Dynamic World V1

GOOGLE/DYNAMICWORLD/V1
توفُّر مجموعة البيانات
2015-06-27T00:00:00Z–2026-10-26T04:21:36.680000Z
Dataset Producer
مقتطف Earth Engine
ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")
العلامات
عالمي google الغطاء الأرضي استخدام الأراضي استخدام الأراضي والغطاء الأرضي nrt مستخرَج من Sentinel-2

الوصف

‫Dynamic World هي مجموعة بيانات لاستخدامات الأراضي والغطاء الأرضي (LULC) بدقة 10 أمتار في الوقت الفعلي تقريبًا (NRT)، وتتضمّن احتمالات الفئات ومعلومات التصنيفات لتسع فئات.

تتوفّر توقّعات Dynamic World لمجموعة Sentinel-2 L1C من ‎2015-06-27 حتى الآن. يتراوح معدل تكرار زيارة Sentinel-2 بين يومين و5 أيام حسب خط العرض. يتم إنشاء توقّعات Dynamic World لصور Sentinel-2 L1C التي تكون فيها قيمة CLOUDY_PIXEL_PERCENTAGE أقل من أو تساوي %35. يتم حجب التوقعات لإزالة السحب وظلالها باستخدام مزيج من "احتمالية السحب" (S2 Cloud Probability) و"مؤشر إزاحة السحب" (Cloud Displacement Index) و"تحويل المسافة الاتجاهية" (Directional Distance Transform).

تحمل الصور في مجموعة Dynamic World أسماءً تتطابق مع أسماء مواد العرض الفردية في Sentinel-2 L1C التي تم اشتقاقها منها، على سبيل المثال:

ee.Image('COPERNICUS/S2/20160711T084022_20160711T084751_T35PKT')

صورة Dynamic World مطابقة باسم: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT').

يبلغ مجموع كل نطاقات الاحتمالات باستثناء نطاق "التصنيف" 1.

لمزيد من المعلومات حول مجموعة بيانات Dynamic World والاطّلاع على أمثلة على إنشاء الصور المركّبة واحتساب الإحصاءات الإقليمية والعمل مع السلسلة الزمنية، يُرجى الاطّلاع على سلسلة البرامج التعليمية مقدمة عن Dynamic World.

بما أنّ تقديرات فئات Dynamic World مستمَدة من صور فردية باستخدام سياق مكاني من نافذة متحركة صغيرة، فإنّ "الاحتمالات" الأعلى لتوقّعات الغطاء الأرضي التي يتم تحديدها جزئيًا من خلال الغطاء بمرور الوقت، مثل المحاصيل، يمكن أن تكون منخفضة نسبيًا في غياب ميزات تمييز واضحة. قد تظهر هذه الظاهرة أيضًا على الأسطح ذات العائد المرتفع في المناخات القاحلة والرمال واللمعان الشمسي وما إلى ذلك.

لاختيار وحدات البكسل التي تنتمي بثقة إلى فئة Dynamic World فقط، يُنصح بإخفاء مخرجات Dynamic World من خلال تحديد الحدّ الأدنى لـ "الاحتمال" المقدَّر لأفضل توقّع.

النطاقات

النطاقات

حجم البكسل: 10 أمتار (جميع النطاقات)

الاسم الحد الأدنى الحد الأقصى حجم البكسل الوصف
water 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالمياه
trees 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالأشجار
grass 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالعشب
flooded_vegetation 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالنباتات المغمورة بالمياه
crops 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالمحاصيل
shrub_and_scrub 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة بالشجيرات والأحراش
built 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة حسب سنة البناء
bare 0 1 ‫10 أمتار

الاحتمال المقدَّر للتغطية الكاملة حسب المساحة الجرداء
snow_and_ice 0 1 ‫10 أمتار

الاحتمال المقدَّر لتغطية كاملة بالثلوج والجليد
label 0 8 ‫10 أمتار

فهرس النطاق الذي يحقّق أعلى احتمال تقديري

جدول فئات التصنيفات

القيمة اللون الوصف
0 #419bdf

ماء
1 #397d49

أشجار
2 #88b053

عشب
3 #7a87c6

flooded_vegetation
4 #e49635

المحاصيل
5 #dfc35a

shrub_and_scrub
6 #c4281b

بَنَى
7 #a59b8f

bare
8 #b39fe1

snow_and_ice

خصائص الصور

خصائص الصور

الاسم النوع الوصف
dynamicworld_algorithm_version سلسلة

سلسلة الإصدار التي تحدّد بشكل فريد نموذج Dynamic World وعملية الاستنتاج المستخدَمة لإنشاء الصورة
qa_algorithm_version سلسلة

سلسلة الإصدار التي تحدّد بشكل فريد عملية حجب السحب المستخدَمة لإنشاء الصورة

بنود الاستخدام

بنود الاستخدام

تم ترخيص مجموعة البيانات هذه بموجب CC-BY 4.0 وتتطلّب الإشارة إلى المصدر على النحو التالي: "تم إنشاء مجموعة البيانات هذه لمشروع Dynamic World من قِبل Google بالشراكة مع National Geographic Society وWorld Resources Institute".

تتضمّن بيانات معدّلة من "كوبرنيكوس سنتينل" [من 2015 إلى الوقت الحالي]. يُرجى الاطّلاع على الإشعار القانوني بشأن بيانات Sentinel.

