- Disponibilità del set di dati
- 2017-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Fornitore di set di dati
- Google Earth Engine Google DeepMind
- Tag
Descrizione
Il set di dati Google Satellite Embedding è una raccolta globale e pronta per l'analisi di incorporamenti geospaziali appresi. Ogni pixel di 10 metri in questo set di dati è una rappresentazione a 64 dimensioni, o "vettore di incorporamento", che codifica le traiettorie temporali delle condizioni della superficie in corrispondenza e intorno a quel pixel misurate da vari strumenti e set di dati di osservazione della Terra, nel corso di un singolo anno solare. A differenza degli input spettrali e degli indici convenzionali, in cui le bande corrispondono a misurazioni fisiche, gli incorporamenti sono vettori di caratteristiche che riassumono le relazioni tra osservazioni multimodali e multiorigine in modo meno direttamente interpretabile, ma più efficace. Visualizza esempi di utilizzo e spiegazioni più dettagliate.
Il set di dati copre le superfici terrestri e le acque poco profonde, tra cui zone intertidali e di barriera corallina, corsi d'acqua interni e corsi d'acqua costieri. La copertura ai poli è limitata dalle orbite dei satelliti e dalla copertura degli strumenti.
La raccolta è composta da immagini che coprono circa 163.840 metri
per 163.840 metri e ogni immagine ha 64 bande {A00, A01, …, A63}, una per
ogni asse dello spazio di embedding 64D. Tutte le bande devono essere utilizzate per
l'analisi downstream, in quanto si riferiscono collettivamente a una coordinata 64D nello
spazio di incorporamento e non sono interpretabili in modo indipendente.
Tutte le immagini vengono generate nella proiezione Universal Transverse Mercator locale, come indicato dalla proprietà UTM_ZONE, e hanno proprietà system:time_start e system:time_end che riflettono l'anno solare riepilogato dagli incorporamenti. Ad esempio, un'immagine di incorporamento per il 2021 avrà un valore system:start_time pari a ee.Date('2021-01-01 00:00:00') e un valore system:end_time pari a ee.Date('2022-01-01 00:00:00').
Gli incorporamenti hanno una lunghezza unitaria, il che significa che hanno una magnitudo pari a 1 e non richiedono alcuna normalizzazione aggiuntiva. Sono distribuiti sulla sfera unitaria, il che li rende adatti all'uso con algoritmi di clustering e classificatori basati su alberi. Lo spazio di embedding è coerente anche nel corso degli anni e gli embedding di anni diversi possono essere utilizzati per il rilevamento delle variazioni delle condizioni considerando il prodotto scalare o l'angolo tra due vettori di embedding. Inoltre, gli incorporamenti sono progettati per essere componibili linearmente, ovvero possono essere aggregati per produrre incorporamenti a risoluzioni spaziali più grossolane o trasformati con l'aritmetica vettoriale, mantenendo comunque il loro significato semantico e le relazioni di distanza.
Il set di dati Satellite Embedding è stato prodotto da AlphaEarth Foundations, un modello di incorporamento geospaziale che assimila più flussi di dati, tra cui ottici, radar, LiDAR e altre fonti (Brown, Kazmierski, Pasquarella et al., in revisione; preprint disponibile qui).
Poiché le rappresentazioni vengono apprese da molti sensori e immagini, le rappresentazioni incorporate generalmente superano problemi comuni come nuvole, linee di scansione, artefatti del sensore o dati mancanti, fornendo funzionalità pronte per l'analisi che possono essere sostituite direttamente ad altre fonti di immagini di osservazione della Terra nelle analisi di classificazione, regressione e rilevamento dei cambiamenti.
Gli incorporamenti in questa raccolta di immagini sono stati generati utilizzando la versione 2.1 del modello AlphaEarth Foundations, che include una serie di miglioramenti rispetto al modello 2.0 valutato nel documento AlphaEarth Foundations. In particolare, il set di dati di addestramento è stato rigenerato per includere un gran numero di campioni provenienti dall'Antartide, che in precedenza erano stati eliminati a causa della copertura limitata dei sensori, aumentando di fatto il numero di sequenze video di addestramento da oltre 8,4 milioni a oltre 10,1 milioni di sequenze; inoltre, il livello di dati sulle colture USDA NASS è stato incluso come target aggiuntivo durante l'addestramento; i pesi di perdita per NLCD e CDL sono stati ridotti da 0,50 a 0,25 e sono state implementate diverse altre modifiche minori per mitigare meglio gli artefatti visivi associati alle strisciate dei sensori di input, alla suddivisione in riquadri e ai target di pixel multirisoluzione. Queste modifiche non hanno influito in modo significativo sul rendimento del modello in termini di metriche di valutazione, ma hanno generalmente migliorato la qualità degli incorporamenti risultanti.
