Open Buildings V3 Polygons

GOOGLE/Research/open-buildings/v3/polygons
مدى توفُّر مجموعة البيانات
2023-05-30T00:00:00Z–2023-05-30T00:00:00Z
الشركة المقدّمة لمجموعة البيانات
مقتطف Earth Engine
FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")
العلامات
africa asia building built-up open-buildings population south-asia southeast-asia table
البنية

الوصف

تتألف مجموعة البيانات المفتوحة هذه على نطاق واسع من مخططات تفصيلية للمباني مستمدة من صور الأقمار الصناعية العالية الدقة (50 سنتيمترًا). وتحتوي على 1.8 مليار عملية رصد للمباني في أفريقيا وأمريكا اللاتينية ومنطقة البحر الكاريبي وجنوب آسيا وجنوب شرق آسيا. وقد شمل الاستنتاج منطقة تبلغ مساحتها 58 مليون كيلومتر مربّع.

وتتضمّن البيانات الخاصة بكل مبنى المضلّع الذي يصف مساحته على الأرض، ونقاط ثقة تشير إلى مدى تأكّدنا من أنّ هذا الهيكل هو مبنى بالفعل، ورمز Plus Code يحدّد بدقة موقع المبنى. لا تتوفّر أي معلومات عن نوع المبنى أو عنوانه أو أي تفاصيل أخرى غير شكله الهندسي.

تفيد مساحات المباني في مجموعة من التطبيقات المهمة، بدءًا من تقدير عدد السكان والتخطيط الحضري والاستجابة الإنسانية وصولاً إلى العلوم البيئية والمناخية. يقع مقرّ المشروع في غانا، مع التركيز في البداية على قارة أفريقيا، وتتوفّر تحديثات جديدة حول جنوب آسيا وجنوب شرق آسيا وأمريكا اللاتينية ومنطقة البحر الكاريبي.

تم إجراء الاستنتاج خلال شهر مايو 2023.

لمزيد من التفاصيل، يُرجى الاطّلاع على الموقع الإلكتروني الرسمي لمجموعة بيانات Open Buildings.

مخطط الجدول

مخطط الجدول

الاسم النوع الوصف
area_in_meters مزدوج

مساحة المضلّع بالمتر المربّع
confidence مزدوج

نقاط الثقة التي يحدّدها النموذج، وتتراوح بين 0.65 و1.0
full_plus_code STRING

رمز Plus Code الكامل في مركز المضلّع الخاص بالمبنى
longitude_latitude الشكل الهندسي

مركز المضلّع

بنود الاستخدام

بنود الاستخدام

CC-BY-4.0

الاقتباسات

المراجع

  • دبليو سيركو، إس كاشوبين، إم ريتر، إيه أنكاه، واي. إس. إي. بوشارب، واي دوفين، دي كيزرز، إم نيومان، إم سيسيه، جيه. إيه. كوين Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021.

الاستكشاف باستخدام Earth Engine

أداة تعديل الرموز (JavaScript)

// Visualization of GOOGLE/Research/open-buildings/v3/polygons.

var t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons');

var t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7');
var t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75');
var t_gte_075 = t.filter('confidence >= 0.75');

Map.addLayer(t_065_070, {color: 'FF0000'}, 'Buildings confidence [0.65; 0.7)');
Map.addLayer(t_070_075, {color: 'FFFF00'}, 'Buildings confidence [0.7; 0.75)');
Map.addLayer(t_gte_075, {color: '00FF00'}, 'Buildings confidence >= 0.75');
Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.setOptions('SATELLITE');

إعداد Python

يُرجى الاطّلاع على صفحة بيئة Python للحصول على معلومات عن Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v3/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons')

t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7')
t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75')
t_gte_075 = t.filter('confidence >= 0.75');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_065_070, {'color': 'FF0000'}, 'Buildings confidence [0.65; 0.7)')
m.add_layer(t_070_075, {'color': 'FFFF00'}, 'Buildings confidence [0.7; 0.75)')
m.add_layer(t_gte_075, {'color': '00FF00'}, 'Buildings confidence >= 0.75')
m
فتح في أداة تعديل الرموز"

العرض كـ FeatureView

FeatureView هو تمثيل سريع للقراءة فقط من FeatureCollection. لمزيد من التفاصيل، يُرجى الانتقال إلى FeatureView مستندات.

أداة تعديل الرموز (JavaScript)

var fvLayer = ui.Map.FeatureViewLayer(
  'GOOGLE/Research/open-buildings/v3/polygons_FeatureView');

var visParams = {
  rules: [
    {
      filter: ee.Filter.expression('confidence >= 0.65 && confidence < 0.7'),
      color: 'FF0000'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.7 && confidence < 0.75'),
      color: 'FFFF00'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.75'),
      color: '00FF00'
    },
  ]
};

fvLayer.setVisParams(visParams);
fvLayer.setName('Buildings');

Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.add(fvLayer);
Map.setOptions('SATELLITE');

إعداد Python

يُرجى الاطّلاع على صفحة بيئة Python للحصول على معلومات عن Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Visualization of GOOGLE/Research/open-buildings/v3/polygons.
t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v3/polygons')

t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.7')
t_070_075 = t.filter('confidence >= 0.7 && confidence < 0.75')
t_gte_075 = t.filter('confidence >= 0.75');

m = geemap.Map()
m.set_center(3.389, 6.492, 17)
m.add_layer(t_065_070, {'color': 'FF0000'}, 'Buildings confidence [0.65; 0.7)')
m.add_layer(t_070_075, {'color': 'FFFF00'}, 'Buildings confidence [0.7; 0.75)')
m.add_layer(t_gte_075, {'color': '00FF00'}, 'Buildings confidence >= 0.75')
m
فتح في أداة تعديل الرموز"
تتألف مجموعة البيانات المفتوحة هذه على نطاق واسع من مخططات تفصيلية للمباني مستمدة من صور الأقمار الصناعية العالية الدقة (50 سنتيمترًا). وتحتوي على 1.8 مليار عملية رصد للمباني في أفريقيا وأمريكا اللاتينية ومنطقة البحر الكاريبي وجنوب آسيا وجنوب شرق آسيا. وقد شمل الاستنتاج منطقة تبلغ مساحتها 58 مليون كيلومتر مربّع. وتتضمّن البيانات الخاصة بكل مبنى المضلّع الذي يصف …
‫GOOGLE/Research/open-buildings/v3/polygons, africa,asia,building,built-up,open-buildings,population,south-asia,southeast-asia,table
2023-05-30T00:00:00Z/2023-05-30T00:00:00Z
‎-90 -180 90 180
Google Earth Engine