-
2008년 브라질 산림 이미지 데이터 세트: 분석 기본 지도
이 데이터 세트는 브라질 산림 코드의 시행을 지원하기 위해 주로 2008년에 촬영된 최대 10미터 해상도의 브라질 멀티스펙트럼 (녹색, 적색, 근적외선) 기본 지도를 제공합니다. 모자이크는 SPOT 2, 4, 5 위성 데이터로 합성되었습니다. 이는 더 높은 해상도의 … 브라질 forest-code google imagery multispectral satellite-imagery -
2008년 브라질 산림 이미지 데이터 세트: 시각적 기본 지도
이 데이터 세트는 브라질 산림 코드의 시행을 지원하기 위해 주로 2008년에 촬영된 최대 5미터 해상도의 브라질 시각적 이미지 기본 지도를 제공합니다. 모자이크는 SPOT 2, 4, 5 위성 데이터로 합성되었습니다. …의 고해상도 대안으로 사용됩니다. 브라질 삼림 파괴 산림법 Google rgb 위성 이미지 -
Cloud Score+ S2_HARMONIZED V1
Cloud Score+는 중간~고해상도 광학 위성 이미지의 품질 평가(QA) 프로세서입니다. Cloud Score+ S2_HARMONIZED 데이터 세트는 조화된 Sentinel-2 L1C 컬렉션에서 운영 방식에 따라 생성되며, Cloud Score+ 출력은 비교적 선명한 픽셀을 식별하고 구름과 구름 그림자를 효과적으로 삭제하는 데 사용할 수 있습니다. cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World는 9개 클래스의 클래스 확률과 라벨 정보를 포함하는 10m 실시간에 가까운 (NRT) 토지 이용/토지 피복 (LULC) 데이터 세트입니다. Dynamic World 예측은 2015년 6월 27일부터 현재까지의 Sentinel-2 L1C 컬렉션에 사용할 수 있습니다. Sentinel-2의 재방문 빈도는 2~5일입니다. global google landcover landuse landuse-landcover nrt -
Earth Timelapse v0
지구 타임랩스 데이터 세트는 1984년부터 2022년까지 40년에 걸친 지구의 변화를 시각적으로 기록한 자료를 제공합니다. NASA/USGS Landsat 미션 (Landsat 4, 5, 7, 8, 9)과 ESA의 Copernicus Sentinel-2 위성군에서 획득한 페타바이트 규모의 우주 관측 데이터를 기반으로 Google에서 합성한 데이터 세트는 … copernicus global google landsat-derived publisher-dataset satellite-imagery -
Google 글로벌 Landsat 기반 CCDC 세그먼트 (1999~2019년)
이 컬렉션에는 20년간의 Landsat 지표면 반사율 데이터에 연속 변경 감지 및 분류 (CCDC) 알고리즘을 실행하여 사전 계산된 결과가 포함되어 있습니다. CCDC는 동적 RMSE 임계값으로 조화 함수 피팅을 사용하여 시계열 데이터의 중단점을 감지하는 중단점 찾기 알고리즘입니다. … change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 전 세계 지표수 매핑 레이어, v1.2[지원 중단됨]
이 데이터 세트에는 1984년~2019년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. 지구물리학 google jrc landsat-derived surface surface-ground-water -
JRC 전 세계 지표수 매핑 레이어, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. change-detection geophysical google jrc landsat-derived surface -
JRC 전 세계 지표수 메타데이터, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. 지구물리학 google jrc landsat-derived surface surface-ground-water -
JRC 월별 물 사용량 기록, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. 지구물리학 google history jrc landsat-derived monthly -
JRC 월간 물 재발, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. 지구물리학 google history jrc landsat-derived monthly -
JRC 연간 물 분류 기록, v1.4
이 데이터 세트에는 1984년~2021년까지의 지표수 위치 및 시계열 분포 지도가 포함되어 있으며 해당 지표수의 범위와 변화에 대한 통계가 제공됩니다. 자세한 내용은 관련 학술지 게재 논문인 High-resolution mapping of global surface water and its …을 참고하세요. annual geophysical google history jrc landsat-derived -
