Open Buildings V2 Polygons [deprecated]

GOOGLE/Research/open-buildings/v2/polygons
مدى توفُّر مجموعة البيانات
2022-08-30T00:00:00Z–2022-08-30T00:00:00Z
الجهة المنتِجة لمجموعة البيانات
مقتطف Earth Engine
FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v2/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v2/polygons_FeatureView")
العلامات
إفريقيا
asia
مبنى
مبني
open-buildings
السكان
جنوب آسيا
جنوب شرق آسيا
البنية
جدول

الوصف

تتألف مجموعة البيانات المفتوحة هذه على نطاق واسع من مخططات تفصيلية للمباني مستمدة من صور الأقمار الصناعية العالية الدقة التي تبلغ دقتها 50 سنتيمترًا. وتحتوي على 816 مليون عملية رصد للمباني في إفريقيا وجنوب آسيا وجنوب شرق آسيا. وقد شمل الاستنتاج مساحة تبلغ 39.1 مليون كيلومتر مربّع.

وتتضمّن البيانات الخاصة بكل مبنى المضلّع الذي يصف مساحته على الأرض، ونقاط ثقة تشير إلى مدى تأكّدنا من أنّ هذا الهيكل هو مبنى بالفعل، ورمز Plus Code يحدّد بدقة موقع المبنى. لا تتوفّر أي معلومات عن نوع المبنى أو عنوان الشارع أو أي تفاصيل أخرى غير شكله الهندسي.

تفيد مساحات المباني في مجموعة من التطبيقات المهمة، بدءًا من تقدير عدد السكان والتخطيط الحضري والاستجابة الإنسانية وصولاً إلى العلوم البيئية والمناخية. وبما أنّ المشروع مقره في غانا، فإنّ التركيز الحالي ينصب على قارة إفريقيا.

تم إجراء الاستنتاج خلال شهر أغسطس 2022.

لمزيد من التفاصيل، يُرجى الاطّلاع على الموقع الإلكتروني الرسمي لمجموعة بيانات Open Buildings.

يُرجى العِلم أنّ الإصدارات المعدَّلة من هذه البيانات متاحة. يتوفّر أحدث إصدار، وهو الإصدار 3.0 (الذي تم إجراء الاستنتاج فيه في مايو 2023)، باسم GOOGLE/Research/open-buildings/v3/polygons.

مخطط الجدول

مخطط الجدول

الاسم النوع الوصف
area_in_meters مزدوج

مساحة المضلّع بالمتر المربّع
confidence مزدوج

نقاط الثقة [0.5؛1.0] التي يحدّدها النموذج
full_plus_code STRING

رمز Plus Code الكامل في مركز المضلّع الخاص بالمبنى
longitude_latitude الشكل الهندسي

مركز المضلّع

بنود الاستخدام

بنود الاستخدام

CC-BY-4.0

الاقتباسات

المراجع

  • دبليو سيركو، إس كاشوبين، إم ريتر، إيه أنكاه، واي. إس. إي. بوشارب، واي دوفين، دي كيزرز، إم نيومان، إم سيسيه، جيه. إيه. كوين Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021.

الاستكشاف باستخدام Earth Engine

أداة تعديل الرموز (JavaScript)

// Visualization of GOOGLE/Research/open-buildings/v2/polygons.

var t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v2/polygons');

var t_060_065 = t.filter('confidence >= 0.60 && confidence < 0.65');
var t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.70');
var t_gte_070 = t.filter('confidence >= 0.70');

Map.addLayer(t_060_065, {color: 'FF0000'}, 'Buildings confidence [0.60; 0.65)');
Map.addLayer(t_065_070, {color: 'FFFF00'}, 'Buildings confidence [0.65; 0.70)');
Map.addLayer(t_gte_070, {color: '00FF00'}, 'Buildings confidence >= 0.70');
Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.setOptions('SATELLITE');

إعداد Python

يُرجى الاطّلاع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة تطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v2/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v2/polygons')

t_060_065 = t.filter('confidence >= 0.60 && confidence < 0.65')
t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.70')
t_gte_070 = t.filter('confidence >= 0.70');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_060_065, {'color': 'FF0000'}, 'Buildings confidence [0.60; 0.65)')
m.add_layer(t_065_070, {'color': 'FFFF00'}, 'Buildings confidence [0.65; 0.70)')
m.add_layer(t_gte_070, {'color': '00FF00'}, 'Buildings confidence >= 0.70')
m
فتح في أداة تعديل الرموز"

العرض كـ FeatureView

FeatureView هو تمثيل سريع للقراءة فقط من FeatureCollection. لمزيد من التفاصيل، يُرجى الاطّلاع على مستندات FeatureView.

أداة تعديل الرموز (JavaScript)

var fvLayer = ui.Map.FeatureViewLayer(
  'GOOGLE/Research/open-buildings/v2/polygons_FeatureView');

var visParams = {
  rules: [
    {
      filter: ee.Filter.expression('confidence >= 0.60 && confidence < 0.65'),
      color: 'FF0000'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.65 && confidence < 0.70'),
      color: 'FFFF00'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.70'),
      color: '00FF00'
    },
  ]
};

fvLayer.setVisParams(visParams);
fvLayer.setName('Buildings');

Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.add(fvLayer);
Map.setOptions('SATELLITE');

إعداد Python

يُرجى الاطّلاع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة تطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v2/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v2/polygons')

t_060_065 = t.filter('confidence >= 0.60 && confidence < 0.65')
t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.70')
t_gte_070 = t.filter('confidence >= 0.70');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_060_065, {'color': 'FF0000'}, 'Buildings confidence [0.60; 0.65)')
m.add_layer(t_065_070, {'color': 'FFFF00'}, 'Buildings confidence [0.65; 0.70)')
m.add_layer(t_gte_070, {'color': '00FF00'}, 'Buildings confidence >= 0.70')
m
فتح في أداة تعديل الرموز"
تتألف مجموعة البيانات المفتوحة هذه على نطاق واسع من مخططات تفصيلية للمباني مستمدة من صور الأقمار الصناعية العالية الدقة التي تبلغ دقتها 50 سنتيمترًا. وتحتوي على 816 مليون عملية رصد للمباني في إفريقيا وجنوب آسيا وجنوب شرق آسيا. وقد شمل الاستنتاج مساحة تبلغ 39.1 مليون كيلومتر مربّع. وتتضمّن البيانات الخاصة بكل مبنى المضلّع الذي يصف مساحته على الأرض…
GOOGLE/Research/open-buildings/v2/polygons, africa,asia,building,built-up,open-buildings,population,south-asia,southeast-asia,table
2022-08-30T00:00:00Z/2022-08-30T00:00:00Z
‎-90 -180 90 180
Google Earth Engine