Sebbene rimangano alcuni artefatti di disponibilità di dati e strisce su larga scala, questi in genere rappresentano piccoli offset vettoriali e non influiscono in modo significativo sull'elaborazione o sui risultati a valle.
Bande
Dimensioni pixel
10 metri
Bande
| Nome | Unità | Min | Max | Dimensioni dei pixel | Descrizione |
|---|---|---|---|---|---|
A00 |
Adimensionale | -1 | 1 | metri | Il 0° asse del vettore di embedding. |
A01 |
Adimensionale | -1 | 1 | metri | Il primo asse del vettore di embedding. |
A02 |
Adimensionale | -1 | 1 | metri | Il secondo asse del vettore di incorporamento. |
A03 |
Adimensionale | -1 | 1 | metri | Il terzo asse del vettore di embedding. |
A04 |
Adimensionale | -1 | 1 | metri | Il quarto asse del vettore di embedding. |
A05 |
Adimensionale | -1 | 1 | metri | Il quinto asse del vettore di embedding. |
A06 |
Adimensionale | -1 | 1 | metri | Il sesto asse del vettore di embedding. |
A07 |
Adimensionale | -1 | 1 | metri | Il settimo asse del vettore di embedding. |
A08 |
Adimensionale | -1 | 1 | metri | L'ottavo asse del vettore di embedding. |
A09 |
Adimensionale | -1 | 1 | metri | Il nono asse del vettore di embedding. |
A10 |
Adimensionale | -1 | 1 | metri | Il decimo asse del vettore di embedding. |
A11 |
Adimensionale | -1 | 1 | metri | L'undicesimo asse del vettore di embedding. |
A12 |
Adimensionale | -1 | 1 | metri | Il dodicesimo asse del vettore di embedding. |
A13 |
Adimensionale | -1 | 1 | metri | Il 13° asse del vettore di embedding. |
A14 |
Adimensionale | -1 | 1 | metri | Il quattordicesimo asse del vettore di embedding. |
A15 |
Adimensionale | -1 | 1 | metri | Il quindicesimo asse del vettore di embedding. |
A16 |
Adimensionale | -1 | 1 | metri | Il sedicesimo asse del vettore di embedding. |
A17 |
Adimensionale | -1 | 1 | metri | Il 17° asse del vettore di embedding. |
A18 |
Adimensionale | -1 | 1 | metri | Il diciottesimo asse del vettore di embedding. |
A19 |
Adimensionale | -1 | 1 | metri | Il 19° asse del vettore di embedding. |
A20 |
Adimensionale | -1 | 1 | metri | Il 20° asse del vettore di embedding. |
A21 |
Adimensionale | -1 | 1 | metri | Il 21° asse del vettore di embedding. |
A22 |
Adimensionale | -1 | 1 | metri | Il 22° asse del vettore di embedding. |
A23 |
Adimensionale | -1 | 1 | metri | Il 23° asse del vettore di embedding. |
A24 |
Adimensionale | -1 | 1 | metri | Il 24° asse del vettore di embedding. |
A25 |
Adimensionale | -1 | 1 | metri | Il 25° asse del vettore di embedding. |
A26 |
Adimensionale | -1 | 1 | metri | Il 26° asse del vettore di embedding. |
A27 |
Adimensionale | -1 | 1 | metri | Il 27° asse del vettore di embedding. |
A28 |
Adimensionale | -1 | 1 | metri | Il 28° asse del vettore di embedding. |
A29 |
Adimensionale | -1 | 1 | metri | Il 29° asse del vettore di embedding. |
A30 |
Adimensionale | -1 | 1 | metri | Il trentesimo asse del vettore di embedding. |
A31 |
Adimensionale | -1 | 1 | metri | Il 31° asse del vettore di embedding. |
A32 |
Adimensionale | -1 | 1 | metri | Il 32° asse del vettore di embedding. |
A33 |
Adimensionale | -1 | 1 | metri | Il 33° asse del vettore di embedding. |
A34 |
Adimensionale | -1 | 1 | metri | Il 34° asse del vettore di embedding. |
A35 |
Adimensionale | -1 | 1 | metri | Il 35° asse del vettore di embedding. |
A36 |
Adimensionale | -1 | 1 | metri | Il 36° asse del vettore di embedding. |
A37 |
Adimensionale | -1 | 1 | metri | Il 37° asse del vettore di embedding. |
A38 |
Adimensionale | -1 | 1 | metri | Il 38° asse del vettore di embedding. |
A39 |
Adimensionale | -1 | 1 | metri | Il 39° asse del vettore di embedding. |
A40 |
Adimensionale | -1 | 1 | metri | Il 40° asse del vettore di embedding. |
A41 |
Adimensionale | -1 | 1 | metri | Il 41° asse del vettore di embedding. |
A42 |
Adimensionale | -1 | 1 | metri | Il 42° asse del vettore di embedding. |
A43 |
Adimensionale | -1 | 1 | metri | Il 43° asse del vettore di embedding. |
A44 |
Adimensionale | -1 | 1 | metri | Il 44° asse del vettore di embedding. |
