Open Buildings V3 Polygons

GOOGLE/Research/open-buildings/v3/Polygons
در دسترس بودن مجموعه داده
2023-05-30T00:00:00Z–2023-05-30T00:00:00Z
ارائه دهنده مجموعه داده
قطعه موتور زمین
مجموعه ویژگی
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")
FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")
برچسب ها
آفريقا آسيا ساختمان ساخته شده ساختمانهاي باز جمعيت جنوب آسيا جنوب شرقي آسيا ساختار جدول

توضیحات

این مجموعه داده باز در مقیاس بزرگ شامل خطوط کلی ساختمان ها است که از تصاویر ماهواره ای 50 سانتی متری با وضوح بالا به دست آمده است. این شامل 1.8B تشخیص ساختمان در آفریقا، آمریکای لاتین، کارائیب، آسیای جنوبی و آسیای جنوب شرقی است. این استنتاج مساحتی معادل 58 میلیون کیلومتر مربع را در بر می گرفت.

برای هر ساختمان در این مجموعه داده، چند ضلعی را که ردپای آن را بر روی زمین توصیف می‌کند، یک امتیاز اطمینان که نشان می‌دهد چقدر مطمئن هستیم که این یک ساختمان است، و یک کد پلاس مربوط به مرکز ساختمان را اضافه می‌کنیم. از نوع ساختمان، نشانی خیابان و جزییات دیگری جز هندسه آن اطلاعی در دست نیست.

ردپای ساختمان برای طیف وسیعی از کاربردهای مهم مفید است: از تخمین جمعیت، برنامه ریزی شهری و پاسخ بشردوستانه تا علوم محیطی و آب و هوا. این پروژه در غنا، با تمرکز اولیه بر روی قاره آفریقا و به روز رسانی های جدید در آسیای جنوبی، آسیای جنوب شرقی، آمریکای لاتین و کارائیب است.

استنباط در ماه می 2023 انجام شد.

برای جزئیات بیشتر به وب سایت رسمی مجموعه داده ساختمان های باز مراجعه کنید.

طرح واره جدول

طرح واره جدول

نام تایپ کنید توضیحات
مساحت_در_متر دوبل

مساحت چند ضلعی بر حسب متر مربع.

اعتماد به نفس دوبل

امتیاز اطمینان [0.65; 1.0] اختصاص داده شده توسط مدل.

full_plus_code STRING

کد پلاس کامل در مرکز چند ضلعی ساختمان.

طول و عرض جغرافیایی هندسه

مرکز چندضلعی.

شرایط استفاده

شرایط استفاده

CC-BY-4.0

نقل قول ها

نقل قول ها:
  • دبلیو سیرکو، اس. کاشوبین، ام. ریتر، آ. آنکا، وای اس ای بوچارب، ی. دافین، دی. کیزرز، ام. نیومن، ام. سیسه، جی کوئین. تشخیص ساختمان در مقیاس قاره از تصاویر ماهواره ای با وضوح بالا. arXiv:2107.12283 ، 2021.

با Earth Engine کاوش کنید

ویرایشگر کد (جاوا اسکریپت)

// 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');
در ویرایشگر کد باز کنید

به عنوان FeatureView تجسم کنید

FeatureView یک نمایش تسریع شده از یک FeatureCollection فقط برای مشاهده است. برای جزئیات بیشتر، به مستندات FeatureView مراجعه کنید.

ویرایشگر کد (جاوا اسکریپت)

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');
در ویرایشگر کد باز کنید