกน้ำท่วม
crops 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมทั้งหมดตามพืช
shrub_and_scrub 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมทั้งหมดโดยพุ่มไม้และพุ่มไม้
built 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการครอบคลุมทั้งหมดตามการสร้าง
bare 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการครอบคลุมที่สมบูรณ์ตามความถี่
snow_and_ice 0 1 เมตร

ความน่าจะเป็นโดยประมาณของการปกคลุมด้วยหิมะและน้ำแข็งทั้งหมด
label 0 8 เมตร

ดัชนีของแถบที่มีความน่าจะเป็นโดยประมาณสูงสุด

ตารางคลาสของป้ายกำกับ

ค่า สี คำอธิบาย
0 #419bdf

น้ำ
1 #397d49

ต้นไม้
2 #88b053

ทุ่งหญ้า
3 #7a87c6

flooded_vegetation
4 #e49635

พืชผล
5 #dfc35a

shrub_and_scrub
6 #c4281b

สร้าง
7 #a59b8f

เปลือย
8 #b39fe1

snow_and_ice

คุณสมบัติของรูปภาพ

คุณสมบัติของรูปภาพ

ชื่อ ประเภท คำอธิบาย
dynamicworld_algorithm_version STRING

สตริงเวอร์ชันที่ระบุโมเดล Dynamic World และกระบวนการอนุมานที่ใช้ในการสร้างรูปภาพอย่างไม่ซ้ำกัน
qa_algorithm_version STRING

สตริงเวอร์ชันที่ระบุกระบวนการมาสก์เมฆที่ใช้ในการสร้างรูปภาพอย่างไม่ซ้ำกัน

ข้อกำหนดในการใช้งาน

ข้อกำหนดในการใช้งาน

ชุดข้อมูลนี้ได้รับอนุญาตภายใต้ CC-BY 4.0 และต้องมีการระบุแหล่งที่มาดังนี้ "ชุดข้อมูลนี้จัดทำขึ้นสำหรับโปรเจ็กต์ Dynamic World โดย Google ร่วมกับ National Geographic Society และ World Resources Institute"

มีข้อมูล Copernicus Sentinel ที่มีการแก้ไข [2015-ปัจจุบัน] ดูประกาศทางกฎหมายเกี่ยวกับข้อมูล Sentinel

การอ้างอิง

การอ้างอิง

  • 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

DOI

สำรวจด้วย Earth Engine

ตัวแก้ไขโค้ด (JavaScript)

// 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');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

# 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
เปิดในตัวแก้ไขโค้ด
Dynamic World คือชุดข้อมูลการใช้ประโยชน์ที่ดิน/สิ่งปกคลุมดิน (LULC) แบบเกือบเรียลไทม์ (NRT) ที่มีความละเอียด 10 เมตร ซึ่งรวมถึงความน่าจะเป็นของคลาสและข้อมูลป้ายกำกับสำหรับ 9 คลาส การคาดการณ์ Dynamic World พร้อมใช้งานสำหรับคอลเล็กชัน Sentinel-2 L1C ตั้งแต่วันที่ 27-06-2015 จนถึงปัจจุบัน ความถี่ในการกลับมาของ Sentinel-2 อยู่ระหว่าง 2-5 วัน ขึ้นอยู่กับละติจูด Dynamic World …
GOOGLE/DYNAMICWORLD/V1, global,google,landcover,landuse,landuse-landcover,nrt,sentinel2-derived
2015-06-27T00:00:00Z/2025-09-01T12:28:14.897000Z
-90 -180 90 180
Google Earth Engine