Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an climate-and-sustainability-ee-catalog@google.com oder sehen Sie sich weitere Datasets aus dem Katalog „Klima und Nachhaltigkeit“ an. Hier finden Sie weitere Informationen zu Publisher-Datasets.
- Catalog Owner
- Klima und Nachhaltigkeit
- Dataset-Verfügbarkeit
- 2025-01-01T00:00:00Z–2025-01-01T00:00:00Z
- Ersteller des Datasets
- Google Research
- Tags
Beschreibung
Die Near-Global Elevation Models at 15m (GEM-15) von Google sind ein experimentelles (derzeit geprüftes) Dataset mit Höhenangaben für fast die gesamte Erde mit einem Rasterabstand von 15 m, das aus optischen Stereo-Satellitenbildern mit einer Auflösung von weniger als einem Meter abgeleitet wurde. Das Dataset basiert auf optischen Stereobildern, die bis 2024 aufgenommen wurden (hauptsächlich 30-cm-Pléiades-Neo-Bilder aus den Jahren 2022–2024, ergänzt durch WorldView-2/3/4-, GeoEye-1-, Pléiades-1A/1B- und 1,5-m-SPOT-Stereobilder). Dabei werden native 0,5-m-DSM-Rekonstruktionen und 1,0-m-DTM-Vorhersagen auf eine Auflösung von 15 m aggregiert.
Neben dem primären 15-m-Digital Surface Model (dsm) enthält GEM-15 Höhenperzentile innerhalb der Zellen (dsm_percentile_5, dsm_percentile_50, dsm_percentile_95), die Standardabweichung der Höhe innerhalb des Subgrids (dsm_std) und ein Digital Terrain Model (dtm) für den nackten Boden, das vor der Aggregation mit einem Deep-Learning-Modell mit einer Auflösung von 1,0 m vorhergesagt wurde.
- Sie können die Höhenebenen interaktiv über die GEM-15 Earth Engine App erkunden.
- Greifen Sie auf die Google Cloud Storage (GCS) COGs (
gs://climate-and-sustainability/gem-15) und den STAC-Katalog zu. - Den Bewertungscode finden Sie auf GitHub.
Alle Höhenebenen geben orthometrische Höhen in Metern an, die sich auf das vertikale Datum des EGM96-Geoids (EPSG:5773) beziehen und in lokalen UTM-Zonen mit einer Pixelauflösung von 15 m projiziert werden.
Mögliche Verwendungszwecke:
- Hochwasser- und Überschwemmungsmodellierung:Verwendung der 15-m-
dtm- unddsm-Ebenen für die Modellierung von Wassereinzugsgebieten, Strömungen und Überschwemmungen. - Schätzung der Baumkronen- und Gebäudehöhe:
dsm_percentile_95(oderdsm) wird mitdtmkombiniert, um die Höhe von Gebäuden und Baumkronen über dem Boden (dsm - dtm) und die lokale vertikale Variabilität (dsm_std) zu schätzen. Sehr hohe Gebäude (~>50 m) werden aufgrund von Stereobeschränkungen oft nicht gut erfasst. - Topografische Analyse: Verwendung der 15-m-Höhenebenen für die Orthorektifizierung von Satellitenbildern und die Berechnung von Neigung oder Ausrichtung.
Beschränkungen:
- Multitemporale Bilder:Die Kacheln werden aus Bildern mit mehreren Ansichten aus drei Sensorebenen erstellt: 63,2% der kartierten Kacheln verwenden 30-cm-Pléiades Neo-Bilder aus den Jahren 2022–2024, 24,4% verwenden andere Sensoren mit einer Auflösung von weniger als einem Meter (WorldView-2/3/4, GeoEye-1, Pléiades 1A/1B) und 12,4% verwenden 1,5-m-SPOT-Bilder. Zeitliche Übergänge können entlang der Erfassungsgrenzen auftreten.
