Open Buildings V2 Polygons [deprecated]

GOOGLE/Research/open-buildings/v2/polygons
Доступность набора данных
2022-08-30T00:00:00Z–2022-08-30T00:00:00Z
Поставщик набора данных
Фрагмент кода Earth Engine
FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v2/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v2/polygons_FeatureView")
Теги
африка
asia
сборка
застроенный
open-buildings
количество человек
south-asia
southeast-asia
структура
стол

Описание

Этот крупномасштабный открытый набор данных состоит из контуров зданий, полученных на основе спутниковых снимков с высоким разрешением (50 см). Он содержит 816 млн зданий в Африке, Южной и Юго-Восточной Азии. Вывод охватил площадь 39,1 млн км².

Для каждого здания в этом наборе данных мы указываем многоугольник основания, оценку того, насколько мы уверены, что это здание, и код Plus Code, соответствующий центру здания. Нет информации о типе здания, его почтовом адресе или каких-либо других деталях, кроме его геометрии.

Контуры зданий полезны для решения множества важных задач: от оценки численности населения, городского планирования и гуманитарного реагирования до исследований в области экологии и климатологии. Поскольку проект базируется в Гане, в настоящее время основное внимание уделяется африканскому континенту.

Инференс был проведен в августе 2022 г.

Подробную информацию можно найти на официальном сайте набора данных Open Buildings.

Обратите внимание, что доступны обновленные версии этих данных. Последняя версия 3.0 (с выводом, выполненным в мае 2023 г.) доступна по адресу GOOGLE/Research/open-buildings/v3/polygons.

Схема таблицы

Схема таблицы

Название Тип Описание
area_in_meters DOUBLE

Площадь многоугольника в квадратных метрах.

доверие DOUBLE

Индекс достоверности [0,5; 1,0], присвоенный моделью.

full_plus_code STRING

Полный код Plus Code в центроиде многоугольника здания.

longitude_latitude GEOMETRY

Центроид многоугольника.

Условия использования

Условия использования

CC-BY-4.0

Библиографические ссылки

Источники:
  • 105 лет 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.

Исследуйте с помощью Earth Engine

Редактор кода (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');

Настройка Python

Дополнительную информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда 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
Открыть в редакторе кода

Визуализация в виде FeatureView

FeatureView – это ускоренная версия FeatureCollection, доступная только для просмотра. Подробную информацию можно найти в документации по FeatureView.

Редактор кода (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');

Настройка Python

Дополнительную информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда 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
Открыть в редакторе кода