Open Buildings V2 Polygons [deprecated]

GOOGLE/Research/open-buildings/v2/polygons
ডেটাসেটের উপলভ্যতা
2022-08-30T00:00:00Z–2022-08-30T00:00:00Z
ডেটাসেট প্রোডিউসার
Earth Engine স্নিপেট
FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v2/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v2/polygons_FeatureView")
ট্যাগ
আফ্রিকা
asia
অট্টালিকা
বিল্ট-আপ
open-buildings
জনসংখ্যা
দক্ষিণ-এশিয়া
southeast-asia
স্ট্রাকচার
টেবিল

বিবরণ

এই বড় মাপের ওপেন ডেটাসেটে হাই-রেজোলিউশন ৫০ সেমি স্যাটেলাইট ইমেজ থেকে পাওয়া বিল্ডিংয়ের আউটলাইন রয়েছে। এতে আফ্রিকা, দক্ষিণ এশিয়া ও দক্ষিণ-পূর্ব এশিয়ায় ৮১৬ মিলিয়ন বিল্ডিং শনাক্তকরণ সংক্রান্ত তথ্য রয়েছে। অনুমানটি ৩৯.১M কিমি² এলাকা জুড়ে বিস্তৃত।

এই ডেটাসেটের প্রতিটি বিল্ডিংয়ের জন্য আমরা পলিগন অন্তর্ভুক্ত করি যা গ্রাউন্ডে এর ফুটপ্রিন্ট বর্ণনা করে, একটি কনফিডেন্স স্কোর যা নির্দেশ করে যে এটি একটি বিল্ডিং এবং বিল্ডিংয়ের কেন্দ্রের সাথে সম্পর্কিত একটি Plus Code। বিল্ডিংয়ের ধরন, রাস্তার ঠিকানা বা এর জ্যামিতি ছাড়া অন্য কোনও বিবরণ সম্পর্কে কোনও তথ্য নেই।

বিল্ডিং ফুটপ্রিন্ট বিভিন্ন গুরুত্বপূর্ণ অ্যাপ্লিকেশনের জন্য উপযোগী: জনসংখ্যার অনুমান, নগর পরিকল্পনা এবং মানবিক প্রতিক্রিয়া থেকে শুরু করে পরিবেশ ও জলবায়ু বিজ্ঞান পর্যন্ত। প্রোজেক্টটি ঘানায় শুরু করা হয়েছে, তাই বর্তমানে আফ্রিকা মহাদেশের উপর ফোকাস করা হচ্ছে।

আগস্ট ২০২২-এ ইনফারেন্স করা হয়েছে।

আরও তথ্যের জন্য, Open Buildings ডেটাসেটের অফিসিয়াল ওয়েবসাইট দেখুন।

মনে রাখবেন, এই ডেটার আপডেট করা ভার্সন উপলভ্য আছে। সবচেয়ে নতুন ভার্সন, ভার্সন ৩.০ (মে ২০২৩-এ অনুমান করা হয়েছে), GOOGLE/Research/open-buildings/v3/polygons হিসেবে উপলভ্য।

টেবিল স্কিমা

টেবিল স্কিমা

নাম ধরন বিবরণ
area_in_meters ডবল সাইজ

বর্গ মিটারে পলিগনের ক্ষেত্রফল।

কনফিডেন্স ডবল সাইজ

মডেলের দ্বারা অ্যাসাইন করা কনফিডেন্স স্কোর [0.5;1.0]।

full_plus_code STRING

বিল্ডিংয়ের পলিগন সেন্ট্রয়েডে সম্পূর্ণ Plus Code।

longitude_latitude জ্যামিতি

বহুভুজের কেন্দ্রবিন্দু।

ব্যবহারের শর্তাদি

ব্যবহারের শর্তাবলী

CC-BY-4.0

উদ্ধৃতি

উদ্ধৃতি:
  • W Sirko, S. Kashubin, M. Ritter, A. Annkah, Y.S.E. Bouchareb, Y. Dauphin, D. Keysers, M. Neumann, M. Cisse, J.A. Quinn. Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021.

Earth Engine-এর সাহায্যে এক্সপ্লোর করুন

কোড এডিটর (জাভাস্ক্রিপ্ট)

// 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');

Python সেট-আপ

Python API সম্পর্কে তথ্য এবং ইন্টার‍্যাক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার ব্যাপারে জানতে Python এনভায়রনমেন্ট পৃষ্ঠা দেখুন।

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
কোড এডিটরে খুলুন

FeatureView হিসেবে ভিজ্যুয়ালাইজ করুন

FeatureView হল FeatureCollection-এর কেবলমাত্র দেখার জন্য, দ্রুত লোড হওয়া উপস্থাপনা। আরও বিবরণের জন্য, FeatureView ডকুমেন্টেশন দেখুন।

কোড এডিটর (জাভাস্ক্রিপ্ট)

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');

Python সেট-আপ

Python API সম্পর্কে তথ্য এবং ইন্টার‍্যাক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার ব্যাপারে জানতে Python এনভায়রনমেন্ট পৃষ্ঠা দেখুন।

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
কোড এডিটরে খুলুন