Dynamic World V1

GOOGLE/DYNAMICWORLD/V1
זמינות קבוצת הנתונים
2015-06-27T00:00:00Z–2025-10-03T23:16:46.863000Z
ספק קבוצת הנתונים
קטע קוד ל-Earth Engine
ee.ImageCollection("GOOGLE/DYNAMICWORLD/V1")
תגים
global google landcover landuse landuse-landcover nrt sentinel2-derived

תיאור

‫Dynamic World הוא מערך נתונים של שימוש בקרקע וכיסוי פני השטח (LULC) ברזולוציה של 10 מטרים, כמעט בזמן אמת (NRT). הוא כולל הסתברויות של סיווג ומידע על תוויות עבור תשעה סיווגים.

החיזויים של Dynamic World זמינים לאוסף Sentinel-2 L1C מ-27 ביוני 2015 עד היום. תדירות הביקור החוזר של Sentinel-2 היא בין 2 ל-5 ימים, בהתאם לקו הרוחב. התחזיות של Dynamic World נוצרות לתמונות Sentinel-2 L1C עם CLOUDY_PIXEL_PERCENTAGE <= 35%. התחזיות מוסתרות כדי להסיר עננים וצללי עננים באמצעות שילוב של הסתברות ענן S2, מדד העקירה של הענן והמרת מרחק כיווני.

השמות של התמונות באוסף Dynamic World זהים לשמות של נכסי Sentinel-2 L1C האישיים שמהם הן נגזרות.למשל:

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

יש תמונה תואמת של העולם הדינמי בשם: ee.Image('GOOGLE/DYNAMICWORLD/V1/20160711T084022_20160711T084751_T35PKT').

הסכום של כל רצועות ההסתברות, מלבד הרצועה 'תווית', הוא 1.

כדי לקבל מידע נוסף על מערך הנתונים Dynamic World ולראות דוגמאות ליצירת תמונות מורכבות, לחישוב נתונים סטטיסטיים אזוריים ולעבודה עם סדרות זמן, אפשר לעיין בסדרת ההדרכות מבוא ל-Dynamic World.

האומדנים של Dynamic World מבוססים על תמונות בודדות באמצעות הקשר מרחבי מחלון קטן שנע, ולכן יכול להיות שהערכים של 'ההסתברויות' המובילות לחיזוי כיסוי הקרקע, שמוגדרות בחלקן לפי כיסוי לאורך זמן כמו גידולים, יהיו נמוכים יחסית אם אין מאפיינים ברורים שמבחינים ביניהם. התופעה הזו יכולה להתרחש גם בפלטפורמות עם החזר אור גבוה באקלים צחיח, בחול, בבוהק שמש וכו'.

כדי לבחור רק פיקסלים ששייכים בוודאות לסיווג Dynamic World, מומלץ להשתמש במסכות בפלט של Dynamic World על ידי הגדרת סף ל'הסתברות' המשוערת של התחזית המובילה.

תחום תדרים

גודל הפיקסל
‫10 מטרים

רצועות

שם מינימום מקסימום גודל הפיקסל תיאור
water 0 1 מטרים

הסבירות המשוערת לכיסוי מלא במים
trees 0 1 מטרים

ההסתברות המשוערת לכיסוי מלא של צל העצים
grass 0 1 מטרים

הסבירות המשוערת לכיסוי מלא של דשא
flooded_vegetation 0 1 מטרים

הסבירות המשוערת לכיסוי מלא של הצמחייה המוצפת
crops 0 1 מטרים

ההסתברות המשוערת לכיסוי מלא לפי סוגי הגידולים
shrub_and_scrub 0 1 מטרים

הסתברות משוערת לכיסוי מלא של שיחים וצמחייה נמוכה
built 0 1 מטרים

הסתברות משוערת לכיסוי מלא לפי מבנה
bare 0 1 מטרים

ההסתברות המשוערת לכיסוי מלא לפי מינימום
snow_and_ice 0 1 מטרים

ההסתברות המשוערת לכיסוי מלא של שלג וקרח
label 0 8 מטרים

אינדקס של הטווח עם ההסתברות המשוערת הכי גבוהה

טבלת סיווג של label

ערך צבע תיאור
0 #419bdf

מים
1 #397d49

עצים
2 #88b053

דשא
3 #7a87c6

flooded_vegetation
4 #e49635

גידולים חקלאיים
5 #dfc35a

shrub_and_scrub
6 #c4281b

פותח
7 #a59b8f

חשוף
8 #b39fe1

snow_and_ice

מאפייני תמונה

מאפייני תמונה

שם סוג תיאור
dynamicworld_algorithm_version מחרוזת

מחרוזת הגרסה שמזהה באופן ייחודי את מודל Dynamic World ואת תהליך ההסקה ששימשו ליצירת התמונה.
qa_algorithm_version מחרוזת

מחרוזת הגרסה שמזהה באופן ייחודי את תהליך המיסוך של העננים ששימש ליצירת התמונה.

תנאים והגבלות

תנאים והגבלות

הרישיון של מערך הנתונים הזה הוא CC-BY 4.0, ונדרש ציון המקור הבא: "מערך הנתונים הזה נוצר עבור פרויקט Dynamic World על ידי Google בשותפות עם National Geographic Society ו-World Resources Institute".

מכיל נתונים מלוויין סנטינל של תוכנית קופרניקוס שעברו שינויים [2015 עד היום]. מידע נוסף זמין בהודעה המשפטית בנושא נתוני Sentinel.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

  • 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

מספרי DOI

סיור עם פלטפורמת Earth Engine

Code Editor (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');

הגדרת Python

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

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
פתיחה ב-Code Editor
‫Dynamic World הוא מערך נתונים של שימוש בקרקע וכיסוי פני השטח (LULC) ברזולוציה של 10 מטרים, שמתעדכן כמעט בזמן אמת (NRT). הוא כולל הסתברויות של סיווגים ופרטי תוויות עבור תשעה סיווגים. החיזויים של Dynamic World זמינים לאוסף Sentinel-2 L1C מ-27 ביוני 2015 עד היום. תדירות הביקור החוזר של Sentinel-2 היא בין יומיים ל-5 ימים, בהתאם לקו הרוחב. Dynamic World …
GOOGLE/DYNAMICWORLD/V1, global,google,landcover,landuse,landuse-landcover,nrt,sentinel2-derived
2015-06-27T00:00:00Z/2025-10-03T23:16:46.863000Z
-90 -180 90 180
Google Earth Engine