- توفُّر مجموعة البيانات
- 2017-01-01T00:00:00Z–2024-01-01T00:00:00Z
- مزوّد مجموعة البيانات
- Google Earth Engine Google DeepMind
- العلامات
الوصف
مجموعة بيانات Google Satellite Embedding هي مجموعة عالمية جاهزة للتحليل من عمليات التضمين الجغرافية المكانية التي تم تعلّمها. كل بكسل يبلغ طول ضلعه 10 أمتار في مجموعة البيانات هذه هو تمثيل بـ 64 بُعدًا، أو "متجه تضمين"، يشفّر المسارات الزمنية لظروف السطح في هذا البكسل وحوله كما تم قياسها بواسطة أدوات ومجموعات بيانات مختلفة لمراقبة الأرض، على مدار سنة تقويمية واحدة. على عكس المدخلات والفهارس الطيفية التقليدية، حيث تتوافق النطاقات مع القياسات الفيزيائية، فإنّ عمليات التضمين هي متجهات مميزة تلخّص العلاقات بين الملاحظات المتعددة المصادر والمتعددة الأنماط بطريقة أقل قابلية للتفسير المباشر، ولكنها أكثر فعالية. الاطّلاع على أمثلة الاستخدام وشروحات أكثر تفصيلاً
تغطّي مجموعة البيانات أسطح الأراضي والمياه الضحلة، بما في ذلك المناطق المدّية والجزرية والممرات المائية الداخلية والممرات المائية الساحلية. تكون التغطية في القطبَين محدودة بسبب مدارات الأقمار الصناعية والتغطية التي توفّرها الأجهزة.
تتألف المجموعة من صور تغطي مساحة تبلغ حوالي 163,840 مترًا
في 163,840 مترًا، وتحتوي كل صورة على 64 نطاقًا {A00, A01, …, A63}، أي نطاق واحد
لكل محور من محاور مساحة التضمين السداسية الأبعاد. يجب استخدام جميع النطاقات في التحليل اللاحق لأنّها تشير بشكل جماعي إلى إحداثي 64D في مساحة التضمين، ولا يمكن تفسيرها بشكل مستقل.
يتم إنشاء جميع الصور في نظام الإسقاط العالمي المستعرض ميركاتور المحلي كما هو موضّح في السمة UTM_ZONE، وتتضمّن السمتَين system:time_start وsystem:time_end اللتَين تعكسان السنة التقويمية الملخّصة بواسطة التضمينات. على سبيل المثال، ستتضمّن صورة التضمين لعام 2021 قيمة system:start_time تساوي ee.Date('2021-01-01 00:00:00') وقيمة system:end_time تساوي ee.Date('2022-01-01 00:00:00').
تكون التضمينات بطول الوحدة، ما يعني أنّ حجمها يبلغ 1 ولا تتطلّب أي تسوية إضافية، ويتم توزيعها على كرة الوحدة، ما يجعلها مناسبة للاستخدام مع خوارزميات التجميع والتصنيفات المستندة إلى الشجرة. يتّسم فضاء التضمين أيضًا بالاتساق على مرّ السنوات، ويمكن استخدام التضمينات من سنوات مختلفة لرصد التغيّرات في الحالة من خلال أخذ الجداء النقطي أو الزاوية بين متجهَي تضمين في الاعتبار. بالإضافة إلى ذلك، تم تصميم عمليات التضمين لتكون قابلة للتركيب خطيًا، أي يمكن تجميعها لإنتاج عمليات تضمين بدقة مكانية أدق أو تحويلها باستخدام العمليات الحسابية المتجهة، مع الاحتفاظ بالمعنى الدلالي وعلاقات المسافة.
تم إنشاء مجموعة بيانات Satellite Embedding بواسطة AlphaEarth Foundations، وهي نموذج تضمين جغرافي مكاني يستوعب تدفقات بيانات متعددة، بما في ذلك البيانات المرئية وبيانات الرادار وبيانات LiDAR وغيرها من المصادر (Brown وKazmierski وPasquarella وآخرون، 2025؛ نسخة أولية متاحة هنا).
بما أنّ عمليات التمثيل يتم تعلّمها من خلال العديد من أجهزة الاستشعار والصور، تتغلّب عمليات تمثيل التضمين بشكل عام على المشاكل الشائعة، مثل السُحب أو خطوط المسح الضوئي أو عيوب أجهزة الاستشعار أو البيانات الناقصة، ما يوفّر ميزات سلسة وجاهزة للتحليل يمكن استبدالها مباشرةً بمصادر أخرى لصور مراقبة الأرض في تحليلات التصنيف والانحدار ورصد التغيير.