- Ausnahmen bei der Abdeckung: Die Abdeckung umfasst die Breitengrade 60°S bis 84°N und schließt Russland, China, die Mongolei, Grönland und die Antarktis aus. Daten für Indien sind versetzt (wobei der Versatz außerhalb der Grenzen Indiens über Dutzende von Kilometern abnimmt), um den indischen Geodatenvorschriften zu entsprechen.
- Wassermaskierung und Lücken: Gewässer (plus ein 9-m-Puffer), Schnee/Eis, Salzpfannen und andere Oberflächen mit geringer Textur (~1–3% der Zellen) sowie Pixel, die sich um mehr als 50 m von Copernicus GLO-30 unterscheiden, werden als „Keine Daten“ maskiert.
- Dichtes Blätterdach:Da die Höhen aus optischen Stereobildern und nicht aus LiDAR-Daten abgeleitet werden, ist die Genauigkeit der
dtm-Daten für den nackten Boden in dichten Wäldern, in denen der Boden von oben nicht sichtbar ist, geringer. - Absolute vertikale Genauigkeit: Es treten regionale mittlere Abweichungen von mehreren Metern im Vergleich zu luftgestütztem Lidar auf (-4,8 m bis +1,9 m in den Validierungsregionen im Artikel). Wenn absolute Präzision entscheidend ist, sollten Sie die Verzerrung gegenüber der lokalen Kontrolle reduzieren.
Bänder
Bänder
Pixelgröße: 15 Meter (alle Bänder)
| Name | Einheiten | Pixelgröße | Beschreibung |
|---|---|---|---|
dsm |
m | 15 Meter | Digitales Oberflächenmodell (Mittelwert des nativen bilinearen DSM mit 2,5 m Auflösung innerhalb einer 15-m-Zelle) |
dsm_std |
m | 15 Meter | Standardabweichung des nativen DSM mit 2,5 m bilinearer Auflösung innerhalb einer 15-m-Zelle |
dsm_percentile_5 |
m | 15 Meter | 5.Perzentil des nativen DSM mit 2,5 m bilinearer Auflösung innerhalb einer 15-m-Zelle |
dsm_percentile_50 |
m | 15 Meter | 50.Perzentil (Medianwert) des bilinearen nativen DSM mit 2,5 m innerhalb einer 15-m-Zelle |
dsm_percentile_95 |
m | 15 Meter | 95.Perzentil des nativen DSM mit 2,5 m bilinearer Auflösung innerhalb einer 15-m-Zelle |
dtm |
m | 15 Meter | Digitales Geländemodell (Mittelwert des nativen bilinearen DTM mit 2,5 m innerhalb einer 15-m-Zelle) |
Nutzungsbedingungen
Nutzungsbedingungen
Dieses Dataset ist unter CC-BY 4.0 lizenziert und erfordert die folgende Quellenangabe: „Dieses Dataset wurde von Google erstellt.“
Zitationen
Batchu, V. V. et al. (2026). GEM-15: Globale Oberflächen- und Geländehöhenmodelle (15 Meter) aus optischen Stereobildern mit einer Auflösung von weniger als einem Meter.
