Earth Engine برای محافظت از منابع محاسباتی مشترک و تضمین عملکرد قابل اعتماد برای همه، سطوح سهمیه‌بندی غیرتجاری را معرفی کرده است. پروژه‌های غیرتجاری به طور پیش‌فرض از سطح Community استفاده می‌کنند، اگرچه می‌توانید سطح یک پروژه را در هر زمان تغییر دهید.

این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

About Earth Timelapse

مجموعه داده‌های Earth Timelapse، یک رکورد بصری چهار دهه‌ای از تغییرات سیاره‌ای را از سال ۱۹۸۴ تا ۲۰۲۲ ارائه می‌دهد. این مجموعه داده‌ها که توسط گوگل از پتابایت‌ها مشاهدات فضایی به‌دست‌آمده توسط ماموریت‌های لندست ناسا/USGS (لندست ۴، ۵، ۷، ۸ و ۹) و صورت فلکی Copernicus Sentinel-2 سازمان فضایی اروپا (ESA) ترکیب شده است، به صورت موزاییک‌های سالانه برای تفسیر بصری ارائه می‌شود.

موزاییک‌های سالانه، نقشه‌های پایه بصری کامل، پر از شکاف و پوشیده از آب هستند که نمایشگر تعاملی تایم‌لپس گوگل ارث عمومی را پشتیبانی می‌کنند. فضاهای خالی مشاهدات قبل از سال ۱۹۹۹ با استفاده از درون‌یابی رگرسیون خطی زمانی پیکسلی در سال‌های مشاهداتی معتبر مجاور، به طور روان بازسازی می‌شوند. آب‌های آزاد اقیانوس با عمق‌سنجی سایه‌دار NOAA ETOPO1 و پوشیده‌سازی آب جهانی (با استفاده از مجموعه داده‌های Hansen GFC و MOD44W) جایگزین می‌شوند. این داده‌ها برای موارد زیر مناسب هستند: تفسیر بصری، داستان‌سرایی آموزشی، نقشه‌برداری پایه یا خروجی‌های ویدیویی سفارشی.

دوره‌های وضوح مکانی

مجموعه تایم‌لپس زمین، دو دوره وضوح مکانی متمایز را در بر می‌گیرد:

۱۹۸۴–۲۰۱۴ (۳۰ متر بر پیکسل): ترکیب‌شده از مشاهدات USGS/NASA Landsat 4، 5، 7 و 8. تصاویر در Web Mercator ( EPSG:3857 ) با وضوح ۳۰ متر شبکه‌بندی شده‌اند.
۲۰۱۵-تاکنون (۱۹.۱۱ متر بر پیکسل): با ترکیب مشاهدات ESA Copernicus Sentinel-2A/2B MultiSpectral Instrument (MSI) (با دقت ۱۰ متر بر ۲۰ متر) با Landsat 8 و ۹ ترکیب شده است. تصاویر در Web Mercator ( EPSG:3857 ) با وضوح تقریبی ۱۹.۱۱ متر شبکه‌بندی شده‌اند.

این موزاییک‌های سالانه، تمام خشکی‌های جهان و مناطق ساحلی را از تقریباً عرض جغرافیایی ۸۲.۶ درجه جنوبی تا ۸۳.۶۹ درجه شمالی پوشش می‌دهند. ترکیب داده‌های رصد زمین طی چهار دهه، نیازمند هماهنگ‌سازی منظومه‌های ماهواره‌ای متفاوت در طول عمر عملیاتی، روش‌های حسگر، هندسه مداری و اختلالات جوی است.

خط تولید تایم‌لپس زمین، میلیون‌ها صحنه‌ی مجزا از برنامه‌ی لندست USGS/NASA (لندست ۴، ۵، ۷، ۸ و ۹) و مجموعه ماهواره‌های Copernicus Sentinel-2 آژانس فضایی اروپا (ESA) را در خود جای داده است. برای تبدیل مشاهدات خام و بالای جو (TOA) به نقشه‌های پایه‌ی سالانه‌ی سازگار، هر صحنه با موارد زیر پردازش می‌شود:

