-
مجموعهداده تصاویر جنگل برزیل ۲۰۰۸: نقشه پایه تحلیلی
این مجموعه داده نقشه پایه چندطیفی (سبز، قرمز، و فروسرخ نزدیک) با وضوح حداکثر ۱۰ متر از برزیل را ارائه میدهد که عمدتاً در سال ۲۰۰۸ گرفته شده است تا از اجرای «قانون جنگل برزیل» پشتیبانی کند. این موزاییک از دادههای ماهوارهای SPOT 2، SPOT 4، و SPOT 5 ترکیب شده است. این بهعنوان … با وضوح بالاتر عمل میکند brazil forest-code google imagery multispectral satellite-imagery -
مجموعهداده تصاویر جنگل برزیل ۲۰۰۸: نقشه پایه دیداری
این مجموعه دادهها نقشه پایه تصویری از برزیل با وضوح حداکثر ۵ متر ارائه میدهد که عمدتاً در سال ۲۰۰۸ گرفته شده است تا از اجرای «قانون جنگل برزیل» پشتیبانی کند. این موزاییک از دادههای ماهوارهای SPOT 2، SPOT 4، و SPOT 5 ترکیب شده است. این بهعنوان جایگزینی با وضوح بالا برای … عمل میکند brazil deforestation forest-code google rgb satellite-imagery -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+ پردازشگر ارزیابی کیفیت (QA) برای تصاویر ماهوارهای نوری با وضوح متوسط تا بالا است. مجموعه داده Cloud Score+ S2_HARMONIZED بهصورت عملیاتی از مجموعه هماهنگشده Sentinel-2 L1C تولید میشود، و بروندادهای Cloud Score+ میتواند برای شناسایی پیکسلهای نسبتاً شفاف و حذف مؤثر ابرها استفاده شود… cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World مجموعه دادههای ۱۰ متری «کاربری زمین/پوشش زمین» (LULC) تقریباً همزمان (NRT) است که شامل احتمالات کلاس و اطلاعات برچسب برای نه کلاس است. پیشبینیهای Dynamic World برای مجموعه Sentinel-2 L1C از ۲۰۱۵/۰۶/۲۷ تا کنون دردسترس است. بسامد بازدید مجدد Sentinel-2 بین ۲ تا ۵ روز است … جهانی google پوشش زمین کاربری زمین کاربری زمین-پوشش زمین nrt -
Earth Timelapse v0
مجموعهداده «زمانگریز زمین» سابقهای دیداری از تغییرات سیاره زمین در چهار دهه گذشته (از ۱۹۸۴ تا ۲۰۲۲) ارائه میدهد. این مجموعه داده که Google از پتابایتها مشاهدات فضایی بهدستآمده از مأموریتهای NASA/USGS Landsat (Landsat 4، 5، 7، 8، و 9) و مجموعه ماهوارههای Copernicus Sentinel-2 «آژانس فضایی اروپا» (ESA) ترکیب کرده است، … copernicus global google landsat-derived publisher-dataset satellite-imagery -
GEM-15: مدلهای ارتفاع سطح و زمین تقریباً جهانی (۱۵ متر) (آزمایشی)
«مدلهای ارتفاعی تقریباً جهانی Google در ۱۵ متری» (GEM-15) یک مجموعه داده ارتفاعی تقریباً جهانی آزمایشی (درحال بازبینی) با فاصله شبکه ۱۵ متری است که از تصاویر ماهوارهای نوری استریو زیر یک متر مشتق شده است. این مجموعه داده از تصاویر استریو نوری که تا سال ۲۰۲۴ بهدست آمده است ساخته شده است (عمدتاً تصاویر ۳۰ سانتیمتری Pléiades Neo مربوط به سالهای ۲۰۲۲ تا ۲۰۲۴، تکمیلشده با … climate-and-sustainability dem elevation elevation-topography google height -
Google Global Landsat-based CCDC Segments (1999-2019)
این مجموعه حاوی نتایج ازپیش محاسبهشده از اجرای الگوریتم «طبقهبندی و تشخیص تغییر پیوسته» (CCDC) روی دادههای بازتاب سطحی Landsat در ۲۰ سال گذشته است. CCDC الگوریتمی برای یافتن نقطه شکست است که از برازش هارمونیک با آستانه RMSE پویا برای تشخیص نقاط شکست در دادههای سری زمانی استفاده میکند. … change-detection google landcover landsat-derived landuse landuse-landcover -
لایههای نقشهبرداری آبهای سطحی جهانی JRC، نسخه ۱.۲ [منسوخشده]
این مجموعهداده حاوی نقشههایی از مکان و توزیع زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۱۹ است و آماری درباره وسعت و تغییرات این سطوح آبی ارائه میدهد. برای اطلاعات بیشتر، مقاله مجله مرتبط را ببینید: High-resolution mapping of global surface water and its … ژئوفیزیک google jrc landsat-derived سطح سطح-آبهای زیرزمینی -
JRC Global Surface Water Mapping Layers, v1.4
