Open Buildings V3 Polygons

GOOGLE/Research/open-buildings/v3/polygons
डेटासेट की उपलब्धता
2023-05-30T00:00:00Z–2023-05-30T00:00:00Z
डेटासेट प्रोड्यूसर
Earth Engine का स्निपेट
FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")
टैग
africa asia building built-up open-buildings population south-asia southeast-asia table
स्ट्रक्चर

ब्यौरा

यह बड़े पैमाने पर उपलब्ध ओपन डेटासेट है. इसमें इमारतों की आउटलाइन शामिल हैं. ये आउटलाइन, 50 सेमी की हाई-रिज़ॉल्यूशन वाली सैटलाइट इमेज से ली गई हैं. इसमें अफ़्रीका, लैटिन अमेरिका, कैरेबियन, दक्षिण एशिया, और दक्षिणपूर्व एशिया में मौजूद 1.8 अरब इमारतों की पहचान की जानकारी शामिल है. अनुमानित क्षेत्र 5.8 करोड़ वर्ग किलोमीटर में फैला हुआ है.

इस डेटासेट में मौजूद हर इमारत के लिए, हम एक पॉलीगॉन शामिल करते हैं, जिससे ज़मीन पर इमारत के फ़ुटप्रिंट के बारे में जानकारी मिलती है. साथ ही, हम एक कॉन्फ़िडेंस स्कोर भी शामिल करते हैं, जिससे यह पता चलता है कि यह इमारत है या नहीं. इसके अलावा, हम इमारत के केंद्र से मेल खाने वाला एक Plus Code भी शामिल करते हैं. इसमें बिल्डिंग के टाइप, उसके पते या उसकी ज्यामिति के अलावा किसी अन्य जानकारी के बारे में कोई जानकारी नहीं है.

बिल्डिंग फ़ुटप्रिंट, कई ज़रूरी कामों के लिए मददगार होते हैं. जैसे, जनसंख्या का अनुमान लगाना, शहरी नियोजन, मानवीय सहायता, पर्यावरण और जलवायु विज्ञान. यह प्रोजेक्ट घाना में शुरू किया गया है. शुरुआत में, इसका फ़ोकस अफ़्रीका महाद्वीप पर था. अब दक्षिण एशिया, दक्षिण-पूर्व एशिया, लैटिन अमेरिका, और कैरेबियन के लिए नए अपडेट उपलब्ध कराए जा रहे हैं.

मई 2023 के दौरान, अनुमान लगाया गया था.

ज़्यादा जानकारी के लिए, Open Buildings डेटासेट की आधिकारिक वेबसाइट देखें.

टेबल स्कीमा

टेबल स्कीमा

नाम टाइप ब्यौरा
area_in_meters DOUBLE

पॉलीगॉन का क्षेत्रफल, वर्ग मीटर में.
कॉन्फ़िडेंस DOUBLE

मॉडल ने कॉन्फ़िडेंस स्कोर [0.65;1.0] असाइन किया है.
full_plus_code स्ट्रिंग

बिल्डिंग पॉलीगॉन के सेंट्रॉइड पर मौजूद पूरा Plus Code.
longitude_latitude GEOMETRY

पॉलीगॉन का केंद्रक.

इस्तेमाल की शर्तें

इस्तेमाल की शर्तें

CC-BY-4.0

उद्धरण

उद्धरण:

  • डब्ल्यू॰ सिरको, एस. कशुबिन, एम. Ritter, A. अन्नकाह, वाई॰एस॰ई॰ बूशारेब, वाई॰ Dauphin, D. Keysers, M. Neumann, M. सिसे, जे॰ए॰ क्विन. हाई रिज़ॉल्यूशन वाली सैटलाइट इमेज से, महाद्वीप के पैमाने पर इमारतों का पता लगाना. arXiv:2107.12283, 2021.

Earth Engine की मदद से एक्सप्लोर करें

कोड एडिटर (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');

Python सेटअप करना

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट पेज देखें.

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
कोड एडिटर में खोलें

FeatureView के तौर पर विज़ुअलाइज़ करना

FeatureView, FeatureCollection का सिर्फ़ व्यू-ओनली और ऐक्सेलरेटेड वर्शन होता है. ज़्यादा जानकारी के लिए, FeatureView दस्तावेज़ पर जाएं.

कोड एडिटर (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');

Python सेटअप करना

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट पेज देखें.

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
कोड एडिटर में खोलें
यह बड़े पैमाने पर उपलब्ध ओपन डेटासेट है. इसमें 50 सेमी की हाई-रिज़ॉल्यूशन वाली सैटलाइट इमेज से ली गई इमारतों की आउटलाइन शामिल हैं. इसमें अफ़्रीका, लैटिन अमेरिका, कैरेबियन, दक्षिण एशिया, और दक्षिणपूर्व एशिया में मौजूद 1.8 अरब इमारतों की पहचान की जानकारी शामिल है. अनुमानित क्षेत्र 5.8 करोड़ वर्ग किलोमीटर है. इस डेटासेट में मौजूद हर इमारत के लिए, हम एक पॉलीगॉन शामिल करते हैं, जिससे …
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