فیلتر کردن صحنه‌های فنولوژیکی و فصلی برای بهینه‌سازی اوج رشد پوشش گیاهی و به حداقل رساندن اثرات فصلی گذرا.
بازیابی کانال‌های از دست رفته و کاهش ناهنجاری‌های حسگر (به عنوان مثال، اشباع TIRS در لندست ۸، مصنوعات SLC-off در لندست ۷).
امتیازدهی کیفیت ابر، مه و سایه چند حسگری با ترکیب simpleCloudScore لندست، بازیابی اکتشافی ابر فضایی HSV و Cloud Score+ .
نرمال‌سازی پانکروماتیک و شبه‌شارپنینگ ساختاری برای افزایش وضوح ظاهری.
نرمال‌سازی رادیومتری کالیبره شده با MODIS BRDF با استفاده از فیلترینگ مکانی پایین‌گذر چندمقیاسی برای حذف مرزهای صحنه ضمن حفظ بافت‌های سطحی محلی.
تیز کردن لبه‌ها با توجه به میزان آب مورد نیاز برای جلوگیری از سفید شدن خط ساحلی.
ترکیب میانه ۱۶ بیتی زمانی برای حذف نویز جوی گذرا، سایه‌ها و مصنوعات زودگذر.
درون‌یابی رگرسیون خطی زمانی (برای داده‌های نهایی جهانی) برای بازسازی مشاهدات از دست رفته در موزاییک‌های قبل از سال ۱۹۹۹.
مدل‌سازی عمق‌سنجی اقیانوس جهانی و پوشش آب با ترکیب NOAA ETOPO1، داده‌پوش تغییرات جنگل‌های جهانی هانسن و ماسک‌های آب MODIS.
متعادل‌سازی رنگ سراسری، حفظ نقطه سفید یخ‌های قطبی، افزایش کنتراست محلی چندمقیاسی (LCE) برای بهبود بصری.

داده‌های منبع و مشخصات حسگر

مجموعه تایم‌لپس زمین از ماموریت‌های رصد زمین فضایی زیر بهره می‌برد:

مشخصات ماهواره و حسگر

ماموریت ماهواره‌ای	سنسور	محدوده تاریخ مصرف	وضوح مکانی	باندهای طیفی بلعیده شده	شناسه مجموعه موتور زمین	دوران وضوح موزاییکی
لندست ۴	نقشه بردار موضوعی (TM)	۱۹۸۲-۰۷-۰۱ – ۱۹۹۳-۱۲-۱۴	۳۰ متر (میلی‌ثانیه)	آبی، سبز، قرمز، NIR، SWIR1، حرارتی، SWIR2	`LANDSAT/LT04/C02/T1`	۳۰ متر (۱۹۸۴–۱۹۹۳)
لندست ۵	نقشه بردار موضوعی (TM)	۱۹۸۴-۰۳-۰۱ – ۲۰۱۲-۱۲-۳۱	۳۰ متر (میلی‌ثانیه)	آبی، سبز، قرمز، NIR، SWIR1، حرارتی، SWIR2	`LANDSAT/LT05/C02/T1`	۳۰ متر (۱۹۸۴–۲۰۱۲)
لندست ۷	نقشه بردار موضوعی پیشرفته پلاس (ETM+)	‎۱۹۹۹-۰۴-۱۵ – ۲۰۱۳-۰۸-۳۱	30 متر (MS) / 15 متر (Pan)	آبی، سبز، قرمز، NIR، SWIR1، حرارتی، SWIR2، پان	`LANDSAT/LE07/C02/T1` `LANDSAT/LE07/C02/T2`	۳۰ متر (۱۹۹۹–۲۰۱۳)
لندست ۸	تصویرگر عملیاتی زمین (OLI) / TIRS	۲۰۱۳-۰۲-۱۱ – تاکنون	30 متر (MS) / 15 متر (Pan)	ساحلی، آبی، سبز، قرمز، NIR، SWIR1، SWIR2، پان، سیروس، حرارتی	`LANDSAT/LC08/C02/T1_RT_TOA` `LANDSAT/LC08/C02/T2_TOA`	۳۰ متر (۲۰۱۳–۲۰۱۴) ۱۹.۱۱ متر (۲۰۱۵+)
لندست ۹	تصویرگر عملیاتی زمین ۲ (OLI-2) / TIRS-2	۲۰۲۱-۱۱-۰۱ – تاکنون	30 متر (MS) / 15 متر (Pan)	ساحلی، آبی، سبز، قرمز، NIR، SWIR1، SWIR2، پان، سیروس، حرارتی	`LANDSAT/LC09/C02/T1_TOA`	۱۹.۱۱ متر (۲۰۲۱+)
سنتینل-۲ای / ۲بی	ابزار چندطیفی (MSI)	۲۰۱۵-۰۶-۲۳ – تاکنون	۱۰ متر / ۲۰ متر / ۶۰ متر (MS)	آبی، سبز، قرمز، RedEdge (1-4)، NIR، SWIR1، SWIR2، WaterVapor، Cirrus	`COPERNICUS/S2_HARMONIZED`	۱۹.۱۱ متر (۲۰۱۵+)

جدول ۱. سیستم‌های حسگر نوری اصلی که در خط تولید سالانه موزاییک Earth Timelapse ادغام شده‌اند.