این مجموعه داده شامل نقشههای مکان و توزیع زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۲۱ است و آمار مربوط به وسعت و تغییرات این سطوح آبی را ارائه میدهد. برای اطلاعات بیشتر، مقاله مرتبط در مجله را ببینید: نقشهبرداری با وضوح بالا از آبهای سطحی جهان و … change-detection geophysical google jrc landsat-derived surface -
فراداده آبهای سطحی جهان JRC، نسخه ۱.۴
این مجموعهداده حاوی نقشههای توزیع مکانی و زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۲۱ است و آماری درباره وسعت و تغییرات این سطوح آبی ارائه میدهد. برای اطلاعات بیشتر، مقاله مرتبط در مجله را ببینید: نقشهبرداری با وضوح بالا از آبهای سطحی جهان و … geophysical google jrc landsat-derived surface surface-ground-water -
JRC Monthly Water History, v1.4
این مجموعه داده شامل نقشههای مکان و توزیع زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۲۱ است و آمار مربوط به وسعت و تغییرات این سطوح آبی را ارائه میدهد. برای اطلاعات بیشتر، مقاله مجله مرتبط را ببینید: نقشهبرداری با وضوح بالا از آبهای سطحی جهانی و … ژئوفیزیک google history jrc landsat-derived monthly -
JRC Monthly Water Recurrence, v1.4
این مجموعهداده حاوی نقشههایی از توزیع مکانی و زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۲۱ است و آماری درباره وسعت و تغییرات این سطوح آبی ارائه میدهد. برای اطلاعات بیشتر، مقاله مجله مرتبط را ببینید: High-resolution mapping of global surface water and its … ژئوفیزیک google history jrc landsat-derived monthly -
سابقه طبقهبندی سالانه آب JRC، نسخه ۱٫۴
این مجموعه داده شامل نقشههای مکان و توزیع زمانی آبهای سطحی از سال ۱۹۸۴ تا ۲۰۲۱ است و آمار مربوط به وسعت و تغییرات این سطوح آبی را ارائه میدهد. برای اطلاعات بیشتر، مقاله مجله مرتبط را ببینید: نقشهبرداری با وضوح بالا از آبهای سطحی جهانی و … سالانه ژئوفیزیک google سابقه jrc مشتق از landsat -
طبقهبندی تغییرات جزرومدی جهانی موری
«مجموعه دادههای تغییرات بینجزرومدی جهانی موری» حاوی نقشههای جهانی از بومسازگانهای پهنههای جزرومدی است که ازطریق طبقهبندی تحت نظارت ۷۰۷٬۵۲۸ تصویر «بایگانی Landsat» تولید شده است. هر پیکسل با ارجاع به مجموعهای از دادههای آموزشی توزیعشده در سطح جهانی، در دسته پهنه جزرومدی، آب دائمی، یا سایر موارد طبقهبندی شد. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change Data Mask
مجموعه دادههای Murray Global Intertidal Change حاوی نقشههای جهانی از بومسازگانهای پهنه جزرومدی است که ازطریق طبقهبندی تحتنظارت ۷۰۷٬۵۲۸ تصویر Landsat Archive تولید شده است. هر پیکسل با ارجاع به مجموعهای از دادههای آموزشی توزیعشده در سطح جهانی، در دسته پهنه جزرومدی، آب دائمی، یا موارد دیگر طبقهبندی شد. … coastal google intertidal landsat-derived murray surface-ground-water -
تعداد پیکسلهای تضمین کیفیت تغییر بین جزر و مدی جهانی موری
«مجموعه دادههای تغییرات جهانی میانکشندی موری» حاوی نقشههای جهانی از بومسازگانهای پهنه گلی است که ازطریق طبقهبندی تحت نظارت ۷۰۷٬۵۲۸ تصویر «بایگانی لندست» تولید شده است. هر پیکسل با ارجاع به مجموعهای از دادههای آموزشی توزیعشده در سطح جهانی، در دستههای پهنه جزرومدی، آب دائمی، یا موارد دیگر طبقهبندی شد. … coastal google intertidal landsat-derived murray surface-ground-water -
تصاویر چندطیفی SPOT با وضوح ۱۰ تا ۲۰ متر، برزیل
این مجموعه تصاویر خام چندطیفی مربوط به سال ۲۰۰۸ را از ماهوارههای SPOT 2، SPOT 4، و SPOT 5 در کشور برزیل ارائه میدهد. این مأموریتها که توسط CNES انجام میشوند، برای ارائه تصاویر نوری با وضوح بالا و منطقه وسیع برای مدیریت منابع زمین طراحی شدهاند. SPOT 2 و 4 از HRV و HRVIR استفاده کردند … brazil forest-code google multispectral satellite-imagery spot -
تصاویر رنگی شبهطبیعی چندطیفی SPOT با وضوح ۱۰ تا ۲۰ متر، برزیل
