- دردسترس بودن مجموعه داده
- 2022-08-30T00:00:00Z–2022-08-30T00:00:00Z
- تولیدکننده مجموعه داده
- Google Research - Open Buildings
- برچسبها
شرح
این مجموعه داده باز در مقیاس بزرگ شامل طرحهای کلی ساختمانها است که از تصاویر ماهوارهای با وضوح بالای ۵۰ سانتیمتر بهدست آمده است. این مجموعه داده شامل ۸۱۶ میلیون ساختمان شناساییشده در افریقا، جنوب آسیا، و جنوب شرق آسیا است. استنتاج منطقهای به وسعت ۳۹٫۱ میلیون کیلومتر مربع را دربرمیگیرد.
این اطلاعات برای هر ساختمان در این مجموعه داده اضافه میشود: چندضلعی نشاندهنده ردپای آن روی زمین، امتیاز سطح اطمینان که نشان میدهد چقدر مطمئنیم ساختمان است، و Plus Code متناظر با مرکز ساختمان. هیچ اطلاعاتی درباره نوع ساختمان، نشانی خیابان آن، یا جزئیات دیگری غیراز هندسه آن وجود ندارد.
ردپای ساختمانها برای طیف وسیعی از کاربردهای مهم مفید است: از برآورد جمعیت، برنامهریزی شهری، و پاسخ بشردوستانه گرفته تا علوم محیطی و اقلیمی. ازآنجاکه این پروژه در غنا مستقر است، تمرکز فعلی بر قاره آفریقا است.
استنتاج در اوت ۲۰۲۲ انجام شد.
برای جزئیات بیشتر، به وبسایت رسمی مجموعه داده Open Buildings مراجعه کنید.
توجه داشته باشید که نسخههای بهروزشده این دادهها دردسترس است. جدیدترین نسخه، نسخه ۳.۰ (با استنتاج انجامشده در مه ۲۰۲۳)، بهصورت GOOGLE/Research/open-buildings/v3/polygons دردسترس است.
طرحواره جدول
طرحواره جدول
| نام | نوع | شرح |
|---|---|---|
| area_in_meters | دوبرابر | مساحت چندضلعی به متر مربع. |
| اطمینان | دوبرابر | امتیاز اطمینان [0.5;1.0] اختصاصدادهشده توسط مدل. |
| full_plus_code | رشته | Plus Code کامل در مرکزوار چندضلعی ساختمان. |
| longitude_latitude | هندسه | مرکز چندضلعی. |
شرایط استفاده
شرایط استفاده
نقلقولها
دبلیو 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.
کاوش با Earth Engine
ویرایشگر کد (جاوا اسکریپت)
// 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');
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
دیداریسازی بهعنوان FeatureView
FeatureView نمایشی شتابیافته و محدود به دیدن از FeatureCollection است. برای جزئیات بیشتر، به
FeatureView اسناد مراجعه کنید.
ویرایشگر کد (جاوا اسکریپت)
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');
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