- Disponibilidade de conjuntos de dados
- 2017-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Provedor de conjunto de dados
- Google Earth Engine Google DeepMind
- Tags
Descrição
O conjunto de dados de incorporação de satélite do Google é uma coleção global e pronta para análise de incorporações geoespaciais aprendidas. Cada pixel de 10 metros nesse conjunto de dados é uma representação de 64 dimensões, ou "vetor de incorporação", que codifica trajetórias temporais de condições da superfície no pixel e ao redor dele, medidas por vários instrumentos e conjuntos de dados de observação da Terra, ao longo de um único ano civil. Ao contrário das entradas e índices espectrais convencionais, em que as bandas correspondem a medições físicas, os embeddings são vetores de recursos que resumem as relações entre observações multimodais e de várias fontes de uma maneira menos diretamente interpretável, mas mais eficiente.
O conjunto de dados abrange superfícies terrestres e águas rasas, incluindo zonas entre marés e de recifes, vias navegáveis interiores e costeiras. A cobertura nos polos é limitada pelas órbitas dos satélites e pela cobertura dos instrumentos.
A coleção é composta de imagens que cobrem aproximadamente 163.840 metros por 163.840 metros, e cada imagem tem 64 bandas {A00, A01, …, A63}, uma para cada eixo do espaço de embedding 64D. Todas as bandas devem ser usadas para análise downstream, já que se referem coletivamente a uma coordenada 64D no espaço de incorporação e não podem ser interpretadas de forma independente.
Todas as imagens são geradas na projeção local Universal Transversa de Mercator, conforme indicado pela propriedade UTM_ZONE, e têm propriedades system:time_start e system:time_end que refletem o ano civil resumido pelas incorporações. Por exemplo, uma imagem de incorporação de 2021 terá um system:start_time igual a ee.Date('2021-01-01 00:00:00') e um system:end_time igual a ee.Date('2022-01-01 00:00:00').
Os embeddings têm comprimento unitário, ou seja, magnitude 1, e não exigem normalização adicional. Eles são distribuídos na esfera unitária, o que os torna adequados para uso com algoritmos de clusterização e classificadores baseados em árvores. O espaço de embedding também é consistente ao longo dos anos, e embeddings de diferentes anos podem ser usados para detecção de mudanças de condição considerando o produto escalar ou o ângulo entre dois vetores de embedding. Além disso, os embeddings são projetados para serem linearmente combináveis, ou seja, podem ser agregados para produzir embeddings em resoluções espaciais mais grosseiras ou transformados com aritmética vetorial, mantendo o significado semântico e as relações de distância.
Os embeddings são produzidos pela AlphaEarth Foundations, um modelo de embedding geoespacial que assimila vários fluxos de dados, incluindo fontes ópticas, de radar, LiDAR e outras (Brown, Kazmierski, Pasquarella et al., em revisão).
Como as representações são aprendidas em vários sensores e imagens, a incorporação de representações mitiga problemas comuns, como nuvens, linhas de varredura, artefatos de sensor ou dados ausentes, fornecendo recursos contínuos prontos para análise que podem ser substituídos diretamente por outras fontes de imagens de observação da Terra em análises de classificação, regressão e detecção de mudanças. Embora alguns artefatos de grande escala e disponibilidade de dados possam ser perceptíveis, eles geralmente representam pequenos deslocamentos de vetores e não afetam significativamente o processamento ou os resultados downstream.
