-
2008년 브라질 산림 이미지 데이터 세트: 분석 기본 지도
이 데이터 세트는 브라질 산림 코드의 시행을 지원하기 위해 주로 2008년에 촬영된 최대 10미터 해상도의 브라질 다중 스펙트럼 (녹색, 적색, 근적외선) 기본 지도를 제공합니다. 모자이크는 SPOT 2, 4, 5 위성 데이터에서 합성됩니다. 이는 더 높은 해상도의… 브라질 forest-code google imagery multispectral satellite-imagery -
2008년 브라질 산림 이미지 데이터 세트: 시각적 기본 지도
이 데이터 세트는 브라질 산림법 시행을 지원하기 위해 주로 2008년에 촬영된 최대 5미터 해상도의 브라질 시각적 이미지 기본 지도를 제공합니다. 모자이크는 SPOT 2, 4, 5 위성 데이터로 합성되었습니다. 이는 …의 고해상도 대안으로 사용됩니다. 브라질 산림파괴 삼림법 google RGB 위성 이미지 -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+는 중간~고해상도 광학 위성 이미지의 품질 평가(QA) 프로세서입니다. Cloud Score+ S2_HARMONIZED 데이터 세트는 조화된 Sentinel-2 L1C 컬렉션에서 운영 방식에 따라 생성되며, Cloud Score+ 출력은 비교적 선명한 픽셀을 식별하고 구름을 효과적으로 삭제하는 데 사용할 수 있습니다. cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World는 9개 클래스의 클래스 확률과 라벨 정보를 포함하는 10m 실시간에 가까운 (NRT) 토지 이용/토지 피복 (LULC) 데이터 세트입니다. Dynamic World 예측은 2015년 6월 27일부터 현재까지의 Sentinel-2 L1C 컬렉션에 사용할 수 있습니다. Sentinel-2의 재방문 빈도는 2~5일입니다. global google landcover landuse landuse-landcover nrt -
어스 타임랩스 v0
Earth 타임랩스 데이터 세트는 1984년부터 2022년까지 40년에 걸친 행성의 변화를 시각적으로 기록합니다. NASA/USGS Landsat 미션 (Landsat 4, 5, 7, 8, 9)과 ESA의 Copernicus Sentinel-2 위성군에서 획득한 페타바이트 규모의 우주 관측 데이터를 기반으로 Google에서 합성한 데이터 세트는 다음과 같습니다. copernicus global google landsat-derived publisher-dataset satellite-imagery -
GEM-15: 전 세계 지표면 및 지형 고도 모델 (15m) (실험용)
Google의 15m 전 세계 고도 모델 (GEM-15)은 1m 미만 광학 스테레오 위성 이미지에서 파생된 15m 그리드 간격의 실험용 (검토 중) 전 세계 고도 데이터 세트입니다. 이 데이터 세트는 2024년까지 획득한 광학 스테레오 이미지 (주로 2022~2024년 30cm Pléiades Neo 이미지, …로 보완)를 기반으로 구축되었습니다. climate-and-sustainability dem elevation elevation-topography google height -
Google 전 세계 Landsat 기반 CCDC 세그먼트 (1999~2019년)
이 컬렉션에는 20년간의 Landsat 표면 반사율 데이터에 연속 변화 감지 및 분류 (CCDC) 알고리즘을 실행한 사전 계산 결과가 포함되어 있습니다. CCDC는 동적 RMSE 임곗값과 함께 조화 피팅을 사용하여 시계열 데이터의 중단점을 감지하는 중단점 찾기 알고리즘입니다. … change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 전 세계 지표수 매핑 레이어, v1.2[지원 중단됨]
이 데이터 세트에는 1984년부터 2019년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계를 제공합니다. 자세한 내용은 관련 학술지 게재 논문을 참고하세요. 전 세계 지표수의 고해상도 매핑 및… 지구물리학 google jrc landsat-derived surface surface-ground-water -
JRC 전 세계 지표수 매핑 레이어, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문을 참고하세요. 전 세계 지표수 및 그 변화에 대한 고해상도 매핑… change-detection geophysical google jrc landsat-derived surface -
JRC 전 세계 지표수 메타데이터, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문을 참고하세요. 전 세계 지표수 및 그 변화에 대한 고해상도 매핑… 지구물리학 google jrc landsat-derived 표면 지표수 -
JRC 월별 물 사용 기록, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문을 참고하세요. 전 세계 지표수 및 그 변화에 대한 고해상도 매핑… geophysical google history jrc landsat-derived monthly -
JRC 월별 물 재발, v1.4
이 데이터 세트에는 1984년~2021년까지의 해수면 위치 및 시계열 분포를 보여주는 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계를 제공합니다. 자세한 내용은 관련 학술지 게재 논문을 참고하세요. 전 세계 지표수의 고해상도 매핑 및… 지구물리학 Google 기록 jrc landsat-derived 월별 -
JRC 연간 수자원 분류 이력, v1.4