مجموعه داده‌های کمکی و مرجع

خطوط مبنای بازتاب سطحی / BRDF جهانی MODIS:
- ترکیبات بازتاب سطحی چند ساله از پیش محاسبه شده که از Terra و Aqua MODIS (مجموعه 006: MODIS/006/MCD43A4 ، MODIS/006/MOD09GA و MODIS/006/MYD09GA ؛ توجه داشته باشید که مجموعه 006 در طول تولید استفاده شده و از آن زمان توسط مجموعه 061 جایگزین شده است) با وضوح 500 متر به عنوان هدف مرجع رادیومتری سیاره‌ای برای روشنایی در مقیاس وسیع و هماهنگ‌سازی مه استفاده می‌شوند.
امداد جهانی NOAA ETOPO1:
- ۱ توپوگرافی و عمق‌سنجی جهانی Arc-Minute برای تولید عوارض واقع‌گرایانه کف اقیانوس با سایه روشن و ترسیم خطوط عمق در محصول جهانی پوشیده از آب استفاده شده است.
تغییرات جهانی جنگل‌ها در هانسن ( UMD/hansen/global_forest_change_2015 ):
- لایه datamask (که زمین، پهنه‌های آبی دائمی و مناطق ساحلی را از هم متمایز می‌کند) به عنوان مرز اصلی جداسازی زمین و آب عمل می‌کند.
ماسک جهانی خشکی/آب MODIS ( MODIS/MOD44W/MOD44W_005_2000_02_24 ):
- همراه با Hansen GFC برای ایزوله کردن سطوح زمینی و جلوگیری از خونریزی ماسک آب ساحلی استفاده می‌شود.
امتیاز ابری Sentinel-2+ ( GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED ):
- ارزیابی کیفیت در سطح پیکسل که معیارهای cs (اطمینان آسمان صاف) و cs_cdf (توزیع تجمعی احتمال آسمان صاف) را برای داده‌های Sentinel-2 MSI ارائه می‌دهد.
آمار جهانی اقلیم‌شناسی ابر:
- خطوط مبنای امتیاز ابر با دقت ۲۵ درصد و حداقل که به صورت تجربی استخراج شده‌اند و آستانه‌های پوشش ابر را در مناطق گرمسیری با ابر پایدار تطبیق می‌دهند.

فیلترینگ مکانی و زمانی

موزاییک‌های سالانه جهانی، نیاز به جمع‌آوری مشاهدات معتبر کافی در مناطق گرمسیری مستعد ابر را متعادل می‌کنند و در عین حال از آلودگی برف زمستانی و زوایای اوج خورشیدی شدید در مناطق با عرض جغرافیایی بالا جلوگیری می‌کنند.

پنجره‌بندی عرض جغرافیایی و فنولوژیکی

منطقه قطبی/عرض جغرافیایی بالا در نیمکره شمالی (از ۶۰ درجه شمالی به ۸۳.۶۹ درجه شمالی)
- فیلتر مستقیم بر اساس روز سال (DOY): مشاهدات به DOY 150 تا 270 (اواخر ماه مه تا سپتامبر) محدود می‌شوند. این امر اوج فصل رشد رویشی (حداکثر سبزینگی) را هدف قرار می‌دهد و برف فصلی، پوشش یخ و سایه‌های طولانی زمین ناشی از زاویه کم ارتفاع خورشید (ارتفاع خورشید ≤ 0 درجه) را به حداقل می‌رساند.
منطقه معتدل و گرمسیری (۵۷ درجه جنوبی تا ۶۰ درجه شمالی):
- از کل سال تقویمی (۱ ژانویه تا ۳۱ دسامبر) برای به حداکثر رساندن دسترسی به صحنه استفاده می‌کند.
عرض جغرافیایی بالای نیمکره جنوبی / منطقه قطب جنوب (۸۲.۶ درجه جنوبی تا ۵۷ درجه جنوبی):
- مشاهدات به پنجره تابستانی نیمکره جنوبی محدود شده و با داده‌های ترکیبی چند ساله از خط پایه قطبی تکمیل می‌شوند تا زوایای اوج خورشیدی شدید، شکاف‌های داده‌های شب قطبی و مصنوعات فصلی یخ دریا به حداقل برسند.

