Open Buildings V3 Polygons

Disponibilidade do conjunto de dados

2023-05-30T00:00:00Z–2023-05-30T00:00:00Z

Produtor do conjunto de dados

Google Research - Open Buildings

Snippet do Earth Engine

FeatureCollection
ee.FeatureCollection("GOOGLE/Research/open-buildings/v3/polygons")

FeatureView
ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v3/polygons_FeatureView")

Tags

africa asia building built-up open-buildings population south-asia southeast-asia table

estrutura

Descrição

Esse conjunto de dados aberto em grande escala consiste em contornos de edifícios derivados de imagens de satélite de alta resolução de 50 cm. Ele contém 1,8 bilhão de detecções de edifícios na África, América Latina, Caribe, sul da Ásia e sudeste da Ásia. A inferência abrangeu uma área de 58 milhões de km².

Para cada edifício dele, incluímos o polígono que descreve a sua área ocupada no solo, uma pontuação de confiança que indica o quanto temos certeza de que é um edifício e um Plus Code correspondente ao centro do edifício. Não há informações sobre o tipo de edifício, o endereço da rua ou outros detalhes além da geometria.

As áreas ocupadas pelos edifícios são úteis para uma série de aplicações importantes: desde estimativa populacional, planejamento urbano e resposta humanitária até ciência ambiental e climática. O projeto é baseado em Gana, com foco inicial no continente africano e novas atualizações no sul da Ásia, sudeste da Ásia, América Latina e Caribe.

A inferência foi realizada em maio de 2023.

Para mais detalhes, consulte o site oficial do conjunto de dados Open Buildings.

Esquema da tabela

Esquema da tabela

Nome	Tipo	Descrição
area_in_meters	DOUBLE	Área em metros quadrados do polígono.
confidence	DOUBLE	Pontuação de confiança [0,65;1,0] atribuída pelo modelo.
full_plus_code	STRING	O Plus Code completo no centroide do polígono do edifício.
longitude_latitude	GEOMETRY	Centroide do polígono.

Termos de Uso

Termos de Uso

CC-BY-4.0

Citações

Citações:

• W. 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.

Explore com o Earth Engine

Importante: o Earth Engine é uma plataforma para análise científica e visualização de petabytes de conjuntos de dados geoespaciais, tanto para benefício público quanto para usuários empresariais e governamentais. A plataforma pode ser usada sem custo financeiro para pesquisa, educação e objetivos sem fins lucrativos. Para começar, cadastre-se para ter acesso ao Earth Engine.

Editor de código (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');

Configuração do Python

Consulte a página Ambiente Python (em inglês) para informações sobre a API Python e como usar geemap para desenvolvimento interativo.

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

Abrir no editor de código

Visualizar como FeatureView

Uma FeatureView é uma representação acelerada e somente leitura de um FeatureCollection. Para mais detalhes, acesse a FeatureView documentação.

Importante: o Earth Engine é uma plataforma para análise científica e visualização de petabytes de conjuntos de dados geoespaciais, tanto para benefício público quanto para usuários empresariais e governamentais. A plataforma pode ser usada sem custo financeiro para pesquisa, educação e objetivos sem fins lucrativos. Para começar, cadastre-se para ter acesso ao Earth Engine.

Editor de código (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');

Configuração do Python

Consulte a página Ambiente Python (em inglês) para informações sobre a API Python e como usar geemap para desenvolvimento interativo.

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

Abrir no editor de código

Polígonos da V3 do Open Buildings

Esse conjunto de dados aberto em grande escala consiste em contornos de edifícios derivados de imagens de satélite de alta resolução de 50 cm. Ele contém 1,8 bilhão de detecções de edifícios na África, América Latina, Caribe, sul da Ásia e sudeste da Ásia. A inferência abrangeu uma área de 58 milhões de km². Para cada edifício desse conjunto de dados, incluímos o polígono que descreve…

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

https://developers.google.com/earth-engine/datasets