Open Buildings V3 Polygons

数据集可用时间

2023-05-30T00:00:00Z–2023-05-30T00:00:00Z

数据集生产者

Google Research - Open Buildings

Earth Engine 代码段

FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")

FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")

标签

africa asia building built-up open-buildings population south-asia southeast-asia table

结构

说明

这个大规模开放数据集由从 50 厘米高分辨率卫星图像中提取的建筑物轮廓组成。它包含非洲、拉丁美洲、加勒比地区、南亚和东南亚的 18 亿个建筑物检测结果。推理的区域覆盖 5800 万平方公里的土地。

该数据集中的每个建筑物都包含以下信息：描述建筑物占地轮廓的多边形、判断目标为建筑物的置信度得分，以及与建筑物中心对应的 Plus Code。没有关于建筑物类型、街道地址或除几何图形之外的任何详细信息。

建筑物轮廓对于一系列重要应用非常有用：从人口估计、城市规划和人道主义响应到环境和气候科学。该项目位于加纳，最初专注于非洲大陆，并针对南亚、东南亚、拉丁美洲和加勒比地区提供新的更新。

推断于 2023 年 5 月进行。

如需了解详情，请访问 Open Buildings 数据集的官方 网站。

表格结构

表格结构

名称	类型	说明
area_in_meters	双精度	多边形的面积（以平方米为单位）。
confidence	双精度	模型分配的置信度得分 [0.65;1.0]。
full_plus_code	STRING	建筑物多边形形心的完整 Plus Code。
longitude_latitude	GEOMETRY	多边形的形心。

使用条款

使用条款

CC-BY-4.0

引用

引用：

• W. Sirko, S. Kashubin, M. Ritter, A. Annkah, Y.S.E. Bouchareb, Y. Dauphin, D. Keysers, M. Neumann, M. Cisse, J.A. Quinn. Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021.

通过 Earth Engine 探索

重要提示：Earth Engine 是一个平台，可用于对地理空间数据集进行 PB 级科学分析和可视化，既可用于公益用途，也可供企业和政府用户使用。Earth Engine 可免费用于研究、教育和公益用途。如需开始使用，请注册以获取 Earth Engine 访问权限。

代码编辑器 (JavaScript)

// Visualization of GOOGLE/Research/open-buildings/v3/polygons.

var t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons');

var t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7');
var t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75');
var t_gte_075 = t.filter('confidence >= 0.75');

Map.addLayer(t_065_070, {color: 'FF0000'}, 'Buildings confidence [0.65; 0.7)');
Map.addLayer(t_070_075, {color: 'FFFF00'}, 'Buildings confidence [0.7; 0.75)');
Map.addLayer(t_gte_075, {color: '00FF00'}, 'Buildings confidence >= 0.75');
Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.setOptions('SATELLITE');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请访问 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v3/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons')

t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7')
t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75')
t_gte_075 = t.filter('confidence >= 0.75');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_065_070, {'color': 'FF0000'}, 'Buildings confidence [0.65; 0.7)')
m.add_layer(t_070_075, {'color': 'FFFF00'}, 'Buildings confidence [0.7; 0.75)')
m.add_layer(t_gte_075, {'color': '00FF00'}, 'Buildings confidence >= 0.75')
m

在代码编辑器中打开

以 FeatureView 的形式可视化

FeatureView 是 FeatureCollection 的只读加速表示法。如需了解详情，请参阅 FeatureView 文档。

重要提示： Earth Engine 是一个平台，可用于对 地理空间数据集进行 PB 级科学分析和可视化，既可用于公益用途，也可供企业和政府用户使用。 Earth Engine 可免费用于研究、教育和公益用途。如需开始使用，请注册以获取 Earth Engine 访问权限。

代码编辑器 (JavaScript)

var fvLayer = ui.Map.FeatureViewLayer(
  'GOOGLE/Research/open-buildings/v3/polygons_FeatureView');

var visParams = {
  rules: [
    {
      filter: ee.Filter.expression('confidence >= 0.65 && confidence < 0.7'),
      color: 'FF0000'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.7 && confidence < 0.75'),
      color: 'FFFF00'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.75'),
      color: '00FF00'
    },
  ]
};

fvLayer.setVisParams(visParams);
fvLayer.setName('Buildings');

Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.add(fvLayer);
Map.setOptions('SATELLITE');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请访问 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v3/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons')

t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7')
t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75')
t_gte_075 = t.filter('confidence >= 0.75');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_065_070, {'color': 'FF0000'}, 'Buildings confidence [0.65; 0.7)')
m.add_layer(t_070_075, {'color': 'FFFF00'}, 'Buildings confidence [0.7; 0.75)')
m.add_layer(t_gte_075, {'color': '00FF00'}, 'Buildings confidence >= 0.75')
m

在代码编辑器中打开

Open Buildings V3 多边形

这个大规模开放数据集由从 50 厘米高分辨率卫星图像中提取的建筑物轮廓组成。它包含非洲、拉丁美洲、加勒比地区、南亚和东南亚的 18 亿个建筑物检测结果。推断的区域覆盖 5800 万平方公里的土地。该数据集中的每个建筑物都包含以下信息：描述建筑物占地轮廓的多边形、判断目标为建筑物的置信度得分，以及与建筑物中心对应的 Plus Code。

GOOGLE/Research/open-buildings/v3/polygons, africa,asia,building,built-up,open-buildings,population,south-asia,southeast-asia,table

2023-05-30T00:00:00Z/2023-05-30T00:00:00Z

-90 -180 90 180

Google Earth Engine

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