Open Buildings V3 Polygons

GOOGLE/Research/open-buildings/v3/polygons
ডেটাসেটের প্রাপ্যতা
২০২৩-০৫-৩০T০০:০০:০০Z–২০২৩-০৫-৩০T০০:০০:০০Z
ডেটাসেট প্রযোজক
আর্থ ইঞ্জিন স্নিপেট
ফিচার কালেকশন
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")
ফিচারভিউ
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")
ট্যাগ
আফ্রিকা এশিয়া ভবন নির্মিত খোলা ভবন জনসংখ্যা দক্ষিণ এশিয়া দক্ষিণ-পূর্ব এশিয়া সারণী কাঠামো

বর্ণনা

এই বৃহৎ উন্মুক্ত ডেটাসেটটি উচ্চ-রেজোলিউশনের ৫০ সেমি স্যাটেলাইট চিত্র থেকে প্রাপ্ত ভবনসমূহের রূপরেখা নিয়ে গঠিত। এতে আফ্রিকা, ল্যাটিন আমেরিকা, ক্যারিবিয়ান, দক্ষিণ এশিয়া এবং দক্ষিণ-পূর্ব এশিয়ায় ১.৮ বিলিয়ন ভবন শনাক্তকরণ রয়েছে। এই গবেষণাটি ৫৮ মিলিয়ন বর্গ কিলোমিটার এলাকা জুড়ে পরিচালিত হয়েছে।

এই ডেটাসেটের প্রতিটি ভবনের জন্য আমরা ভূমিতে এর ভিত্তিভূমি বর্ণনা করে এমন একটি বহুভুজ, এটি যে একটি ভবন সে বিষয়ে আমরা কতটা নিশ্চিত তা নির্দেশকারী একটি কনফিডেন্স স্কোর এবং ভবনটির কেন্দ্রের সাথে সঙ্গতিপূর্ণ একটি প্লাস কোড অন্তর্ভুক্ত করেছি। ভবনের ধরন, রাস্তার ঠিকানা বা এর জ্যামিতিক গঠন ছাড়া অন্য কোনো বিবরণ সম্পর্কে কোনো তথ্য নেই।

ভবনের নকশা বিভিন্ন গুরুত্বপূর্ণ ক্ষেত্রে উপযোগী: জনসংখ্যা নিরূপণ, নগর পরিকল্পনা এবং মানবিক সহায়তা থেকে শুরু করে পরিবেশ ও জলবায়ু বিজ্ঞান পর্যন্ত। প্রকল্পটি ঘানায় অবস্থিত, যার প্রাথমিক লক্ষ্য আফ্রিকা মহাদেশ এবং পরবর্তীতে দক্ষিণ এশিয়া, দক্ষিণ-পূর্ব এশিয়া, লাতিন আমেরিকা ও ক্যারিবিয়ান অঞ্চলের তথ্য হালনাগাদ করা হবে।

২০২৩ সালের মে মাসে অনুমান প্রক্রিয়াটি সম্পন্ন করা হয়েছিল।

আরও বিস্তারিত তথ্যের জন্য ওপেন বিল্ডিংস ডেটাসেটের অফিসিয়াল ওয়েবসাইট দেখুন।

টেবিল স্কিমা

টেবিল স্কিমা

নাম প্রকার বর্ণনা
মিটারে এলাকা ডাবল

বহুভুজটির ক্ষেত্রফল বর্গমিটারে।

আত্মবিশ্বাস ডাবল

মডেল কর্তৃক নির্ধারিত আত্মবিশ্বাস স্কোর [০.৬৫;১.০]।

পূর্ণ_প্লাস_কোড স্ট্রিং

বিল্ডিং পলিগনের কেন্দ্রবিন্দুতে সম্পূর্ণ প্লাস কোড ।

দ্রাঘিমাংশ_অক্ষাংশ জ্যামিতি

বহুভুজের ভরকেন্দ্র।

ব্যবহারের শর্তাবলী

ব্যবহারের শর্তাবলী

সিসি-বিওয়াই-৪.০

উদ্ধৃতি

উদ্ধৃতি:

  • W. Sirko, S. Kashubin, M. Ritter, A. Annkah, YSE Bouchareb, Y. Dauphin, D. Keysers, M. Neumann, M. Cisse, JA Quinn. উচ্চ রেজোলিউশন স্যাটেলাইট চিত্র থেকে মহাদেশীয়-স্কেল বিল্ডিং সনাক্তকরণ। arXiv:2107.12283 , 2021।

আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// 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');

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহারের তথ্যের জন্য পাইথন এনভায়রনমেন্ট পেজটি দেখুন।

import ee
import geemap.core as geemap

কোলাব (পাইথন) 

# 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
কোড এডিটরে খুলুন

ফিচারভিউ হিসেবে কল্পনা করুন

FeatureView হলো FeatureCollection এর একটি শুধুমাত্র-দর্শনযোগ্য, দ্রুততর উপস্থাপনা। আরও বিস্তারিত জানতে, FeatureView ডকুমেন্টেশন দেখুন।

কোড এডিটর (জাভাস্ক্রিপ্ট) 

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');

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহারের তথ্যের জন্য পাইথন এনভায়রনমেন্ট পেজটি দেখুন।

import ee
import geemap.core as geemap

কোলাব (পাইথন) 

# 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
কোড এডিটরে খুলুন
এই বৃহৎ আকারের উন্মুক্ত ডেটাসেটটি উচ্চ-রেজোলিউশনের ৫০ সেমি স্যাটেলাইট চিত্র থেকে প্রাপ্ত ভবনসমূহের রূপরেখা নিয়ে গঠিত। এতে আফ্রিকা, ল্যাটিন আমেরিকা, ক্যারিবিয়ান, দক্ষিণ এশিয়া এবং দক্ষিণ-পূর্ব এশিয়ায় ১.৮ বিলিয়ন ভবন শনাক্তকরণ রয়েছে। এই অনুমান প্রক্রিয়াটি ৫৮ মিলিয়ন বর্গ কিলোমিটার এলাকা জুড়ে বিস্তৃত ছিল। এই ডেটাসেটের প্রতিটি ভবনের জন্য আমরা এর বর্ণনাকারী বহুভুজটি অন্তর্ভুক্ত করেছি…
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
-৯০ -১৮০ ৯০ ১৮০
গুগল আর্থ ইঞ্জিন