تم إنشاء عمليات التضمين في مجموعة الصور هذه باستخدام الإصدار 2.1 من نموذج AlphaEarth Foundations، الذي يتضمّن عددًا من التحسينات مقارنةً بالإصدار 2.0 الذي تم تقييمه في ورقة AlphaEarth Foundations. على وجه التحديد، تمت إعادة إنشاء مجموعة بيانات التدريب لتشمل عددًا كبيرًا من العيّنات من القارة القطبية الجنوبية التي تم إسقاطها سابقًا بسبب التغطية المحدودة لأجهزة الاستشعار، ما أدّى إلى زيادة عدد تسلسلات الفيديو التدريبية من أكثر من 8.4 مليون إلى أكثر من 10.1 مليون تسلسل، وتم تضمين "طبقة بيانات الأراضي الزراعية" التابعة لـ "خدمة الإحصاء الزراعي" في وزارة الزراعة الأمريكية كهدف إضافي أثناء التدريب، وتم تخفيض أوزان الخسارة لكل من "الخريطة الوطنية لبيانات استخدام الأراضي" و"طبقة بيانات الأراضي الزراعية" من 0.50 إلى 0.25، وتم تنفيذ العديد من التغييرات الطفيفة الأخرى للحدّ بشكل أفضل من التشوهات المرئية المرتبطة بمسارات أجهزة الاستشعار المدخلة، والتقسيم إلى مربعات، واستهداف وحدات البكسل المتعددة الدقة. لم تؤثّر هذه التغييرات بشكل ملحوظ في أداء النموذج من حيث مقاييس التقييم، ولكنّها حسّنت بشكل عام جودة عمليات التضمين الناتجة.
على الرغم من استمرار بعض المشاكل المتعلّقة بتوفّر البيانات على نطاق واسع، إلا أنّ هذه المشاكل عادةً ما تمثّل انحرافات بسيطة في المتّجهات ولا تؤثّر بشكل عام بشكل كبير في المعالجة أو النتائج اللاحقة.
تعديل: اعتبارًا من 17-11-2025، تمت إعادة إنشاء الطبقات المضمّنة لعام 2017 وتعديلها في مكانها لتضمين عمليات الحصول الإضافية على بيانات Sentinel-1. تمت زيادة قيمة السمة DATASET_VERSION للطبقات المعدَّلة من 1.0 إلى 1.1.
النطاقات
حجم البكسل
10 أمتار
النطاقات
| الاسم | الوحدات | الحد الأدنى | الحد الأقصى | حجم البكسل | الوصف |
|---|---|---|---|---|---|
A00 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 0 لمتّجه التضمين |
A01 |
بلا أبعاد | -1 | 1 | متر | المحور الأول لمتّجه التضمين |
A02 |
بلا أبعاد | -1 | 1 | متر | المحور الثاني لمتّجه التضمين |
A03 |
بلا أبعاد | -1 | 1 | متر | المحور الثالث لمتّجه التضمين |
A04 |
بلا أبعاد | -1 | 1 | متر | المحور الرابع لمتّجه التضمين |
A05 |
بلا أبعاد | -1 | 1 | متر | المحور الخامس لمتّجه التضمين |
A06 |
بلا أبعاد | -1 | 1 | متر | المحور السادس لمتّجه التضمين |
A07 |
بلا أبعاد | -1 | 1 | متر | المحور السابع لمتّجه التضمين |
A08 |
بلا أبعاد | -1 | 1 | متر | المحور الثامن لمتّجه التضمين |
A09 |
بلا أبعاد | -1 | 1 | متر | المحور التاسع لمتّجه التضمين |
A10 |
بلا أبعاد | -1 | 1 | متر | المحور العاشر لمتّجه التضمين |
A11 |
بلا أبعاد | -1 | 1 | متر | المحور الحادي عشر لمتجه التضمين |
A12 |
بلا أبعاد | -1 | 1 | متر | المحور الثاني عشر لمتّجه التضمين |
A13 |
بلا أبعاد | -1 | 1 | متر | المحور الثالث عشر لمتّجه التضمين |
A14 |
بلا أبعاد | -1 | 1 | متر | المحور الرابع عشر لمتّجه التضمين |
A15 |
بلا أبعاد | -1 | 1 | متر | المحور الخامس عشر لمتّجه التضمين |
A16 |
بلا أبعاد | -1 | 1 | متر | المحور السادس عشر لمتّجه التضمين |
A17 |
بلا أبعاد | -1 | 1 | متر | المحور السابع عشر لمتّجه التضمين |
A18 |
بلا أبعاد | -1 | 1 | متر | المحور الثامن عشر لمتّجه التضمين |
A19 |
بلا أبعاد | -1 | 1 | متر | المحور التاسع عشر لمتّجه التضمين |
A20 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 20 لمتجه التضمين |
A21 |
بلا أبعاد | -1 | 1 | متر | المحور الحادي والعشرون لمتّجه التضمين |
A22 |
بلا أبعاد | -1 | 1 | متر | المحور الثاني والعشرون لمتّجه التضمين |
A23 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 23 لمتّجه التضمين |
A24 |
بلا أبعاد | -1 | 1 | متر | المحور الرابع والعشرون لمتّجه التضمين |
A25 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 25 لمتّجه التضمين |
A26 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 26 لمتّجه التضمين |
A27 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 27 لمتّجه التضمين |
A28 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 28 لمتّجه التضمين |
A29 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 29 لمتّجه التضمين |
A30 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 30 لمتّجه التضمين |
A31 |
بلا أبعاد | -1 | 1 | متر | المحور الحادي والثلاثون لمتّجه التضمين |
A32 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 32 لمتّجه التضمين |
A33 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 33 لمتّجه التضمين |
A34 |
بلا أبعاد | -1 | 1 | متر | المحور الرابع والثلاثون لمتّجه التضمين |
A35 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 35 لمتّجه التضمين |
A36 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 36 لمتّجه التضمين |
A37 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 37 لمتّجه التضمين |