Die Earth Engine nutzen
Code-Editor (JavaScript)
// --- Cyclic Color Palette (256 steps) --- var elevationPalette = [ '#f985f8', '#fa84f6', '#fb83f3', '#fc82f1', '#fc81ee', '#fd7feb', '#fd7ee8', '#fd7ce5', '#fd7ae2', '#fd78de', '#fd76db', '#fc74d7', '#fc72d4', '#fb70d0', '#fb6dcc', '#fa6bc8', '#fa69c5', '#f967c1', '#f864bd', '#f762bb', '#f75fb7', '#f65db4', '#f55bae', '#f458aa', '#f356a6', '#f254a3', '#f1519f', '#f04f9b', '#ef4c97', '#ee4a94', '#ed4890', '#ec468c', '#ea4388', '#e94184', '#e83f81', '#e63d7d', '#e53b79', '#e33975', '#e13771', '#e0356a', '#de3366', '#dc3162', '#da2f5e', '#d92d5a', '#d72c56', '#d52a52', '#d3284f', '#d1264b', '#cf2447', '#cd2343', '#cb213f', '#ca1c3d', '#c81b39', '#c61935', '#c41832', '#c2172e', '#c11727', '#bf1724', '#be1721', '#bd171e', '#bc181b', '#bb1919', '#ba1b16', '#b91d14', '#b91f11', '#b9210f', '#b9230d', '#b9260c', '#b9290a', '#ba2b08', '#ba2e07', '#bb3106', '#bc3306', '#bc3605', '#bd3905', '#be3b05', '#bf3e04', '#c04104', '#c14304', '#c24604', '#c34804', '#c44b04', '#c54d04', '#c65004', '#c75204', '#c85404', '#c95705', '#ca5905', '#cb5c05', '#cc5e05', '#cd6105', '#cd6305', '#ce6505', '#cf6705', '#d06905', '#d16c05', '#d16f05', '#d27105', '#d37305', '#d37505', '#d47705', '#d47a05', '#d57c04', '#d57e04', '#d68104', '#d68304', '#d78504', '#d78704', '#d88904', '#d88b04', '#d98e04', '#d99005', '#d99205', '#d99406', '#da9707', '#da9908', '#da9b0a', '#daa10d', '#d9a20f', '#d9a412', '#d8a515', '#d8a718', '#d7a81c', '#d5a91f', '#d4aa23', '#d3ab27', '#d1ac2b', '#cfae2f', '#cdb033', '#cbb137', '#c9b23b', '#c6b33f', '#c4b343', '#c1b246', '#beb24a', '#bbb14e', '#b8b052', '#b5af55', '#b2ae59', '#afad5c', '#acad5f', '#a8ac62', '#a5ab65', '#a1aa68', '#9dab6b', '#99a96e', '#95a871', '#91a774', '#8da677', '#89a57a', '#84a47d', '#7fa280', '#7ba183', '#77a086', '#729e89', '#6e9d8c', '#699c8f', '#639b92', '#5e9a95', '#599898', '#53979b', '#4e969e', '#4894a1', '#4392a4', '#3d90a7', '#388eaa', '#328cad', '#2d8ab0', '#2889b3', '#2387b6', '#1f85b9', '#1a83bc', '#1581bf', '#107fc2', '#0e7dc5', '#0c7ac8', '#0a78cb', '#0975ce', '#0973d1', '#096fd4', '#096cd7', '#0969da', '#0a66dd', '#0b63e0', '#0c60e3', '#0d5de6', '#0e5ae9', '#0f57ec', '#1154ef', '#1251f2', '#144ef5', '#154bf8', '#1748fb', '#1946fd', '#1b44ff', '#1d42ff', '#2040ff', '#223fff', '#253eff', '#283dff', '#2b3dff', '#2e3dff', '#313eff', '#343fff', '#3740ff', '#3a41ff', '#3d43ff', '#4045ff', '#4347ff', '#4649ff', '#494bff', '#4b4dff', '#4e4fff', '#5251ff', '#5553ff', '#5855ff', '#5b57ff', '#5e59ff', '#615bff', '#635dff', '#665fff', '#6961ff', '#6c63ff', '#6f65ff', '#7267ff', '#7569ff', '#786aff', '#7b6cff', '#7e6eff', '#8170ff', '#8471ff', '#8773ff', '#8a75ff', '#8d76ff', '#9077ff', '#9378ff', '#9679ff', '#997aff', '#9c7bff', '#a07cff', '#a37dff', '#a77eff', '#aa7fff', '#ae80ff', '#b180ff', '#b581ff', '#b882ff', '#bc83ff', '#bf84ff', '#c284ff', '#c585ff', '#c885ff', '#cb86ff', '#ce86ff', '#d186ff', '#d486ff', '#d786ff', '#da86ff', '#dd87ff', '#e087ff', '#e287ff', '#e587ff', '#e886fe', '#ea86fd', '#ec86fc', '#ee86fb', '#f086fa', '#f285f9' ]; // --- GEM-15 