الاقتباسات

المراجع

  • Brown, C.F., Brumby, S.P., Guzder-Williams, B. et al. Dynamic World, Near real-time global 10 m land use land cover mapping. Sci Data 9, 251 (2022). doi:10.1038/s41597-022-01307-4

معرِّفات العناصر الرقمية (DOI)

الاستكشاف باستخدام Earth Engine

أداة تعديل الرموز (JavaScript)

// Construct a collection of corresponding Dynamic World and Sentinel-2 for
// inspection. Filter by region and date.
var START = ee.Date('2021-04-02');
var END = START.advance(1, 'day');

var colFilter = ee.Filter.and(
    ee.Filter.bounds(ee.Geometry.Point(20.6729, 52.4305)),
    ee.Filter.date(START, END));

var dwCol = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1').filter(colFilter);
var s2Col = ee.ImageCollection('COPERNICUS/S2_HARMONIZED');

// Link DW and S2 source images.
var linkedCol = dwCol.linkCollection(s2Col, s2Col.first().bandNames());

// Get example DW image with linked S2 image.
var linkedImg = ee.Image(linkedCol.first());

// Create a visualization that blends DW class label with probability.
// Define list pairs of DW LULC label and color.
var CLASS_NAMES = [
    'water', 'trees', 'grass', 'flooded_vegetation', 'crops',
    'shrub_and_scrub', 'built', 'bare', 'snow_and_ice'];

var VIS_PALETTE = [
    '419bdf', '397d49', '88b053', '7a87c6', 'e49635', 'dfc35a', 'c4281b',
    'a59b8f', 'b39fe1'];

// Create an RGB image of the label (most likely class) on [0, 1].
var dwRgb = linkedImg
    .select('label')
    .visualize({min: 0, max: 8, palette: VIS_PALETTE})
    .divide(255);

// Get the most likely class probability.
var top1Prob = linkedImg.select(CLASS_NAMES).reduce(ee.Reducer.max());

// Create a hillshade of the most likely class probability on [0, 1];
var top1ProbHillshade =
    ee.Terrain.hillshade(top1Prob.multiply(100))
    .divide(255);

// Combine the RGB image with the hillshade.
var dwRgbHillshade = dwRgb.multiply(top1ProbHillshade);

// Display the Dynamic World visualization with the source Sentinel-2 image.
Map.setCenter(20.6729, 52.4305, 12);
Map.addLayer(
    linkedImg, {min: 0, max: 3000, bands: ['B4', 'B3', 'B2']}, 'Sentinel-2 L1C');
Map.addLayer(
    dwRgbHillshade, {min: 0, max: 0.65}, 'Dynamic World V1 - label hillshade');

إعداد Python

يمكنك الاطّلاع على صفحة بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Construct a collection of corresponding Dynamic World and Sentinel-2 for
# inspection. Filter by region and date.
START = ee.Date('2021-04-02')
END = START.advance(1, 'day')

col_filter = ee.Filter.And(
    ee.Filter.bounds(ee.Geometry.Point(20.6729, 52.4305)),
    ee.Filter.date(START, END),
)

dw_col = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1').filter(col_filter)
s2_col = ee.ImageCollection('COPERNICUS/S2_HARMONIZED');

# Link DW and S2 source images.
linked_col = dw_col.linkCollection(s2_col, s2_col.first().bandNames());

# Get example DW image with linked S2 image.
linked_image = ee.Image(linked_col.first())

# Create a visualization that blends DW class label with probability.
# Define list pairs of DW LULC label and color.
CLASS_NAMES = [
    'water',
    'trees',
    'grass',
    'flooded_vegetation',
    'crops',
    'shrub_and_scrub',
    'built',
    'bare',
    'snow_and_ice',
]

VIS_PALETTE = [
    '419bdf',
    '397d49',
    '88b053',
    '7a87c6',
    'e49635',
    'dfc35a',
    'c4281b',
    'a59b8f',
    'b39fe1',
]

# Create an RGB image of the label (most likely class) on [0, 1].
dw_rgb = (
    linked_image.select('label')
    .visualize(min=0, max=8, palette=VIS_PALETTE)
    .divide(255)
)

# Get the most likely class probability.
top1_prob = linked_image.select(CLASS_NAMES).reduce(ee.Reducer.max())

# Create a hillshade of the most likely class probability on [0, 1]
top1_prob_hillshade = ee.Terrain.hillshade(top1_prob.multiply(100)).divide(255)

# Combine the RGB image with the hillshade.
dw_rgb_hillshade = dw_rgb.multiply(top1_prob_hillshade)

# Display the Dynamic World visualization with the source Sentinel-2 image.
m = geemap.Map()
m.set_center(20.6729, 52.4305, 12)
m.add_layer(
    linked_image,
    {'min': 0, 'max': 3000, 'bands': ['B4', 'B3', 'B2']},
    'Sentinel-2 L1C',
)
m.add_layer(
    dw_rgb_hillshade,
    {'min': 0, 'max': 0.65},
    'Dynamic World V1 - label hillshade',
)
m
فتح في أداة تعديل الرموز"
‫Dynamic World هي مجموعة بيانات لاستخدامات الأراضي والغطاء الأرضي (LULC) بدقة 10 أمتار في الوقت الفعلي تقريبًا (NRT)، وتتضمّن احتمالات الفئات ومعلومات التصنيفات لتسع فئات. تتوفّر توقّعات Dynamic World لمجموعة Sentinel-2 L1C من ‎2015-06-27 حتى الآن. يتراوح معدّل تكرار زيارة Sentinel-2 بين يومين و5 أيام حسب خط العرض. ‫Dynamic World …
GOOGLE/DYNAMICWORLD/V1, global,google,landcover,landuse,landuse-landcover,nrt,sentinel2-derived
2015-06-27T00:00:00Z/2026-10-26T04:21:36.680000Z
‎-90 -180 90 180
Google Earth Engine