روش پردازش: موزاییک‌های سالانه نقاب‌دار

خط لوله موزاییک سالانه ماسک شده، کامپوزیت‌های جهانی میانی و بدون درون‌یابی را قبل از پر کردن شکاف زمانی و مدل‌سازی عمق‌سنجی اقیانوس تولید می‌کند. توجه داشته باشید که این کامپوزیت‌های میانی نشان‌دهنده یک مرحله تولید داخلی هستند؛ فقط موزاییک‌های نهایی سالانه جهانی پس پردازش شده ( projects/ee-earth-timelapse/assets/annual ) به صورت عمومی در کاتالوگ داده‌های موتور زمین توزیع می‌شوند.

بازیابی کانال‌های گمشده و آماده‌سازی حسگر

قبل از تصحیح اتمسفری و امتیازدهی کیفی، داده‌های خام لندست استانداردسازی می‌شوند:

بازسازی باند حرارتی: در طول دوره‌های عملیاتی که باندهای حرارتی لندست ۸ TIRS تخریب شده یا کالیبره نشده بودند، کانال‌های حرارتی با واریانس صفر جایگزین برای برآورده کردن الزامات رابط داخلی الگوریتم‌های خودکار امتیازدهی ابر لندست سنتز می‌شوند.
تولید مصنوعی پانکروماتیک برای لندست ۴/۵: سنجنده‌های لندست ۴ و ۵ TM فاقد کانال پانکروماتیک نوری (باند ۸) هستند. یک باند شبه پانکروماتیک مصنوعی برای هر صحنه ساخته می‌شود:

$$ I_{\text{raw45}}(Pan) = \text{mean}(I_{\text{raw45}}(RGB)) $$

اینجا $I_{\text{raw}}(\cdot)$ یک تابع تصویر است که پیکسل‌های خام را ارائه می‌دهد و ممکن است یک یا چند باند را به عنوان پارامتر دریافت کند. به عنوان مثال،$I_{\text{raw}}(Pan)$ باند خام پانکروماتیک را برمی‌گرداند و$I_{\text{raw}}(RGB)$ تابع mean() باندهای خام RGB را برمی‌گرداند.

کالیبراسیون بر اساس بازتاب بالای جو (TOA)

صحنه‌های خام لندست با استفاده از ee.Algorithms.Landsat.TOA به TOA پردازش می‌شوند.

ee.Algorithms.Landsat.TOA یک تابع تصویر است که داده‌های خام لندست را به داده‌های TOA لندست تبدیل می‌کند ($I_{\text{TOA}}$).

کیفیت چند حسگری و پوشش ابری

باریک شدن مرز نوار مداری

یک ماسک آلفای نرم با واپاشی فاصله به حداقل رساندن درزهای سخت در امتداد مسیرهای مداری لندست کمک می‌کند:

$$ \text{Mask}_{\text{edge}} = \min\left(\text{Mask}_{\text{MODIS}}, \left(\text{Gaussian}_{6\text{km}}\left(\text{Mask}_{\text{raw}}\right)\right)^3\right) $$

کجا $\text{Mask}_{\text{MODIS}}$ ماسکی است که از ترکیب‌های سالانه بازتاب سطحی MODIS ( MODIS/006/MOD09GA و MODIS/006/MYD09GA ) بدست آمده است.$\text{Mask}_{\text{raw}}$ ماسک یک صحنه خام لندست است، min() تابع کمینه‌سازی است، و $\text{Gaussian}$ یک کانولوشن فضایی گاوسی با انحراف معیار مشخص است.

پوشش آب بدون SLC در لندست ۷

پس از خرابی تصحیح‌کننده خط اسکن (SLC) در لندست ۷ در ماه مه ۲۰۰۳، صحنه‌های لندست ۷ حاوی شکاف‌های داده‌ای خطی هستند که می‌تواند منجر به مصنوعات شدید در آب‌های آزاد شود. پیکسل‌های لندست ۷ در آب‌های آزاد با استفاده از یک ماسک آب MODIS تار شده، با اولویت دادن به لندست ۴/۵/۸/۹ یا سنتینل-۲ بسته به سال تولید موزاییک، پوشانده می‌شوند.