이 데이터 세트에는 1984년~2021년까지의 해수면 위치 및 시계열 분포를 보여주는 지도가 포함되어 있으며 해당 해수면의 범위와 변화에 대한 통계를 제공합니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. annual geophysical google history jrc landsat-derived -
Murray Global Intertidal Change Classification
Murray Global Intertidal Change 데이터 세트에는 707,528개의 Landsat Archive 이미지를 지도 분류하여 생성한 전 세계 갯벌 생태계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참조하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
머레이 글로벌 조간대 변화 데이터 마스크
Murray Global Intertidal Change 데이터 세트에는 707,528개의 Landsat 보관 파일 이미지를 지도 분류하여 생성된 전 세계 갯벌 생태계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참조하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change QA Pixel Count
Murray Global Intertidal Change 데이터 세트에는 707,528개의 Landsat 보관 파일 이미지를 지도 분류하여 생성된 전 세계 갯벌 생태계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참조하여 갯벌, 영구 수역 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
SPOT 다중 스펙트럼 이미지 10~20m, 브라질
이 컬렉션은 2008년 전후 시기의 브라질 전역에 대한 SPOT 2, 4, 5 위성의 원시 다중 스펙트럼 이미지를 제공합니다. CNES에서 운영하는 이 미션은 지구 자원 관리를 위한 고해상도 광역 광학 이미지를 제공하도록 설계되었습니다. SPOT 2와 4는 HRV와 HRVIR을 활용했습니다. brazil forest-code google multispectral satellite-imagery spot -
SPOT 다중 스펙트럼 의사 자연색 이미지 10~20m, 브라질
이 컬렉션에는 브라질의 SPOT 2, 4, 5의 기본 멀티스펙트럼 대역에서 파생된 2008년 전후 시기의 '의사 자연색' RGB 이미지가 포함되어 있습니다. HRV 및 HRG 센서에는 기본 파란색 대역이 포함되지 않았으므로 이 제품은 RGB 표현을 합성하여 … 브라질 산림법 Google RGB 위성 이미지 SPOT -
SPOT 흑백 이미지 5~10m, 브라질
이 컬렉션에는 2008년경 브라질의 SPOT 2, 4, 5 위성에서 가져온 원시 전정색 (PAN) 밴드가 포함되어 있습니다. 전정색 센서는 미션 중 가장 높은 기본 공간 해상도를 제공하며, 넓은 가시광선 스펙트럼 (SPOT 2의 경우 0.51~0.73µm, SPOT 4 및 5의 경우 0.61~0.68µm)에서 빛을 포착합니다. brazil forest-code google imagery satellite-imagery spot -
SPOT 팬샤프닝 의사 천연색 이미지 5~10m, 브라질
이 컬렉션은 2008년경 브라질의 고해상도 팬샤프닝된 의사 자연색 SPOT 위성 2, 4, 5 이미지를 제공합니다. 해당 고해상도 팬크로매틱 이미지를 사용할 수 있는 경우 멀티스펙트럼 데이터와 융합하여 공간 세부정보를 개선했습니다 (SPOT 5의 경우 최대 5m, … 브라질 forest-code google rgb 위성 이미지 spot -
위성 임베딩 V1
Google 위성 삽입 데이터 세트는 학습된 지리 공간 삽입의 전 세계 분석 준비 컬렉션입니다. 이 데이터 세트의 각 10미터 픽셀은 다양한 지구 관측 위성에서 측정한 해당 픽셀 및 주변의 지표 조건의 시간적 궤적을 인코딩하는 64차원 표현 또는 '임베딩 벡터'입니다. annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
이 데이터 세트는 2001~2022년 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 전 세계에서 수집된 샘플 세트로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
이 데이터 세트는 2001~2023년의 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 전 세계에서 수집된 샘플 세트로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. 농업 산림파괴 숲 숲 바이오매스 Google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
이 데이터 세트는 2001~2024년의 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 전 세계에서 수집된 샘플 세트로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. 농업 산림파괴 숲 숲 바이오매스 Google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3
이 데이터 세트는 2001~2025년의 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 전 세계에서 수집된 샘플 세트로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. 농업 산림파괴 숲 숲 바이오매스 Google landandcarbon