Collection & Elevation Bands --- var gem15Collection = ee.ImageCollection( 'projects/climate-and-sustainability/assets/gem-15_v1'); var gemMosaic = gem15Collection.mosaic(); var dsm = gemMosaic.select('dsm'); var dtm = gemMosaic.select('dtm'); var dsm_50 = gemMosaic.select('dsm_percentile_50'); var dsm_5 = gemMosaic.select('dsm_percentile_5'); var dsm_95 = gemMosaic.select('dsm_percentile_95'); var dsm_std = gemMosaic.select('dsm_std'); // Structural Heightmap (nDSM) var heightmap = dsm.subtract(dtm); // --- Base Global DEMs --- // They are all based on an EGM2008 geoid, whereas GEM-15 is based on EGM96, // however the visual difference is minimal. Please perform a geoid correction // for precise altimetric measurements. var copernicusDem = ee.ImageCollection('COPERNICUS/DEM/GLO30_2024_1').mosaic().select('DEM'); var alosDem = ee.ImageCollection('JAXA/ALOS/AW3D30/V4_1').mosaic().select('DSM'); var nasadem = ee.Image('NASA/NASADEM_HGT/001').select('elevation'); // --- Cyclic Hillshade Visualization Helper --- // Because GEM-15 tiles span multiple UTM zones, the mosaic does not retain a // single native projection. Reproject to a metric grid at native resolution // before computing hillshade. function visualizeCyclic(image, cycleMax, nativeScale) { cycleMax = cycleMax || 100; nativeScale = nativeScale || 15; var dem = image.select(0); var cycle = ee.Image.constant(cycleMax); var gridDem = dem.reproject({ crs: 'EPSG:3857', scale: nativeScale }); var cyclic = gridDem.mod(cycle).add(cycle).mod(cycle); var rgb = cyclic.visualize({ min: 0, max: cycleMax, palette: elevationPalette }); var hs = ee.Terrain.hillshade(gridDem) .divide(255) .multiply(0.6) .add(0.4); var hs3Band = ee.Image.cat([ hs.rename('vis-red'), hs.rename('vis-green'), hs.rename('vis-blue') ]); return rgb.multiply(hs3Band).toByte(); } // --- Viewport Setup --- Map.setCenter(2.165, 41.395, 14); // --- Map Layers --- Map.addLayer( visualizeCyclic(nasadem, 100, 30), {}, 'NASADEM 30m (Cyclic 100m + Hillshade)', false); Map.addLayer( visualizeCyclic(alosDem, 100, 30), {}, 'ALOS AW3D30 (Cyclic 100m + Hillshade)', false); Map.addLayer( visualizeCyclic(copernicusDem, 100, 30), {}, 'Copernicus GLO-30 (Cyclic 100m + Hillshade)', true); Map.addLayer( visualizeCyclic(dtm, 100, 15), {}, 'GEM-15 DTM (Cyclic 100m + Hillshade)', true); Map.addLayer( visualizeCyclic(dsm, 100, 15), {}, 'GEM-15 DSM (Cyclic 100m + Hillshade)', true); Map.addLayer( visualizeCyclic(dsm_50, 100, 15), {}, 'GEM-15 DSM 50th Percentile (Cyclic 100m + Hillshade)', false); Map.addLayer( visualizeCyclic(dsm_5, 100, 15), {}, 'GEM-15 DSM 5th Percentile (Cyclic 100m + Hillshade)', false); Map.addLayer( visualizeCyclic(dsm_95, 100, 15), {}, 'GEM-15 DSM 95th Percentile (Cyclic 100m + Hillshade)', false); Map.addLayer( visualizeCyclic(dsm_std, 100, 15), {}, 'GEM-15 DSM Std (Cyclic 100m + Hillshade)', false); Map.addLayer( heightmap, {min: 0, max: 25, palette: ['white', 'darkgreen']}, 'Heightmap (0-25m)', true);