امتیازدهی به ابرهای لندست و بازیابی ناهنجاری

به صحنه‌های لندست به ازای هر پیکسل یک واحد داده می‌شود. $\text{Cloud}$ امتیاز (در [0, 100] ) با استفاده از ee.Algorithms.Landsat.simpleCloudScore . دو مرحله اصلاح اضافی اعمال می‌شود:

بازیابی ابر ناشناخته در فضای HSV: ناهنجاری‌های ابر با بازتاب بالا و اشباع کم که امتیاز اشتباه ابر = 0 را دریافت می‌کنند، با تبدیل شناسایی می‌شوند. $I_{\text{TOA}}(RGB)$ در فضای رنگ-اشباع-مقدار (HSV) قرار داده و آن را به‌روزرسانی می‌کند $\text{Cloud}$ ماسک:

$$ \text{hsvCloud} = \begin{cases} 100, & \text{if } (\text{Cloud} = 0) \land (\text{S} \lt 0.3) \land (\text{V} \gt 0.5) \\ 0, & \text{otherwise} \end{cases} $$

$$ \text{Cloud} = \text{Cloud} + \text{hsvCloud} $$

آستانه‌گذاری اقلیمی تطبیقی: آستانه‌ای برای کنار گذاشتن پیکسل‌های ابری (یعنی $\text{Cloud} \gt \text{Threshold}_{\text{cloud}}$) به صورت پویا از آمار فضایی ابر از پیش محاسبه شده محاسبه می‌شود:

$$ \text{Threshold}_{\text{cloud}} = \text{Cloud}_{\text{p25}} + 10 $$

کجا $\text{Cloud}_{\text{p25}}$ بیست و پنجمین صدک در هر پیکسل است$\text{Cloud}$ امتیاز بین ۲۵ تا ۶۵ ثابت نگه داشته می‌شود. این آستانه بر روی سطوح روشن زمین (تپه‌های شنی بیابانی، نمکزارها) افزایش می‌یابد:

$$ \text{Threshold}_{\text{cloud}} = \text{Threshold}_{\text{cloud}} + 10 \quad \text{if } (I_{\text{TOA}}(Pan) \gt 0.7) \land (\max(I_{\text{TOA}}(RGB)) \gt 0.6) $$

امتیازدهی ابری Sentinel-2

صحنه‌های هماهنگ‌شده‌ی Sentinel-2 با GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED جفت می‌شوند:

فیلتر پیکسل: زمانی که اطمینان آسمان صاف cs ≥ 0.60 و احتمال تجمعی آسمان صاف cs_cdf ≥ 0.70 باشد، حفظ می‌شود.

نرمال‌سازی پانکروماتیک و ادغام ساختاری

برای بهره‌گیری از وضوح پانکروماتیک ۱۵ متری لندست ۷/۸/۹ بدون اعوجاج طیفی در طول انتقال حسگرها، نرمال‌سازی پانکروماتیک بر روی داده‌های TOA اعمال می‌شود:

$$ \text{Gain}_{\text{3x3}} = \frac{\mu_{\text{3x3}}(\text{mean}(I_{\text{TOA}}(RGB)))}{\mu_{\text{3x3}}(I_{\text{TOA}}(Pan))} $$

$$ \text{I}_{\text{sharpened}} = \frac{I_{\text{TOA}}(RGB)}{\text{mean}(I_{\text{TOA}}(RGB))} \times (I_{\text{TOA}}(Pan)) \times \text{Gain}_{\text{3x3}} $$

کجا $\mu_{\text{3x3}}$ تابع میانگین همسایگی ۳x۳ پیکسلی است.

نرمال‌سازی رادیومتریک در برابر خطوط پایه MODIS BRDF

مقیاس‌بندی کنتراست غیرخطی: بازتاب بالای جو با تنظیم گاما به محدوده نمایش ۸ بیتی ( [0,255] ) مقیاس‌بندی می‌شود:

$$ I_{\text{scaled}} = \text{Visualize}\left(I_{\text{sharpened}}(RGB), \text{min}=0.02, \text{max}=0.50, \gamma=1.7\right) $$

کجا $\text{Visualize}$ تابع ee.Image.visualize() است. از این پس، فضای رنگی RGB 8 بیتی به طور ضمنی در نظر گرفته می‌شود، مگر اینکه خلاف آن ذکر شده باشد.

