Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. Jeśli chcesz zgłosić błędy, skontaktuj się z nami pod adresem climate-and-sustainability-ee-catalog@google.com. Możesz też wyświetlić więcej zbiorów danych z katalogu Climate and Sustainability. Więcej informacji o zbiorach danych wydawcy
- Właściciel katalogu
- Klimat i zrównoważony rozwój
- Dostępność zbioru danych
- 2025-01-01T00:00:00Z–2025-01-01T00:00:00Z
- Producent zbioru danych
- Google Research
- Tagi
Opis
Modele wysokościowe Google o zasięgu niemal globalnym i rozdzielczości 15 m (GEM-15) to eksperymentalny (w trakcie sprawdzania) zbiór danych wysokościowych o zasięgu niemal globalnym i rozdzielczości 15 m, który powstał na podstawie zdjęć satelitarnych wykonanych w technologii stereo o rozdzielczości poniżej metra. Zbiór danych jest tworzony na podstawie optycznych zdjęć stereoskopowych wykonanych do 2024 r. (głównie zdjęć Pléiades Neo o rozdzielczości 30 cm z lat 2022–2024, uzupełnionych zdjęciami stereoskopowymi WorldView-2/3/4, GeoEye-1, Pléiades 1A/1B i SPOT o rozdzielczości 1,5 m), które agregują natywne rekonstrukcje DSM o rozdzielczości 0,5 m i prognozy DTM o rozdzielczości 1,0 m do rozdzielczości 15 m.
Oprócz podstawowego cyfrowego modelu powierzchni o rozdzielczości 15 m (dsm) GEM-15 zawiera percentyle wysokości w komórce (dsm_percentile_5, dsm_percentile_50, dsm_percentile_95), odchylenie standardowe wysokości w podsiatce (dsm_std) oraz cyfrowy model terenu (dtm) przewidywany w rozdzielczości 1,0 m przy użyciu modelu deep learning przed agregacją.
- Warstwy wysokości możesz przeglądać interaktywnie w aplikacji GEM-15 Earth Engine.
- Uzyskaj dostęp do plików COG w Google Cloud Storage (GCS) (
gs://climate-and-sustainability/gem-15) i katalogu STAC. - Kod oceny znajdziesz na GitHub.
Wszystkie warstwy wysokości podają wysokości ortometryczne w metrach odniesione do pionowego układu odniesienia geoidy EGM96 (EPSG:5773) i są rzutowane w lokalnych strefach UTM w rozdzielczości pikseli 15 m.
Możliwe zastosowania:
- Modelowanie powodzi i zalania: wykorzystanie warstw
dtmidsmo rozdzielczości 15 m do modelowania zlewni, przepływu i zalania. - Szacowanie wysokości koron drzew i budynków: połączenie
dsm_percentile_95(lubdsm) zdtmw celu oszacowania wysokości budynków i koron drzew nad poziomem gruntu (dsm - dtm) oraz lokalnej zmienności pionowej (dsm_std). Pamiętaj, że bardzo wysokie budynki (powyżej 50 m) często nie są dobrze rejestrowane ze względu na ograniczenia stereo. - Analiza topograficzna: wykorzystanie warstw wysokości 15 m do ortorektyfikacji zdjęć satelitarnych i obliczania nachylenia lub aspektu.
Ograniczenia:
- Zdjęcia wieloczasowe: kafelki są tworzone na podstawie zdjęć z wielu perspektyw na 3 poziomach czujników: 63,2% zmapowanych kafelków wykorzystuje zdjęcia Pléiades Neo o rozdzielczości 30 cm z lat 2022–2024, 24,4% wykorzystuje inne czujniki o rozdzielczości poniżej metra (WorldView-2/3/4, GeoEye-1, Pléiades 1A/1B), a 12,4% wykorzystuje zdjęcia SPOT o rozdzielczości 1,5 m. Przejścia czasowe mogą pojawiać się wzdłuż granic pozyskiwania.
- Wykluczenia: zasięg obejmuje szerokości geograficzne od 60°S do 84°N i nie obejmuje Rosji, Chin, Mongolii, Grenlandii i Antarktydy. Dane dotyczące Indii są przesunięte (przesunięcia zmniejszają się poza granicami Indii na przestrzeni kilkudziesięciu kilometrów), aby zachować zgodność z indyjskimi przepisami dotyczącymi danych geoprzestrzennych.
- Maskowanie wody i puste przestrzenie: zbiorniki wodne (plus 9-metrowy bufor), śnieg/lód, solniska i inne powierzchnie o niskiej teksturze (~1–3% komórek) oraz piksele różniące się o ponad 50 m od Copernicus GLO-30 są maskowane jako brak danych.
- Gęste korony drzew: ponieważ wysokości są określane na podstawie optycznych zdjęć stereoskopowych, a nie danych LiDAR, dokładność
dtmw przypadku gołej ziemi jest niższa w gęstych lasach, gdzie podłoże nie jest widoczne z góry. - Bezwzględna dokładność pionowa: występują regionalne średnie przesunięcia o kilka metrów w stosunku do lidaru lotniczego (od -4,8 m do +1,9 m w regionach walidacji w artykule). Jeśli kluczowa jest absolutna precyzja, wyeliminuj błędy, porównując wyniki z grupą kontrolną.
Pasma
Pasma
Rozmiar piksela: 15 metrów (wszystkie pasma)
| Nazwa | Jednostki | Rozmiar piksela | Opis |
|---|---|---|---|
dsm |
m | 15 metrów | Cyfrowy model powierzchni (średnia z natywnego modelu DSM 2,5 m z interpolacją dwuliniową w komórce 15 m) |
dsm_std |
m | 15 metrów | Odchylenie standardowe natywnego modelu DSM o rozdzielczości 2,5 m z interpolacją dwuliniową w komórce o rozmiarze 15 m |
dsm_percentile_5 |
m | 15 metrów | 5 percentyl natywnego modelu DSM 2,5 m z interpolacją dwuliniową w komórce 15 m |
dsm_percentile_50 |
m | 15 metrów | 50 percentyl (mediana) natywnego modelu DSM 2,5 m z interpolacją dwuliniową w komórce 15 m |
dsm_percentile_95 |
m | 15 metrów | 95 centyl natywnego modelu DSM 2,5 m z interpolacją dwuliniową w komórce 15 m |
dtm |
m | 15 metrów | Cyfrowy model terenu bez pokrycia (średnia z dwuliniowego natywnego cyfrowego modelu terenu o rozdzielczości 2,5 m w komórce o rozmiarze 15 m) |
Warunki korzystania z usługi
Warunki korzystania z usługi
Ten zbiór danych jest objęty licencją CC-BY 4.0 i wymaga podania tych informacji o autorze: „Ten zbiór danych został utworzony przez Google”.
Cytaty
Batchu, V. V., et al. (2026). GEM-15: globalne modele powierzchni i ukształtowania terenu (15 metrów) na podstawie zdjęć stereoskopowych o rozdzielczości poniżej metra.
Odkrywaj za pomocą Earth Engine
Edytor kodu (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);