Bandas
Tamanho do pixel
10 metros
Bandas
| Nome | Unidades | Mín. | Máx. | Tamanho do pixel | Descrição |
|---|---|---|---|---|---|
A00 |
Sem dimensão | -1 | 1 | quadrados | O eixo 0 do vetor de embedding. |
A01 |
Sem dimensão | -1 | 1 | quadrados | O primeiro eixo do vetor de embedding. |
A02 |
Sem dimensão | -1 | 1 | quadrados | O segundo eixo do vetor de embedding. |
A03 |
Sem dimensão | -1 | 1 | quadrados | O terceiro eixo do vetor de embedding. |
A04 |
Sem dimensão | -1 | 1 | quadrados | O quarto eixo do vetor de embedding. |
A05 |
Sem dimensão | -1 | 1 | quadrados | O quinto eixo do vetor de embedding. |
A06 |
Sem dimensão | -1 | 1 | quadrados | O sexto eixo do vetor de embedding. |
A07 |
Sem dimensão | -1 | 1 | quadrados | O sétimo eixo do vetor de embedding. |
A08 |
Sem dimensão | -1 | 1 | quadrados | O oitavo eixo do vetor de embedding. |
A09 |
Sem dimensão | -1 | 1 | quadrados | O nono eixo do vetor de embedding. |
A10 |
Sem dimensão | -1 | 1 | quadrados | O 10º eixo do vetor de embedding. |
A11 |
Sem dimensão | -1 | 1 | quadrados | O 11º eixo do vetor de embedding. |
A12 |
Sem dimensão | -1 | 1 | quadrados | O 12º eixo do vetor de embedding. |
A13 |
Sem dimensão | -1 | 1 | quadrados | O 13º eixo do vetor de embedding. |
A14 |
Sem dimensão | -1 | 1 | quadrados | O 14º eixo do vetor de embedding. |
A15 |
Sem dimensão | -1 | 1 | quadrados | O 15º eixo do vetor de embedding. |
A16 |
Sem dimensão | -1 | 1 | quadrados | O 16º eixo do vetor de embedding. |
A17 |
Sem dimensão | -1 | 1 | quadrados | O 17º eixo do vetor de embedding. |
A18 |
Sem dimensão | -1 | 1 | quadrados | O 18º eixo do vetor de embedding. |
A19 |
Sem dimensão | -1 | 1 | quadrados | O 19º eixo do vetor de embedding. |
A20 |
Sem dimensão | -1 | 1 | quadrados | O 20º eixo do vetor de embedding. |
A21 |
Sem dimensão | -1 | 1 | quadrados | O 21º eixo do vetor de embedding. |
A22 |
Sem dimensão | -1 | 1 | quadrados | O 22º eixo do vetor de embedding. |
A23 |
Sem dimensão | -1 | 1 | quadrados | O 23º eixo do vetor de embedding. |
A24 |
Sem dimensão | -1 | 1 | quadrados | O 24º eixo do vetor de embedding. |
A25 |
Sem dimensão | -1 | 1 | quadrados | O 25º eixo do vetor de embedding. |
A26 |
Sem dimensão | -1 | 1 | quadrados | O 26º eixo do vetor de embedding. |
A27 |
Sem dimensão | -1 | 1 | quadrados | O 27º eixo do vetor de embedding. |
A28 |
Sem dimensão | -1 | 1 | quadrados | O 28º eixo do vetor de embedding. |
A29 |
Sem dimensão | -1 | 1 | quadrados | O 29º eixo do vetor de embedding. |
A30 |
Sem dimensão | -1 | 1 | quadrados | O 30º eixo do vetor de embedding. |
A31 |
Sem dimensão | -1 | 1 | quadrados | O 31º eixo do vetor de embedding. |
A32 |
Sem dimensão | -1 | 1 | quadrados | O 32º eixo do vetor de embedding. |
A33 |
Sem dimensão | -1 | 1 | quadrados | O 33º eixo do vetor de embedding. |
A34 |
Sem dimensão | -1 | 1 | quadrados | O 34º eixo do vetor de embedding. |
A35 |
Sem dimensão | -1 | 1 | quadrados | O 35º eixo do vetor de embedding. |
A36 |
Sem dimensão | -1 | 1 | quadrados | O 36º eixo do vetor de embedding. |
A37 |
Sem dimensão | -1 | 1 | quadrados | O 37º eixo do vetor de embedding. |
A38 |
Sem dimensão | -1 | 1 | quadrados | O 38º eixo do vetor de embedding. |
A39 |
Sem dimensão | -1 | 1 | quadrados | O 39º eixo do vetor de embedding. |
A40 |
Sem dimensão | -1 | 1 | quadrados | O 40º eixo do vetor de embedding. |
A41 |
Sem dimensão | -1 | 1 | quadrados | O 41º eixo do vetor de embedding. |
A42 |
Sem dimensão | -1 | 1 | quadrados | O 42º eixo do vetor de embedding. |
A43 |
