Open Buildings V2 Polygons [deprecated]

Attention : Cet ensemble de données a été remplacé par GOOGLE/Research/open-buildings/v3/polygons.

Disponibilité de l'ensemble de données

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

Producteur de l'ensemble de données

Google Research - Open Buildings

Aperçu de Google Earth Engine

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

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

Tags

afrique

asia

bâtiments

construit

open-buildings

population

asie-du-sud

asie-du-sud-est

structure

table

Description

Cet ensemble de données ouvert à grande échelle est constitué de contours de bâtiments dérivés d'images satellite haute résolution de 50 cm. Il contient 816 millions de détections de bâtiments en Afrique, en Asie du Sud et en Asie du Sud-Est. L'inférence a porté sur une superficie de 39,1 millions de km².

Pour chaque bâtiment de cet ensemble de données, nous incluons le polygone décrivant son emprise au sol, un indice de confiance indiquant notre degré de certitude qu'il s'agit d'un bâtiment et un Plus Code correspondant au centre du bâtiment. Aucune information n'est disponible sur le type de bâtiment, son adresse ou tout autre détail que sa géométrie.

Les emprises de bâtiments sont utiles pour diverses applications importantes : estimation de la population, planification urbaine, réponse humanitaire, sciences de l'environnement et du climat, etc. Le projet étant basé au Ghana, l'accent est actuellement mis sur le continent africain.

L'inférence a été effectuée en août 2022.

Pour en savoir plus, consultez le site Web officiel de l'ensemble de données Open Buildings.

Notez que des versions mises à jour de ces données sont disponibles. La version la plus récente, la version 3.0 (avec inférence effectuée en mai 2023), est disponible sous la forme GOOGLE/Research/open-buildings/v3/polygons.

Schéma de la table

Schéma de la table

Nom	Type	Description
area_in_meters	DOUBLE	Superficie en mètres carrés du polygone.
confiance	DOUBLE	Score de confiance [0,5 ; 1,0] attribué par le modèle.
full_plus_code	STRING	Plus Code complet au centroïde du polygone du bâtiment.
longitude_latitude	GEOMETRY	Centroïde du polygone.

Conditions d'utilisation

Conditions d'utilisation

CC-BY-4.0

Citations

Citations:

• 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.

Explorer avec Earth Engine

Important : Earth Engine est une plate-forme d'analyse scientifique et de visualisation à l'échelle du pétaoctet d'ensembles de données géospatiales, au service de l'intérêt général ainsi que des acteurs privés et publics. Earth Engine est un outil libre d'utilisation pour la recherche, l'enseignement et les organisations à but non lucratif. Pour commencer, veuillez demander l'accès à Earth Engine.

Éditeur de code (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');

Configuration de Python

Pour en savoir plus sur l'API Python et sur l'utilisation de geemap pour le développement interactif, consultez la page Environnement Python.

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

Ouvrir dans l'éditeur de code

Visualiser en tant que FeatureView

Un FeatureView est une représentation accélérée en lecture seule d'un FeatureCollection. Pour en savoir plus, consultez la FeatureView documentation.

Important : Earth Engine est une plate-forme d'analyse scientifique et de visualisation à l'échelle du pétaoctet d'ensembles de données géospatiales, au service de l'intérêt général ainsi que des acteurs privés et publics. Earth Engine est un outil libre d'utilisation pour la recherche, l'enseignement et les organisations à but non lucratif. Pour commencer, veuillez demander l'accès à Earth Engine.

Éditeur de code (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');

Configuration de Python

Pour en savoir plus sur l'API Python et sur l'utilisation de geemap pour le développement interactif, consultez la page Environnement Python.

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

Ouvrir dans l'éditeur de code

Polygones Open Buildings V2 [obsolète]

Cet ensemble de données ouvert à grande échelle est constitué de contours de bâtiments dérivés d'images satellite haute résolution de 50 cm. Il contient 816 millions de détections de bâtiments en Afrique, en Asie du Sud et en Asie du Sud-Est. L'inférence a porté sur une superficie de 39,1 millions de km². Pour chaque bâtiment de cet ensemble de données, nous incluons le polygone décrivant son emprise au sol…

GOOGLE/Research/open-buildings/v2/polygons, afrique,asia,bâtiments,construit,open-buildings,population,asie-du-sud,asie-du-sud-est,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