- Dostępność zbioru danych
- 2016-06-30T07:00:00Z–2023-06-30T07:00:00Z
- Dostawca zbioru danych
- Google Research - Open Buildings
- Tagi
Opis
Zbiór danych Open Buildings 2.5D Temporal Dataset zawiera dane o obecności budynków, ułamkowych liczbach budynków i wysokościach budynków w efektywnej rozdzielczości przestrzennej1 m (rastry są udostępniane w rozdzielczości 0, 5 m) w rocznych odstępach w latach 2016–2023. Jest on tworzony na podstawie obrazów o niskiej rozdzielczości pochodzących z Sentinel-2, które są dostępne na licencji open source.
Zbiór danych jest dostępny w Afryce, Azji Południowej, Azji Południowo-Wschodniej, Ameryce Łacińskiej i na Karaibach. Celem tych danych jest wspieranie organizacji (np. rządowych, non-profit, komercyjnych) zajmujących się różnymi zastosowaniami na rzecz dobra społecznego.
Interaktywnie eksploruj dane za pomocą demonstracyjnej aplikacji Earth Engine. (Jeśli aplikacja Earth Engine działa nieprawidłowo, wypróbuj ten skrypt Earth Engine).
Jeśli nie korzystasz z Earth Engine, możesz pobrać dane bezpośrednio z Google Cloud Storage, korzystając z tego notatnika.
Więcej informacji o projekcie i najczęstsze pytania dotyczące danych znajdziesz na stronie projektu.
Przykładowe skrypty:
How to compute building count for a given AOIHow to compute built-up area for a given AOIHow to see two years side-by-side and compare
1 – odpowiednik tego, co można uzyskać za pomocą modelu o wysokiej rozdzielczości przy użyciu pojedynczej klatki obrazu o rozdzielczości 4 m.
Pasma
Rozmiar piksela
4 metry
Pasma
| Nazwa | Jednostki | Minimum | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|---|
building_fractional_count |
0 | 0,0216 | metry | Dane źródłowe do obliczania liczby budynków w danym obszarze zainteresowania. Zobacz przykładowe skrypty. |
|
building_height |
m | 0 | 100 | metry | Wysokość budynku względem terenu w zakresie [0 m, 100 m]. |
building_presence |
0 | 1 | metry | Wartości ufności modelu (czyli poziom pewności modelu, że piksel jest częścią budynku) w zakresie [0,0, 1,0]. Pamiętaj, że wartości ufności modelu są niekalibrowane, co oznacza, że jeśli ufność modelu dla określonego piksela wynosi 0,8, nie oznacza to, że rzeczywiste prawdopodobieństwo wystąpienia budynku wynosi 80%. W związku z tym wartości ufności można używać tylko do względnego rankingu pikseli (np. określania progu). Poziom ufności modelu może się też różnić w zależności od lokalizacji i czasu z powodu wielu czynników, takich jak zachmurzenie czy niedokładne dopasowanie zdjęć. |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| imagery_start_time_epoch_s | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Najstarsza możliwa data obrazów źródłowych Sentinel-2 użytych do utworzenia tych rastrów. |
| imagery_end_time_epoch_s | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Najnowsza możliwa data zdjęć źródłowych z satelity Sentinel-2 użytych do utworzenia tych rastrów. |
| inference_time_epoch_s | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Czas, dla którego rastry mają prognozować stan świata, w sekundach od początku epoki. |
| s2cell_token | CIĄG ZNAKÓW | Token komórki S2, do której należy ten kafelek. Ze względu na granice stref UTM pojedyncza komórka S2 obejmująca wiele stref może mieć wiele odpowiadających jej kafelków w różnych strefach projekcji. Zobacz http://s2geometry.io/. |
Warunki korzystania z usługi
Warunki korzystania z usługi
Dane są udostępniane na licencji Creative Commons Attribution (CC-BY 4.0) i Open Data Commons Open Database License (ODbL) w wersji 1.0. Jako użytkownik możesz wybrać, która z tych 2 licencji bardziej Ci odpowiada, i korzystać z danych na warunkach tej licencji.
Wykorzystuje dane z satelitów Copernicus Sentinel-2 (od 2015 r.). Zapoznaj się z informacjami prawnymi dotyczącymi danych z satelitów Sentinel.
Cytaty
Wojciech Sirko, Emmanuel Asiedu Brempong, Juliana T. C. Marcos, Abigail Annkah, Abel Korme, Mohammed Alewi Hassen, Krishna Sapkota, Tomer Shekel, Abdoulaye Diack, Sella Nevo, Jason Hickey, John Quinn. High-Resolution Building and Road Detection from Sentinel-2, 2023.
Odkrywanie za pomocą Earth Engine
Edytor kodu (JavaScript)
var geometry = ee.Geometry.Point( [31.549876545106667, 30.011531513347673]); // New Cairo, Egypt var col = ee.ImageCollection('GOOGLE/Research/open-buildings-temporal/v1'); /** * Adds building presence and height layers for a given timestamp. * @param {number} millis Timestamp in milliseconds. */ function addLayers(millis) { // Create a mosaic of tiles with the same timestamp. var mosaic = col.filter(ee.Filter.eq('system:time_start', millis)).mosaic(); var year = new Date(millis).getFullYear(); Map.addLayer( mosaic.select('building_presence'), {max: 1}, 'building_presence_conf_' + year); Map.addLayer( mosaic.select('building_height'), {max: 100}, 'building_height_m_' + year, /*shown=*/ false); }; // Get latest 2 years var ts = col.filterBounds(geometry) .aggregate_array('system:time_start') .distinct() .sort() .getInfo() .slice(-2); ts.forEach(addLayers); Map.centerObject(geometry, 14);