Sem dimensão | -1 | 1 | quadrados | O 43º eixo do vetor de embedding. |
A44 |
Sem dimensão | -1 | 1 | quadrados | O 44º eixo do vetor de embedding. |
A45 |
Sem dimensão | -1 | 1 | quadrados | O 45º eixo do vetor de embedding. |
A46 |
Sem dimensão | -1 | 1 | quadrados | O 46º eixo do vetor de embedding. |
A47 |
Sem dimensão | -1 | 1 | quadrados | O 47º eixo do vetor de embedding. |
A48 |
Sem dimensão | -1 | 1 | quadrados | O 48º eixo do vetor de embedding. |
A49 |
Sem dimensão | -1 | 1 | quadrados | O 49º eixo do vetor de embedding. |
A50 |
Sem dimensão | -1 | 1 | quadrados | O 50º eixo do vetor de embedding. |
A51 |
Sem dimensão | -1 | 1 | quadrados | O 51º eixo do vetor de embedding. |
A52 |
Sem dimensão | -1 | 1 | quadrados | O 52º eixo do vetor de embedding. |
A53 |
Sem dimensão | -1 | 1 | quadrados | O 53º eixo do vetor de embedding. |
A54 |
Sem dimensão | -1 | 1 | quadrados | O 54º eixo do vetor de embedding. |
A55 |
Sem dimensão | -1 | 1 | quadrados | O 55º eixo do vetor de embedding. |
A56 |
Sem dimensão | -1 | 1 | quadrados | O 56º eixo do vetor de embedding. |
A57 |
Sem dimensão | -1 | 1 | quadrados | O 57º eixo do vetor de embedding. |
A58 |
Sem dimensão | -1 | 1 | quadrados | O 58º eixo do vetor de embedding. |
A59 |
Sem dimensão | -1 | 1 | quadrados | O 59º eixo do vetor de embedding. |
A60 |
Sem dimensão | -1 | 1 | quadrados | O 60º eixo do vetor de embedding. |
A61 |
Sem dimensão | -1 | 1 | quadrados | O 61º eixo do vetor de embedding. |
A62 |
Sem dimensão | -1 | 1 | quadrados | O 62º eixo do vetor de embedding. |
A63 |
Sem dimensão | -1 | 1 | quadrados | O 63º eixo do vetor de embedding. |
Propriedades de imagens
Propriedades da imagem
| Nome | Tipo | Descrição |
|---|---|---|
| MODEL_VERSION | STRING | A string de versão que identifica exclusivamente a versão do modelo usada para gerar a imagem. |
| PROCESSING_SOFTWARE_VERSION | STRING | A string de versão que identifica exclusivamente o software de processamento de dados do modelo usado para gerar a imagem. |
| UTM_ZONE | STRING | A zona UTM do sistema de referência de coordenadas usado para produzir a imagem. |
| DATASET_VERSION | STRING | A versão do conjunto de dados. |
Termos de Uso
Termos de Uso
Esse conjunto de dados está licenciado de acordo com a CC-BY 4.0 e exige o seguinte texto de atribuição: "Esse conjunto de dados foi produzido pelo Google e pelo Google DeepMind".
Explorar com o Earth Engine
Editor de código (JavaScript)
// Load collection. var dataset = ee.ImageCollection('GOOGLE/SATELLITE_EMBEDDING/V1/ANNUAL'); // Point of interest. var point = ee.Geometry.Point(-121.8036, 39.0372); // Get embedding images for two years. var image1 = dataset .filterDate('2023-01-01', '2024-01-01') .filterBounds(point) .first(); var image2 = dataset .filterDate('2024-01-01', '2025-01-01') .filterBounds(point) .first(); // Visualize three axes of the embedding space as an RGB. var visParams = {min: -0.3, max: 0.3, bands: ['A01', 'A16', 'A09']}; Map.addLayer(image1, visParams, '2023 embeddings'); Map.addLayer(image2, visParams, '2024 embeddings'); // Calculate dot product as a measure of similarity between embedding vectors. // Note for vectors with a magnitude of 1, this simplifies to the cosine of the // angle between embedding vectors. var dotProd = image1 .multiply(image2) .reduce(ee.Reducer.sum()); // Add dot product to the map. Map.addLayer( dotProd, {min: 0, max: 1, palette: ['white', 'black']}, 'Similarity between years (brighter = less similar)' ); Map.centerObject(point, 12); Map.setOptions('SATELLITE');