این مجموعه حاوی تصاویر RGB «رنگ طبیعی کاذب» مربوط به سال ۲۰۰۸ است که از نوارهای چندطیفی بومی SPOT 2، SPOT 4، و SPOT 5 برای برزیل استخراج شده است. چون حسگرهای HRV و HRG فاقد باند آبی بومی بودند، این محصول یک نمایش RGB را برای تقریب یک … برزیل کد جنگل google rgb تصویر ماهوارهای نقطه -
تصاویر پانکروماتیک SPOT با وضوح ۵ تا ۱۰ متر، برزیل
این مجموعه حاوی باندهای پانکروماتیک (PAN) خام از ماهوارههای SPOT 2، SPOT 4، و SPOT 5 برای برزیل در حدود سال ۲۰۰۸ است. حسگر پانکروماتیک بالاترین وضوح فضایی بومی مأموریتها را ارائه میدهد و نور را در طیف وسیعی از نور مرئی (۰٫۵۱ تا ۰٫۷۳ میکرومتر برای SPOT 2، ۰٫۶۱ تا ۰٫۶۸ … brazil forest-code google imagery satellite-imagery spot -
تصاویر رنگی طبیعی کاذب با وضوح ۵ تا ۱۰ متر از ماهواره SPOT، برزیل
این مجموعه تصاویر ماهوارهای SPOT با وضوح بالا و رنگ شبهطبیعی را که با ترکیب پانکروماتیک و چندطیفی ماهوارههای ۲، ۴، و ۵ در حدود سال ۲۰۰۸ از برزیل گرفته شده است ارائه میدهد. در مواردی که تصویر پانکروماتیک با وضوح بالا دردسترس بود، با دادههای چندطیفی ادغام شد تا جزئیات فضایی بهبودیافته (تا ۵ متر برای SPOT 5 یا ۱۰ متر … brazil forest-code google rgb satellite-imagery spot -
جاسازی ماهواره نسخه ۱
مجموعه دادههای Google Satellite Embedding مجموعهای جهانی و آماده تحلیل از جاسازیهای زمینمکانی یادگرفتهشده است. هر پیکسل ۱۰ متری در این مجموعهداده یک نمایش ۶۴ بعدی یا «بردار جاسازی» است که مسیرهای زمانی شرایط سطحی را در آن پیکسل و اطراف آن، همانطور که توسط مشاهدات مختلف زمین اندازهگیری شده است، کدگذاری میکند … سالانه جهانی google مشتق از landsat تصویر ماهوارهای مشتق از sentinel1 -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
این مجموعه داده عامل اصلی ازبین رفتن تاجپوش را از سال ۲۰۰۱ تا ۲۰۲۲ در سطح جهانی با وضوح ۱ کیلومتر نقشهبرداری میکند. این دادهها که توسط «مؤسسه منابع جهانی» (WRI) و Google DeepMind تولید شدهاند، بااستفاده از مدل شبکه عصبی جهانی (ResNet) توسعه یافتهاند که براساس مجموعهای از نمونههای جمعآوریشده آموزش دیده است … agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
این مجموعه داده عامل غالب ازدست رفتن پوشش درختان را از سال ۲۰۰۱ تا ۲۰۲۳ در سطح جهانی با وضوح ۱ کیلومتر نقشهبرداری میکند. این دادهها که توسط «مؤسسه منابع جهانی» (WRI) و Google DeepMind تولید شدهاند، بااستفاده از مدل شبکه عصبی جهانی (ResNet) توسعه یافتهاند که براساس مجموعهای از نمونههای جمعآوریشده آموزش دیده است … agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
این مجموعه داده عامل اصلی ازبین رفتن تاجپوش را از سال ۲۰۰۱ تا ۲۰۲۴ در سطح جهانی با وضوح ۱ کیلومتر نقشهبرداری میکند. این دادهها که توسط «مؤسسه منابع جهانی» (WRI) و Google DeepMind تولید شدهاند، بااستفاده از مدل شبکه عصبی جهانی (ResNet) توسعه یافتهاند که براساس مجموعهای از نمونههای جمعآوریشده آموزش دیده است … agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3
این مجموعه داده عامل اصلی ازبین رفتن تاجپوش را از سال ۲۰۰۱ تا ۲۰۲۵ در سطح جهانی با وضوح ۱ کیلومتر نشان میدهد. این دادهها که توسط «مؤسسه منابع جهانی» (WRI) و Google DeepMind تولید شده است، بااستفاده از مدل شبکه عصبی جهانی (ResNet) توسعه یافته است که روی مجموعهای از نمونههای جمعآوریشده آموزش داده شده است… agriculture deforestation forest forest-biomass google landandcarbon
Datasets tagged google in Earth Engine
[null,null,[],[],["Cloud Score+ identifies clear pixels and removes clouds from Sentinel-2 imagery. Dynamic World provides near-real-time land use/land cover data for nine classes from Sentinel-2. Google's CCDC algorithm detects breakpoints in 20 years of Landsat data. JRC datasets map surface water's location, distribution, and change from 1984-2021 using Landsat data. The Murray dataset classifies tidal flat ecosystems globally using supervised classification of over 700,000 Landsat images.\n"]]