ماسک رد تصحیح بیش از حد: از تغییر سریع پوشش زمین در برابر هموارسازی بیش از حد محافظت می‌کند:

$$ \text{Mask}_{\text{valid}} = (|I_{\text{scaled}}(R) - I_{\text{BRDF}}(R)| \le 60) \land (|I_{\text{scaled}}(G) - I_{\text{BRDF}}(G)| \le 40) $$

کجا $I_{\text{BRDF}}$ داده‌های RGB هشت بیتی را از کامپوزیت‌های MODIS BRDF-Adjusted Reflectance ( MCD43A4 ) تولید می‌کند.

استخراج میدان مکانی پایین گذر:

$$ \Delta_{\text{spatial}} = \text{Gaussian}_{20\text{km}}\left((I_{\text{scaled}} - I_{\text{BRDF}}) \times \text{Mask}_{\text{valid}}\right) $$

کاهش مه و هماهنگ‌سازی بازتاب:

$$ I_{\text{normalized}} = I_{\text{scaled}} - \Delta_{\text{spatial}} $$

تیز کردن فضایی زمین

کانولوشن لبه لاپلاسین را بر روی ترکیبی از موارد زیر اعمال می‌کند $I_{\text{scaled}}$و $I_{\text{normalized}}$ منحصراً روی سطوح خشکی.

$$ I_{\text{sharp}} = \text{Sharpen}(I_{\text{normalized}}, I_{\text{scaled}}) $$

ترکیب میانه زمانی

برای هر سال تقویمی $Y$، مجموعه تصاویر نرمال‌سازی شده و ماسک‌شده با ابر، با استفاده از یک کاهنده میانه با دقت ۱۶ بیتی به یک کامپوزیت چندبانده تبدیل می‌شود:

$$ I_{\text{annual}}(Y) = \operatorname{median}_{t \in Y}\left(I_{\text{sharp}}(t)\right) $$

$$ \text{Cloud}_{\text{annual}}(Y) = \operatorname{median}_{t \in Y}\left(\text{Cloud}(t)\right) $$

تصویر حاصل، یک موزاییک سالانه با پوشش میانی را نشان می‌دهد که شامل نوارهای red ، green ، blue و cloud با پوشش‌های پیکسلی معتبر درون‌یابی نشده است. توجه داشته باشید که زمان ($t$) پارامتری برای تابع تصویر است.

پس‌پردازش: تصاویر پر شده با شکاف‌های سراسری و پوشش داده شده با آب

برای تولید نقشه پایه یکپارچه و کامل جهانی که در نمایشگر تعاملی تایم‌لپس زمین و موزاییک‌های سالانه توزیع‌شده عمومی استفاده می‌شود، کامپوزیت‌های سالانه با پوشش میانی، پس‌پردازش می‌شوند.

پر کردن شکاف رگرسیون خطی زمانی (موزاییک‌های قبل از ۱۹۹۹)

پیش از پرتاب لندست ۷ در سال ۱۹۹۹، دریافت ماهواره در سطح جهان به دلیل زیرساخت‌های قدیمی ارسال داده، محدودیت‌های ضبط صوت داخلی و پوشش ابری مداوم، محدود بود. در نتیجه، موزاییک‌های سالانه قبل از سال ۱۹۹۹ حاوی خلاهای مکانی قابل توجهی، به ویژه در سراسر آفریقای مرکزی، آسیای جنوب شرقی، سیبری و آمازون هستند.

برای حذف فضاهای خاکستری مزاحم و در عین حال حفظ گذارهای زمانی، این خط لوله یک درون‌یابی رگرسیون خطی زمانی در سطح پیکسل پیاده‌سازی می‌کند:

جستجوی لنگر زمانی

برای هر سال هدف Y، الگوریتم مجموعه چند دهه‌ای را جستجو می‌کند تا جدیدترین، معتبرترین و بدون پوشش‌ترین مشاهده پیکسلی قبل از ($t_{\text{before}} \le Y$) و بعد از ($t_{\text{after}} \ge Y$).

برازش رگرسیون خطی

یک مدل رگرسیون حداقل مربعات معمولی به ازای هر پیکسل در سراسر مشاهدات زمانی مرزی با متغیرهای مستقل [1, t] و متغیرهای وابسته [Red, Green, Blue] ارزیابی می‌شود:

$$ I_{\text{sharp}}(RGB, t) = \mathbf{m} \cdot t + \mathbf{b} $$

ارزیابی ارزش شبیه‌سازی‌شده

مسیر خطی در سال هدف Y ارزیابی می‌شود:

$$ I_{\text{interp}}(RGB, Y) = \mathbf{m} \cdot Y + \mathbf{b} $$

لایه بندی مشاهدات

پیکسل‌های سالانه از سال Y با پیکسل‌های درون‌یابی شده به صورت موزاییکی نمایش داده شده‌اند:

$$ I_{\text{gapfilled}} = \operatorname{Mosaic}\left(I_{\text{interp}}, I_{\text{annual}}\right) $$

این تضمین می‌کند که هر جا مشاهدات ماهواره‌ای واقعی برای آن سال وجود داشته باشد، حفظ می‌شوند، در حالی که شکاف‌های داده‌های تاریخی در طول زمان درون‌یابی می‌شوند.

