
Собственные векторные представления спутниковых данных – это выходные данные модели AlphaEarth Foundations, ИИ-модели, разработанной Google DeepMind. Она объединяет петабайты данных наблюдения за Землей из разных источников в единое цифровое представление (векторные представления). Google публикует ежегодный набор данных спутниковых эмбеддингов в виде набора данных Earth Engine и оптимизированных для облака файлов GeoTIFF (COG) в Google Cloud Storage.
О данных пользовательских спутниковых эмбеддингов
Google предоставляет настраиваемые спутниковые эмбеддинги, чтобы модель AlphaEarth Foundations была доступна с настраиваемой временной частотой и разрешением, в отличие от общедоступного набора данных спутниковых эмбеддингов, который доступен только с годовой частотой. Наборы данных Custom Satellite Embeddings доставляются в виде COG в ваш частный сегмент Cloud Storage.
С помощью Custom Satellite Embeddings можно получать следующую информацию:
- Произошло ли событие в интересующей области в определенный месяц?
- Как изменилось пространственное распределение интересующего класса за несколько месяцев?
- В какой момент времени наблюдается наибольшее отклонение от контрольного периода?
- Есть ли в эмбеддингах временные траектории, которые показывают внутрисезонные изменения интересующей величины?
Анализ этих данных позволяет решать следующие задачи:
- Мониторинг урожая
- Оценка ущерба
- Обнаружение помех
Поскольку данные Custom Satellite Embeddings поставляются в виде COG в Cloud Storage, их можно напрямую преобразовать в ImageCollection в Google Earth Engine. В Earth Engine вы можете создавать визуализации, анализировать временные ряды или обучать модели машинного обучения на данных Custom Satellite Embeddings. Анализируйте конкретные события, такие как рост урожая, наводнения, развитие инфраструктуры и другие редкие или эпизодические процессы. Примеры рабочих процессов можно найти на странице с примерами.
О платформе Earth Engine
Добавив изображения Custom Satellite Embeddings в Earth Engine, вы сможете использовать более сложные рабочие процессы машинного обучения (ML) и анализа изображений.
- Разрабатывайте и развертывайте модели ML, чтобы анализировать изображения и получать статистику для своих целей.
- Используйте те же инструменты и фреймворк Earth Engine, которые вы уже применяете для работы с геопространственными данными.
- Используйте возможности Google Earth Engine для масштабируемого и высокопроизводительного анализа временных рядов изображений.
Регистрация
Чтобы получить доступ к специальным спутниковым эмбеддингам, заполните эту форму.