A45 |
Adimensionale | -1 | 1 | metri | Il 45° asse del vettore di embedding. |
A46 |
Adimensionale | -1 | 1 | metri | Il 46° asse del vettore di embedding. |
A47 |
Adimensionale | -1 | 1 | metri | Il 47° asse del vettore di embedding. |
A48 |
Adimensionale | -1 | 1 | metri | Il 48° asse del vettore di incorporamento. |
A49 |
Adimensionale | -1 | 1 | metri | Il 49° asse del vettore di embedding. |
A50 |
Adimensionale | -1 | 1 | metri | Il 50° asse del vettore di embedding. |
A51 |
Adimensionale | -1 | 1 | metri | Il 51° asse del vettore di embedding. |
A52 |
Adimensionale | -1 | 1 | metri | Il 52° asse del vettore di embedding. |
A53 |
Adimensionale | -1 | 1 | metri | Il 53° asse del vettore di embedding. |
A54 |
Adimensionale | -1 | 1 | metri | Il 54° asse del vettore di embedding. |
A55 |
Adimensionale | -1 | 1 | metri | Il 55° asse del vettore di embedding. |
A56 |
Adimensionale | -1 | 1 | metri | Il 56° asse del vettore di embedding. |
A57 |
Adimensionale | -1 | 1 | metri | Il 57° asse del vettore di embedding. |
A58 |
Adimensionale | -1 | 1 | metri | Il 58° asse del vettore di embedding. |
A59 |
Adimensionale | -1 | 1 | metri | Il 59° asse del vettore di embedding. |
A60 |
Adimensionale | -1 | 1 | metri | Il 60° asse del vettore di embedding. |
A61 |
Adimensionale | -1 | 1 | metri | Il 61° asse del vettore di incorporamento. |
A62 |
Adimensionale | -1 | 1 | metri | Il 62° asse del vettore di embedding. |
A63 |
Adimensionale | -1 | 1 | metri | Il 63° asse del vettore di incorporamento. |
Proprietà immagini
Proprietà immagini
| Nome | Tipo | Descrizione |
|---|---|---|
| MODEL_VERSION | STRING | La stringa di versione che identifica in modo univoco la versione del modello utilizzata per produrre l'immagine. |
| PROCESSING_SOFTWARE_VERSION | STRING | La stringa di versione che identifica in modo univoco il software di elaborazione dei dati del modello utilizzato per produrre l'immagine. |
| UTM_ZONE | STRING | La zona UTM del sistema di riferimento delle coordinate utilizzato per produrre l'immagine. |
| DATASET_VERSION | STRING | La versione del set di dati. |
Termini e condizioni d'uso
Termini e condizioni d'uso
Questo set di dati è concesso in licenza ai sensi della licenza CC-BY 4.0 e richiede il seguente testo di attribuzione: "Il set di dati AlphaEarth Foundations Satellite Embedding è prodotto da Google e Google DeepMind".
Citazioni
Brown, C. F., Kazmierski, M. R., Pasquarella, V J., Rucklidge, W. J., Samsikova, M., Zhang, C., Shelhamer, E., Lahera, E., Wiles, O., Ilyushchenko, S., Gorelick, N., Zhang, L. L., Alj, S., Schechter, E., Askay, S., Guinan, O., Moore, R., Boukouvalas, A., & Kohli, P.(2025). AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data. arXiv preprint arXiv.2507.22291. doi:10.48550/arXiv.2507.22291
Esplorare con Earth Engine
Editor di codice (JavaScript)
// Load collection. var dataset = ee.ImageCollection('GOOGLE/SATELLITE_EMBEDDING/V1/ANNUAL'); // Point of interest. var point = ee.Geometry.Point(-121.8036, 39.0372); // Get embedding images for two years. var image1 = dataset .filterDate('2023-01-01', '2024-01-01') .filterBounds(point) .first(); var image2 = dataset .filterDate('2024-01-01', '2025-01-01') .filterBounds(point) .first(); // Visualize three axes of the embedding space as an RGB. var visParams = {min: -0.3, max: 0.3, bands: ['A01', 'A16', 'A09']}; Map.addLayer(image1, visParams, '2023 embeddings'); Map.addLayer(image2, visParams, '2024 embeddings'); // Calculate dot product as a measure of similarity between embedding vectors. // Note for vectors with a magnitude of 1, this simplifies to the cosine of the // angle between embedding vectors. var dotProd = image1 .multiply(image2) .reduce(ee.Reducer.sum()); // Add dot product to the map. Map.addLayer( dotProd, {min: 0, max: 1, palette: ['white', 'black']}, 'Similarity between years (brighter = less similar)' ); Map.centerObject(point, 12); Map.setOptions('SATELLITE');