- مالک کاتالوگ
- آبوهوا و پایداری
- دردسترس بودن مجموعه داده
- 2025-01-01T00:00:00Z–2025-01-01T00:00:00Z
- تولیدکننده مجموعه داده
- Google Research
- برچسبها
شرح
«مدلهای ارتفاعی تقریباً جهانی Google در ۱۵ متری» (GEM-15) مجموعه داده ارتفاعی تقریباً جهانی آزمایشی (درحال مرور) در فاصله شبکه ۱۵ متری است که از تصاویر ماهوارهای استریو نوری زیرمتری استخراج شده است. این مجموعه داده از تصاویر استریو نوری که تا سال ۲۰۲۴ (عمدتاً ۲۰۲۲ تا ۲۰۲۴ تصاویر ۳۰ سانتیمتری Pléiades Neo، تکمیلشده با WorldView-2/3/4، GeoEye-1، Pléiades 1A/1B، و تصاویر استریو ۱٫۵ متری SPOT) جمعآوری شده است، بازسازیهای DSM بومی ۰٫۵ متری و پیشبینیهای DTM ۱٫۰ متری را به وضوح ۱۵ متری تجمیع میکند.
در کنار «مدل سطح دیجیتال» ۱۵ متری اصلی (dsm)، GEM-15 شامل
صدکهای ارتفاع درونسلولی (dsm_percentile_5، dsm_percentile_50،
dsm_percentile_95)، انحراف معیار ارتفاع زیرشبکه (dsm_std)، و
«مدل زمین دیجیتال» زمین برهنه (dtm) است که با وضوح ۱٫۰ متر
بااستفاده از مدل یادگیری عمیق پیشاز انبوهش پیشبینی شده است. همچنین میتوانید لایههای ارتفاع را بهصورت تعاملی ازطریق برنامه GEM-15 Earth Engine کاوش کنید.
همه لایههای ارتفاعی، ارتفاعهای قائمسنجی را به متر با ارجاع به مبنای قائم زمینواره EGM96 (EPSG:5773) گزارش میکنند و در مناطق UTM محلی با وضوح پیکسل ۱۵ متر نمایش داده میشوند.
موارد استفاده احتمالی:
- مدلسازی سیل و آبگرفتگی: استفاده از لایههای ۱۵ متری زمین برهنه
dtmوdsmبرای مدلسازی حوضه آبریز، جریان، و آبگرفتگی. - تخمین ارتفاع تاجپوشه و ساختمان: ترکیب
dsm_percentile_95(یاdsm) باdtmبرای تخمین ارتفاع ساختمان و تاجپوشه جنگل بالای زمین (dsm - dtm) و تغییرپذیری عمودی محلی (dsm_std). توجه داشته باشید که ساختمانهای بسیار بلند (بیشاز ۵۰ متر) اغلب بهدلیل محدودیتهای استریو بهخوبی ثبت نمیشوند. - تحلیل توپوگرافی: استفاده از لایههای ارتفاع ۱۵ متری برای تصحیح قائم تصاویر ماهوارهای و محاسبه شیب یا جهت شیب.
محدودیتها:
- تصاویر چندزمانه: کاشیها از تصاویر چندنمایی در سه سطح حسگر ساخته شدهاند: ۶۳٫۲٪ از کاشیهای نقشهبرداریشده از تصاویر ۳۰ سانتیمتری Pléiades Neo مربوط به سالهای ۲۰۲۲ تا ۲۰۲۴ استفاده میکنند، ۲۴٫۴٪ از حسگرهای زیرمتری دیگر (WorldView-2/3/4، GeoEye-1، Pléiades 1A/1B) استفاده میکنند، و ۱۲٫۴٪ از تصاویر ۱٫۵ متری SPOT استفاده میکنند. انتقالهای زمانی ممکن است در امتداد مرزهای اکتساب ظاهر شوند.
- استثنائات پوشش: پوشش از عرض جغرافیایی ۶۰° جنوبی تا ۸۴° شمالی را دربرمیگیرد و روسیه، چین، مغولستان، گرینلند، و قطب جنوب را شامل نمیشود. دادههای هند برای رعایت مقررات زمینمکانی هند دارای انحراف است (با انحرافهایی که در خارج از مرز هند درطول دهها کیلومتر کاهش مییابد).
- پوشاندن آب و فضاهای خالی: تودههای آب (بهعلاوه حائل ۹ متری)، برف/یخ، کویرهای نمک، و دیگر سطوح با بافت کم (حدود ۱ تا ۳ درصد سلولها)، و پیکسلهایی که بیشاز ۵۰ متر با Copernicus GLO-30 تفاوت دارند بهعنوان بدون داده پوشانده میشوند.
- سایبان جنگلی متراکم: چون ارتفاعات از تصاویر استریو نوری بهجای LiDAR مشتق شدهاند، دقت
dtmزمین برهنه در جنگلهای متراکم که زمین از بالا قابلمشاهده نیست، کمتر است. - دقت عمودی مطلق: انحرافهای میانگین منطقهای چند متری نسبت به لیدار هوابرد رخ میدهد (۴٫۸- متر تا ۱٫۹+ متر در سراسر مناطق اعتبارسنجی در مقاله). جایی که دقت مطلق حیاتی است، درمقابل کنترل محلی سوگیریزدایی کنید.
باند
باند
اندازه پیکسل: ۱۵ متر (همه باندها)
| نام | واحدها | اندازه پیکسل | شرح |
|---|---|---|---|
dsm |
پشت | ۱۵ متر | مدل سطح دیجیتال (میانگین DSM بومی دوخطی ۲٫۵ متری در سلول ۱۵ متری) |
dsm_std |
پشت | ۱۵ متر | انحراف معیار استاندارد DSM بومی دومجذوری ۲٫۵ متری در سلول ۱۵ متری |
dsm_percentile_5 |
پشت | ۱۵ متر | صدک ۵ از مدل سطح دیجیتال بومی ۲٫۵ میلیون بیلیلاینر در سلول ۱۵ متری |
dsm_percentile_50 |
پشت | ۱۵ متر | صدک پنجاهم (میانه) DSM بومی دوخطی ۲٫۵ متری در سلول ۱۵ متری |
dsm_percentile_95 |
پشت | ۱۵ متر | صدک ۹۵ از مدل سطح دیجیتال بومی ۲٫۵ میلیون بیلیلاینر در سلول ۱۵ متری |
dtm |
پشت | ۱۵ متر | مدل زمین دیجیتال بدون پوشش گیاهی (میانگین مدل زمین دیجیتال بومی دوخطی ۲٫۵ متری در سلول ۱۵ متری) |
شرایط استفاده
شرایط خدمات
این مجموعه داده تحت پروانه CC-BY 4.0 پروانه گرفته است و استناد زیر را الزامی میکند: «این مجموعه داده توسط Google تولید شده است».
نقلقولها
Batchu, V. V., et al. (2026). GEM-15: مدلهای ارتفاع سطح و زمین جهانی (۱۵ متر) از تصاویر استریو نوری زیرمتر.
کاوش با Earth Engine
ویرایشگر کد (جاوا اسکریپت)
// --- 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);