پرکننده یخچالی در عرض‌های جغرافیایی بالا

انحراف مداری لندست، مشاهدات در نزدیکی کلاهک‌های قطبی انتهایی (>82.6°N) را محدود می‌کند. برای مناطق داخلی گرینلند شمالی و قفسه‌های یخی قطب شمال که فاقد پوشش نوری هستند، یک خط مبنای چند ساله کالیبره شده و نرمال شده برای حفظ نقشه‌های پایه قطبی تمیز و یکپارچه ترکیب می‌شود.

عمق‌سنجی جهانی اقیانوس و پوشش آب

در موزاییک‌های سالانه با ماسک میانی، سطوح اقیانوس شامل انعکاس نور خورشید، سایه‌های ابر و مصنوعات امواج گذرا هستند. دارایی نهایی، آب‌های آزاد اقیانوس را با یک نقشه پایه عمق‌سنجی سراسری و سایه‌دار جایگزین می‌کند:

سایه‌زنی عمق‌سنجی: ارتفاع توپوگرافی از مدل NOAA ETOPO1 با استفاده از یک رمپ رنگی عمق اقیانوس طراحی شده است:
- دشت‌های عمیق آبیسال (-۵۰۰۰ متر): نیروی دریایی عمیق ( #000927 )
- شیب قاره‌ای (-۱۰۰۰ متر): آبی تخته سنگی ( #000E3A )
- فلات قاره (-۱۰۰ متر): نیروی دریایی لاجوردی ( #000E3B )
- خط ساحلی (0 متر): رویال کبالت ( #001146 )
سایه‌زنی تپه و بهبود گاوسی بالاگذر: همراه با سایه‌زنی تحلیلی تپه ( ee.Terrain.hillshade ) و پوشش غیرواضح گاوسی ۵۰۰۰ متری برای تأکید بر گودال‌های اقیانوسی، پشته‌های میان‌اقیانوسی و کوه‌های دریایی.
هماهنگ‌سازی مرز خشکی/آبی:
- datamask تغییرات جهانی جنگل هانسن (که خشکی را از اقیانوس متمایز می‌کند) را با ماسک آب MODIS ( MOD44W ) ترکیب می‌کند.
- دریاچه‌های داخلی و دریاهای محصور (مانند دریای خزر، دریاچه‌های بزرگ، دریاچه بایکال، دریای آرال) را رنگ‌آمیزی می‌کند تا پویایی رنگ طبیعی آب حفظ شود.
- از یک کاهش هسته دایره‌ای مورفولوژیکی سه مرحله‌ای و تاری گاوسی ۳۰۰۰ متری استفاده می‌کند تا مرز بین آب‌های ساحلی کم‌عمق و عمق‌سنجی فراساحلی را بدون بریدگی شدید، به آرامی باریک کند.

متعادل‌سازی رنگ سراسری و بهبود کنتراست محلی (LCE)

تقویت ارزش HSV و متعادل‌سازی گاما: گاماهای کانال ($\gamma_R = 0.98, \gamma_G = 1.00, \gamma_B = 1.04$) و به دنبال آن افزایش 10 درصدی ارزش کانال در فضای رنگی HSV.
تصحیح نقطه سفیدی یخ‌های قطبی: سطوح قطبی با بازتاب بالا (گرینلند، قطب جنوب، صفحات یخی آلپ) را مشخص کرده و آنها را به رنگ سفید خنثی خالص متعادل می‌کند ( [255, 255, 255] ).
LCE چند مقیاسی: افزایش کنتراست و وضوح زمین برای انواع مختلف عوارض با استفاده از ترکیبی از کانولوشن لاپلاسین، فیلترینگ میانگین و ماسکینگ غیرواضح گاوسی.