Murray Global Intertidal Change Classification
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat Archive 이미지의 감독 분류를 통해 생성된 갯벌 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change Data Mask
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat Archive 이미지의 감독 분류를 통해 생성된 갯벌 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change QA Pixel Count
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat Archive 이미지의 감독 분류를 통해 생성된 갯벌 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분산된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
SPOT 다중 스펙트럼 이미지 10~20m, 브라질
이 컬렉션은 브라질 전역의 SPOT 2, 4, 5 위성에서 2008년경에 촬영한 원시 다중 스펙트럼 이미지를 제공합니다. CNES에서 운영하는 이러한 미션은 지구 자원 관리를 위한 고해상도 광역 광학 이미지를 제공하도록 설계되었습니다. SPOT 2와 4는 HRV와 HRVIR을 활용했습니다. 브라질 산림법 Google 다중 스펙트럼 위성 이미지 SPOT -
SPOT 다중 스펙트럼 의사 자연색 이미지 10~20m, 브라질
이 컬렉션에는 브라질의 SPOT 2, 4, 5 기본 다중 스펙트럼 대역에서 파생된 2008년 시대의 '의사 자연색' RGB 이미지가 포함되어 있습니다. HRV 및 HRG 센서에 네이티브 파란색 밴드가 포함되지 않았기 때문에 이 제품은 RGB 표현을 합성하여 … 브라질 산림법 Google RGB 위성 이미지 SPOT -
SPOT 팬크로매틱 이미지 5~10m, 브라질
이 컬렉션에는 2008년경 브라질의 SPOT 2, 4, 5 위성에서 얻은 원시 팬크로매틱 (PAN) 밴드가 포함되어 있습니다. 팬크로매틱 센서는 미션 중 가장 높은 기본 공간 해상도를 제공하며, 넓은 가시광선 스펙트럼 (SPOT 2의 경우 0.51~0.73µm, SPOT 4의 경우 0.61~0.68µm, SPOT 5의 경우 0.50~0.75µm)에서 빛을 포착합니다. 브라질 산림법 Google 이미지 위성 이미지 SPOT -
SPOT 팬샤프닝된 의사 자연색 이미지 5~10m, 브라질
이 컬렉션은 2008년경 브라질의 고해상도 팬샤프닝된 의사 자연색 SPOT 위성 2, 4, 5 이미지를 제공합니다. 해당 고해상도 팬크로매틱 이미지를 사용할 수 있는 경우 멀티스펙트럼 데이터와 융합하여 공간 세부정보를 개선했습니다 (SPOT 5의 경우 최대 5m, … 브라질 산림법 Google RGB 위성 이미지 SPOT -
위성 삽입 V1
Google 위성 삽입 데이터 세트는 학습된 지리 공간 삽입의 전 세계 분석 준비 컬렉션입니다. 이 데이터 세트의 각 10미터 픽셀은 다양한 지구 관측 위성으로 측정된 해당 픽셀의 표면 상태의 시간적 궤적을 인코딩하는 64차원 표현 또는 '임베딩 벡터'입니다. annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
이 데이터 세트는 2001~2022년 전 세계의 1km 해상도에서 트리 캐노피 손실의 주요 원인을 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 …에서 수집된 샘플 세트를 학습시킨 전역 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
이 데이터 세트는 2001~2023년 전 세계의 1km 해상도에서 트리 캐노피 손실의 주요 원인을 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 …에서 수집된 샘플 세트를 학습시킨 전역 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
이 데이터 세트는 2001~2024년의 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 …에서 수집된 샘플 세트를 학습시킨 전역 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2025 v1.3
이 데이터 세트는 2001~2025년의 전 세계 트리 캐노피 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 제작한 이 데이터는 …에서 수집된 샘플 세트를 학습시킨 전역 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon