Satellite Embedding V1

Set data Sematan Satelit Google adalah kumpulan sematan geospasial yang dipelajari dan siap dianalisis secara global. Setiap piksel 10 meter dalam set data ini adalah representasi 64 dimensi, atau "vektor sematan", yang mengenkode lintasan temporal kondisi permukaan di dan sekitar piksel tersebut sebagaimana diukur oleh berbagai instrumen dan set data pengamatan Bumi, selama satu tahun kalender. Tidak seperti input dan indeks spektral konvensional, yang band-nya sesuai dengan pengukuran fisik, embedding adalah vektor fitur yang merangkum hubungan di seluruh pengamatan multi-sumber dan multi-modal dengan cara yang kurang dapat ditafsirkan secara langsung, tetapi lebih efektif.

Set data ini mencakup permukaan tanah terestrial dan perairan dangkal, termasuk zona pasang surut dan terumbu karang, jalur air pedalaman, dan jalur air pesisir. Cakupan di kutub dibatasi oleh orbit satelit dan cakupan instrumen.

Kumpulan data ini terdiri dari gambar yang mencakup sekitar 163.840 meter x 163.840 meter, dan setiap gambar memiliki 64 band {A00, A01, …, A63}, satu untuk setiap sumbu ruang penyematan 64D. Semua band harus digunakan untuk analisis hilir karena secara kolektif merujuk pada koordinat 64D di ruang penyematan dan tidak dapat ditafsirkan secara independen.

Semua gambar dibuat dalam proyeksi Universal Transverse Mercator lokalnya seperti yang ditunjukkan oleh properti UTM_ZONE, dan memiliki properti system:time_start dan system:time_end yang mencerminkan tahun kalender yang diringkas oleh sematan; misalnya, gambar sematan untuk tahun 2021 akan memiliki system:start_time yang sama dengan ee.Date('2021-01-01 00:00:00') dan system:end_time yang sama dengan ee.Date('2022-01-01 00:00:00').

Penyematan memiliki panjang unit, yang berarti memiliki besaran 1 dan tidak memerlukan normalisasi tambahan, serta didistribusikan di seluruh bola satuan, sehingga cocok untuk digunakan dengan algoritma pengelompokan dan pengklasifikasi berbasis pohon. Ruang embedding juga konsisten di seluruh tahun, dan embedding dari tahun yang berbeda dapat digunakan untuk mendeteksi perubahan kondisi dengan mempertimbangkan produk dot atau sudut antara dua vektor embedding. Selain itu, sematan dirancang agar dapat disusun secara linear, yaitu dapat digabungkan untuk menghasilkan sematan pada resolusi spasial yang lebih kasar atau diubah dengan aritmatika vektor, dan tetap mempertahankan makna semantik dan hubungan jaraknya.

Embedding dihasilkan oleh AlphaEarth Foundations, model embedding geospasial yang mengasimilasi beberapa aliran data termasuk optik, radar, LiDAR, dan sumber lainnya (Brown, Kazmierski, Pasquarella et al., dalam peninjauan).

Karena representasi dipelajari di banyak sensor dan gambar, representasi sematan secara efektif memitigasi masalah umum seperti awan, garis pemindaian, artefak sensor, atau data yang hilang, sehingga menyediakan fitur siap analisis yang lancar yang dapat langsung digantikan dengan sumber gambar Pengamatan Bumi lainnya dalam analisis klasifikasi, regresi, dan deteksi perubahan. Meskipun beberapa artefak ketersediaan data dan petak berskala besar mungkin terlihat, artefak ini biasanya merepresentasikan offset vektor kecil dan umumnya tidak memengaruhi pemrosesan atau hasil hilir secara signifikan.