Open Buildings V2 Polygons [deprecated]

Achtung: Dieses Dataset wurde durch GOOGLE/Research/open-buildings/v3/polygons ersetzt.

Verfügbarkeit des Datasets

2022-08-30T00:00:00Z–2022-08-30T00:00:00Z

Ersteller des Datasets

Google Research – Open Buildings

Earth Engine-Snippet

FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v2/polygons")

FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v2/polygons_FeatureView")

Tags

africa

asia

building

built-up

open-buildings

population

south-asia

southeast-asia

structure

table

Beschreibung

Dieses umfangreiche offene Dataset besteht aus Umrissen von Gebäuden, die aus hochauflösenden Satellitenbildern mit 50 cm Auflösung abgeleitet wurden. Es enthält 816 Millionen Gebäudeerkennungen in Afrika, Südasien und Südostasien. Die Inferenz umfasste eine Fläche von 39,1 Millionen Quadratkilometern.

Für jedes Gebäude in diesem Dataset geben wir das Polygon an, das seinen Umriss beschreibt, einen Konfidenzwert, der anzeigt, wie sicher wir sind, dass es sich um ein Gebäude handelt, und einen Plus Code, der der Mitte des Gebäudes entspricht. Es sind keine Informationen zum Gebäudetyp, zur Adresse oder zu anderen Details als der Geometrie verfügbar.

Gebäudeumrisse sind für eine Reihe wichtiger Anwendungen nützlich, von der Schätzung der Bevölkerungszahl über die Stadtplanung und humanitäre Hilfe bis hin zur Umwelt- und Klimawissenschaft. Da das Projekt in Ghana angesiedelt ist, liegt der aktuelle Schwerpunkt auf dem afrikanischen Kontinent.

Die Inferenz wurde im August 2022 durchgeführt.

Weitere Informationen finden Sie auf der offiziellen Website des Open Buildings-Datasets.

Es sind aktualisierte Versionen dieser Daten verfügbar. Die neueste Version, Version 3.0 (mit Inferenz im Mai 2023), ist als GOOGLE/Research/open-buildings/v3/polygons verfügbar.

Tabellenschema

Tabellenschema

Name	Typ	Beschreibung
area_in_meters	DOUBLE	Fläche des Polygons in Quadratmetern.
confidence	DOUBLE	Konfidenzwert [0,5; 1,0], der vom Modell zugewiesen wurde.
full_plus_code	STRING	Der vollständige Plus Code am Schwerpunkt des Gebäude-Polygons.
longitude_latitude	GEOMETRY	Schwerpunkt des Polygons.

Nutzungsbedingungen

Nutzungsbedingungen

CC-BY-4.0

Zitate

Quellenangaben:

• 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.

Die Earth Engine nutzen

Wichtig: Die Earth Engine ist eine Plattform für die wissenschaftliche Analyse und Visualisierung von Geo-Datasets im Petabyte-Bereich, sowohl für die Öffentlichkeit als auch für Unternehmen und Behörden. Die Earth Engine kann kostenlos für Forschungs-, Bildungs- und gemeinnützige Zwecke verwendet werden. Registrieren Sie sich für den Zugriff auf die Earth Engine, um loszulegen.

Code-Editor (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');

Python einrichten

Weitere Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

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

Open in Code Editor

Als FeatureView visualisieren

Ein FeatureView ist eine schreibgeschützte, beschleunigte Darstellung einer FeatureCollection. Weitere Informationen finden Sie in der FeatureView Dokumentation.

Wichtig: Die Earth Engine ist eine Plattform für die wissenschaftliche Analyse und Visualisierung von Geo-Datasets im Petabyte-Bereich, sowohl für die Öffentlichkeit als auch für Unternehmen und Behörden. Die Earth Engine kann kostenlos für Forschungs-, Bildungs- und gemeinnützige Zwecke verwendet werden. Registrieren Sie sich für den Zugriff auf die Earth Engine, um loszulegen.

Code-Editor (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');

Python einrichten

Weitere Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

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

Open in Code Editor

Open Buildings V2 Polygons [deprecated]

Dieses umfangreiche offene Dataset besteht aus Umrissen von Gebäuden, die aus hochauflösenden Satellitenbildern mit 50 cm Auflösung abgeleitet wurden. Es enthält 816 Millionen Gebäudeerkennungen in Afrika, Südasien und Südostasien. Die Inferenz umfasste eine Fläche von 39,1 Millionen Quadratkilometern.Für jedes Gebäude in diesem Dataset geben wir das Polygon an, das seinen Umriss beschreibt.

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

https://developers.google.com/earth-engine/datasets