Dynamic World V1

Veri Kümesi Kullanılabilirliği

2015-06-27T00:00:00Z–2025-03-09T03:20:17Z

Veri Kümesi Sağlayıcı

World Resources Institute Google

Earth Engine snippet'i

ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")

Etiketler

global google landcover landuse nrt sentinel2-derived

AçıklamaBantlarResim ÖzellikleriKullanım ŞartlarıAlıntılarDOI'ler

Dinamik Dünya, dokuz sınıf için sınıf olasılıkları ve etiket bilgilerini içeren 10 metrelik neredeyse gerçek zamanlı (NRT) bir Arazi Kullanımı/Arazi Örtüsü (LULC) veri kümesidir.

Dinamik Dünya tahminleri, 27.06.2015'ten günümüze kadarki Sentinel-2 L1C koleksiyonu için kullanılabilir. Sentinel-2'nin yeniden ziyaret sıklığı, enlemlere bağlı olarak 2-5 gün arasındadır. Dinamik Dünya tahminleri, CLOUDY_PIXEL_PERCENTAGE değeri %35'ten az olan Sentinel-2 L1C görüntüleri için oluşturulur. Tahminler, S2 Bulut Olasılığı, Bulut Yer Değiştirme Dizini ve Yönlü Mesafe Dönüşümünün bir kombinasyonu kullanılarak bulutları ve bulut gölgelerini kaldırmak için maskelenir.

Dinamik Dünya koleksiyonundaki resimlerin adları, türetildikleri Sentinel-2 L1C öğe adlarıyla eşleşir.Örneğin:

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

şu adında eşleşen bir Dinamik Dünya resmine sahip olmalıdır: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT').

"Etiket" bandı hariç tüm olasılık bantlarının toplamı 1'dir.

Dinamik Dünya veri kümesi hakkında daha fazla bilgi edinmek ve birleşik veriler oluşturma, bölgesel istatistikleri hesaplama ve zaman serileriyle çalışma örneklerini görmek için Dinamik Dünya'ya Giriş eğitim serisini inceleyin.

Dinamik Dünya sınıfı tahminlerin, küçük bir hareketli pencereden elde edilen mekansal bağlam kullanılarak tek resimlerden türetildiği göz önüne alındığında, kısmen zaman içindeki örtüye göre tanımlanan tahmini arazi örtüleri (ör. ekinler) için en yüksek 1. "olasılık", belirgin ayırt edici özellikler olmadığında nispeten düşük olabilir. Kurak iklimlerdeki yüksek getirili yüzeyler, kum, güneş parlaması vb. de bu fenomeni gösterebilir.

Yalnızca bir Dinamik Dünya sınıfına ait olduğu kesin olan pikselleri seçmek için, en iyi 1 tahminin tahmini "olasılığını" eşik değerine bağlayarak Dinamik Dünya çıkışlarını maskelemek önerilir.

Piksel Boyutu
10 metre

Bantlar

Ad	Min.	Maks.	Açıklama
water	0	1	Suyun tüm alanı kaplama olasılığı
trees	0	1	Ağaçlarla tamamen kaplanma olasılığı
grass	0	1	Otla tamamen kaplanma olasılığı
flooded_vegetation	0	1	Sel altındaki bitki örtüsü tarafından tamamen kaplanma olasılığı
crops	0	1	Tahmini olarak tüm alanların ekinlerle kaplanma olasılığı
shrub_and_scrub	0	1	Çalı ve çalılıkların tüm alanı kaplama olasılığı
built	0	1	İnşa edilene göre tam kapsama olasılığı
bare	0	1	Çıplak olarak tam kapsama olasılığı
snow_and_ice	0	1	Kar ve buzla tamamen kaplanma olasılığı
label	0	8	En yüksek tahmini olasılığa sahip bandın dizini

label Class Table

Değer	Renk	Açıklama
0	#419bdf	su
1	#397d49	ağaçlar
2	#88b053	çimen
3	#7a87c6	flooded_vegetation
4	#e49635	mahsuller
5	#dfc35a	shrub_and_scrub
6	#c4281b	geliştirilen
7	#a59b8f	çıplak
8	#b39fe1	snow_and_ice

Resim Özellikleri

Ad	Tür	Açıklama
dynamicworld_algorithm_version	Dize	Resmi oluşturmak için kullanılan Dinamik Dünya modelini ve çıkarım sürecini benzersiz şekilde tanımlayan sürüm dizesi.
qa_algorithm_version	Dize	Resmi oluşturmak için kullanılan bulut maskelemeyi benzersiz şekilde tanımlayan sürüm dizesi.

Kullanım Şartları

Bu veri kümesi CC-BY 4.0 lisansı kapsamındadır ve şu ilişkilendirmeyi gerektirir: "Bu veri kümesi, Google tarafından National Geographic Society ve World Resources Institute ile ortaklaşa Dinamik Dünya Projesi için üretilmiştir."

Değiştirilmiş Copernicus Sentinel verilerini [2015-günümüz] içerir. Sentinel Verileri Yasal Uyarısı'nı inceleyin.

Alıntılar:

• Brown, C.F., Brumby, S.P., Guzder-Williams, B. ve diğerleri. 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

• https://doi.org/10.1038/s41597-022-01307-4

Earth Engine ile keşfetme

Önemli: Earth Engine, hem kamu yararı hem de işletme ve devlet kullanıcıları için petabayt ölçeğinde coğrafi veri kümelerinin bilimsel analiz ve görselleştirme platformudur. Earth Engine, araştırma, eğitim ve sivil toplum kuruluşları tarafından ücretsiz olarak kullanılabilir. Başlamak için lütfen Earth Engine erişimine kaydolun.

Kod Düzenleyici (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');

Python kurulumu

Python API'si ve etkileşimli geliştirme için geemap kullanımı hakkında bilgi edinmek üzere Python Ortamı sayfasına bakın.

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

Kod Düzenleyici'de Aç

Dynamic World V1

Dynamic World, dokuz sınıf için sınıf olasılıkları ve etiket bilgilerini içeren 10 metrelik neredeyse gerçek zamanlı (NRT) bir Arazi Kullanımı/Arazi Örtüsü (LULC) veri kümesidir. Dinamik Dünya tahminleri, 27.06.2015'ten günümüze kadarki Sentinel-2 L1C koleksiyonu için kullanılabilir. Sentinel-2'nin yeniden ziyaret sıklığı, enlemlere bağlı olarak 2-5 gün arasındadır. 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

https://developers.google.com/earth-engine/datasets

• https://doi.org/10.1038/s41597-022-01307-4
• https://doi.org/10.1038/s41597-022-01307-4
• https://doi.org/10.1038/s41597-022-01307-4