
Niestandardowe wektory dystrybucyjne danych satelitarnych są danymi wyjściowymi modelu AlphaEarth Foundations, modelu AI opracowanego przez Google DeepMind, który integruje petabajty danych obserwacji Ziemi z wielu źródeł w ujednoliconą reprezentację cyfrową (wektory dystrybucyjne). Google udostępnia publicznie roczny zbiór danych wektorów dystrybucyjnych zdjęć satelitarnych jako zbiór danych Earth Engine oraz jako pliki GeoTIFF zoptymalizowane pod kątem chmury (COG) w Google Cloud Storage.
Informacje o niestandardowych danych wektorów dystrybucyjnych zdjęć satelitarnych
Google udostępnia niestandardowe satelitarne wektory dystrybucyjne, aby model AlphaEarth Foundations był dostępny w niestandardowej częstotliwości i rozdzielczości, w przeciwieństwie do publicznego zbioru danych satelitarnych wektorów dystrybucyjnych, który jest dostępny tylko w częstotliwości rocznej. Zbiory danych niestandardowych wektorów dystrybucyjnych satelitarnych są dostarczane jako COG do Twojego prywatnego zasobnika Cloud Storage.
Niestandardowe wektory dystrybucyjne satelity pomagają generować statystyki, takie jak:
- Czy w danym miesiącu na interesującym Cię obszarze miało miejsce jakieś wydarzenie?
- Jak zmienił się rozkład przestrzenny interesującej klasy w ciągu kilku miesięcy?
- W którym momencie dany okres najbardziej różni się od okresu referencyjnego?
- Czy w wektorach dystrybucyjnych występują trajektorie czasowe, które pokazują wahania interesującej nas wielkości w ciągu sezonu?
Analiza tych danych obsługuje takie przypadki użycia:
- Monitorowanie upraw
- Ocena uszkodzeń
- Wykrywanie problematycznych sytuacji
Dane niestandardowych wektorów dystrybucyjnych zdjęć satelitarnych są dostarczane jako COG w Cloud Storage, więc można je bezpośrednio przekonwertować na ImageCollection w Google Earth Engine. W Earth Engine możesz tworzyć wizualizacje, analizować serie czasowe lub dopasowywać modele uczenia maszynowego do danych z niestandardowych wektorów dystrybucyjnych zdjęć satelitarnych. Uzyskuj statystyki, analizując konkretne zdarzenia, takie jak wzrost upraw, powodzie, rozwój infrastruktury i inne rzadkie lub epizodyczne procesy. Przykładowe przepływy pracy znajdziesz na stronie z przykładami.
Informacje o Earth Engine
Udostępniając zdjęcia z niestandardowych wektorów dystrybucyjnych zdjęć satelitarnych w Earth Engine, odblokowujesz bardziej złożone przepływy pracy związane z uczeniem maszynowym i analizą obrazów:
- Twórz i wdrażaj modele ML, aby analizować zdjęcia i odkrywać statystyki pod kątem konkretnych potrzeb.
- Używaj tych samych narzędzi i platform Earth Engine, których już używasz w przepływach pracy związanych z danymi geoprzestrzennymi.
- Wykorzystaj możliwości Google Earth Engine do skalowalnej, wydajnej analizy ciągów czasowych obrazów.
Rejestracja
Aby uzyskać dostęp do niestandardowych wektorów dystrybucyjnych satelity, najpierw zgłoś zainteresowanie za pomocą tego formularza: rejestracja.