A38 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 38 لمتّجه التضمين |
A39 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 39 لمتّجه التضمين |
A40 |
بلا أبعاد | -1 | 1 | متر | المحور الأربعون لمتّجه التضمين |
A41 |
بلا أبعاد | -1 | 1 | متر | تمثّل هذه السمة المحور رقم 41 لمتّجه التضمين. |
A42 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 42 لمتّجه التضمين |
A43 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 43 لمتّجه التضمين |
A44 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 44 لمتّجه التضمين |
A45 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 45 لمتّجه التضمين |
A46 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 46 لمتّجه التضمين |
A47 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 47 لمتّجه التضمين |
A48 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 48 لمتّجه التضمين |
A49 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 49 لمتّجه التضمين |
A50 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 50 لمتّجه التضمين |
A51 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 51 لمتّجه التضمين |
A52 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 52 لمتّجه التضمين |
A53 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 53 لمتّجه التضمين |
A54 |
بلا أبعاد | -1 | 1 | متر | المحور الرابع والخمسون لمتّجه التضمين |
A55 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 55 لمتّجه التضمين |
A56 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 56 لمتّجه التضمين |
A57 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 57 لمتّجه التضمين |
A58 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 58 لمتّجه التضمين |
A59 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 59 لمتّجه التضمين |
A60 |
بلا أبعاد | -1 | 1 | متر | المحور الـ 60 لمتّجه التضمين |
A61 |
بلا أبعاد | -1 | 1 | متر | المحور 61 لمتّجه التضمين |
A62 |
بلا أبعاد | -1 | 1 | متر | المحور الثاني والستون لمتّجه التضمين |
A63 |
بلا أبعاد | -1 | 1 | متر | المحور رقم 63 لمتّجه التضمين |
خصائص الصور
خصائص الصورة
| الاسم | النوع | الوصف |
|---|---|---|
| MODEL_VERSION | سلسلة | سلسلة الإصدار التي تحدّد بشكل فريد إصدار النموذج المستخدَم لإنتاج الصورة. |
| PROCESSING_SOFTWARE_VERSION | سلسلة | تمثّل هذه السمة سلسلة الإصدار التي تحدّد بشكلٍ فريد برنامج معالجة بيانات النموذج المستخدَم لإنتاج الصورة. |
| UTM_ZONE | سلسلة | تمثّل هذه السمة منطقة نظام الإحداثيات العالمي المستعرض (UTM) المستخدَم لإنتاج الصورة. |
| DATASET_VERSION | سلسلة | تمثّل هذه السمة إصدار مجموعة البيانات. |
بنود الاستخدام
بنود الاستخدام
تم ترخيص مجموعة البيانات هذه بموجب CC-BY 4.0، ويجب تضمين نص الإشارة التالي إلى المصدر: "تم إنتاج مجموعة بيانات AlphaEarth Foundations Satellite Embedding من قِبل Google وGoogle DeepMind".
الاقتباسات
Brown, C. F., Kazmierski, M. R., Pasquarella, V J., روكليدج، دبليو. J., Samsikova, M., Zhang, C., Shelhamer, E., Lahera, E., Wiles, O., Ilyushchenko, S., Gorelick, N., Zhang, L. L., Alj, S., Schechter, E., Askay, S., Guinan, O., Moore, R., Boukouvalas, A., & Kohli, P.(2025). AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data. arXiv preprint arXiv.2507.22291. doi:10.48550/arXiv.2507.22291
الاستكشاف باستخدام Earth Engine
أداة تعديل الرموز (JavaScript)
// Load collection. var dataset = ee.ImageCollection('GOOGLE/SATELLITE_EMBEDDING/V1/ANNUAL'); // Point of interest. var point = ee.Geometry.Point(-121.8036, 39.0372); // Get embedding images for two years. var image1 = dataset .filterDate('2023-01-01', '2024-01-01') .filterBounds(point) .first(); var image2 = dataset .filterDate('2024-01-01', '2025-01-01') .filterBounds(point) .first(); // Visualize three axes of the embedding space as an RGB. var visParams = {min: -0.3, max: 0.3, bands: ['A01', 'A16', 'A09']}; Map.addLayer(image1, visParams, '2023 embeddings'); Map.addLayer(image2, visParams, '2024 embeddings'); // Calculate dot product as a measure of similarity between embedding vectors. // Note for vectors with a magnitude of 1, this simplifies to the cosine of the // angle between embedding vectors. var dotProd = image1 .multiply(image2) .reduce(ee.Reducer.sum()); // Add dot product to the map. Map.addLayer( dotProd, {min: 0, max: 1, palette: ['white', 'black']}, 'Similarity between years (brighter = less similar)' ); Map.centerObject(point, 12); Map.setOptions('SATELLITE');