ویژگی	موزاییک‌های سالانه نقاب‌دار متوسط	موزاییک‌های نهایی سالانه جهانی (دارایی موتور زمین عمومی)
در دسترس بودن دارایی‌های عمومی	مرحله خط لوله داخلی (به صورت عمومی توزیع نشده است)	توزیع‌شده عمومی ( `projects/ee-earth-timelapse/assets/annual` )
مورد استفاده اصلی	ترکیب رادیومتری متوسط و تضمین کیفیت	نقشه‌های پایه بصری، خروجی ویدیو، کاوش سراسری با تایم‌لپس
تمامیت فضایی	زمینی (با شکاف داده)	۱۰۰٪ کامل بودن جهانی
مدیریت پیکسل‌ها ناقص است	ماسک‌شده (شفاف بدون داده)	درون‌یابی رگرسیون خطی
خلاهای گرمسیری قبل از ۱۹۹۹	به عنوان شکاف‌های بدون داده حفظ شده است	به طور هموار در زمان درون‌یابی شده است
نمایش آب اقیانوس	آب ماسک شده یا غیر نرمال	عمق‌سنجی NOAA ETOPO1 به سبک
باندهای طیفی شامل	قرمز، سبز، آبی، ابر (QA)	قرمز، سبز، آبی
عمق بیت	عدد صحیح بدون علامت ۸ بیتی (۰–۲۵۵)	عدد صحیح بدون علامت ۸ بیتی (۰–۲۵۵)
وضوح پیکسل: ۱۹۸۴–۲۰۱۴	30.0 متر در هر پیکسل (EPSG:3857)	30.0 متر در هر پیکسل (EPSG:3857)
وضوح پیکسل: ۲۰۱۵ تا کنون	۱۹.۱۱ متر در هر پیکسل (EPSG:3857)	۱۹.۱۱ متر در هر پیکسل (EPSG:3857)

جدول ۲. مقایسه فنی دقیق بین مرحله میانی Masked Annual Mosaics و مجموعه Global Final Earth Timelapse که به صورت عمومی توزیع شده است ( projects/ee-earth-timelapse/assets/annual ).

محدودیت‌ها و ملاحظات تحلیلی

دوره‌های با وضوح دوگانه (30 متر در مقابل 19.11 متر): کاربرانی که تحلیل سری زمانی چند دهه‌ای انجام می‌دهند، باید تغییر وضوح در سال 2015 را در نظر بگیرند. تصاویر ترکیبی از 1984 تا 2014 با وضوح 30.0 متر در هر پیکسل شبکه‌بندی شده‌اند، در حالی که تصاویر از سال 2015 به بعد به دلیل ادغام داده‌های Sentinel-2 MSI با وضوح 19.11 متر در هر پیکسل شبکه‌بندی شده‌اند.
پیکسل‌های درون‌یابی‌شده (قبل از ۱۹۹۹): در مجموعه Global Final، پیکسل‌های از دست رفته در موزاییک‌های قبل از ۱۹۹۹ به صورت زمانی درون‌یابی می‌شوند. در مناطقی که در طول یک فاصله چند ساله دچار تغییرات ناگهانی در کاربری زمین (مثلاً جنگل‌زدایی سریع یا ساخت مخزن) می‌شوند، پیکسل‌های درون‌یابی‌شده به جای یک رویداد گسسته ناگهانی، یک تغییر خطی تدریجی را نشان می‌دهند.
مقادیر رادیومتری تغییر یافته: نرمال‌سازی رادیومتری، سازگاری بصری را در صحنه‌ها در برابر اهداف BRDF MODIS بهینه می‌کند. در حالی که الگوهای مکانی نسبی حفظ می‌شوند، اما دقت رادیومتری در باندهای طیفی قرمز، سبز و آبی حفظ نمی‌شود.
اختلاط فنولوژیکی: مناطق شمالی با عرض جغرافیایی بالا (>60 درجه شمالی) شرایط اواسط تابستان (روزهای بین 150 تا 270 روز) را نشان می‌دهند، در حالی که مناطق معتدل و گرمسیری میانه‌های ترکیبی سالانه را نشان می‌دهند.

انتساب

این مجموعه داده تحت مجوز بین‌المللی Creative Commons Attribution 4.0 منتشر شده است و نیازمند موارد زیر است:

Google Earth Timelapse (Google, Landsat, Copernicus)

شامل داده‌های اصلاح‌شده‌ی کوپرنیک سنتینل [۲۰۱۵-تاکنون]. به اطلاعیه‌ی قانونی داده‌های سنتینل مراجعه کنید.

About Earth Timelapse با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.