Satellite Embedding V1

Набор данных Google Satellite Embedding представляет собой глобальную, готовую к анализу коллекцию геопространственных эмбеддингов . Каждый 10-метровый пиксель в этом наборе данных представляет собой 64-мерное представление, или « вектор эмбеддинга », который кодирует временные траектории поверхностных условий в этом пикселе и вокруг него, измеренные различными приборами и наборами данных наблюдения Земли в течение одного календарного года. В отличие от традиционных спектральных входных данных и индексов, где диапазоны соответствуют физическим измерениям, эмбеддинги представляют собой векторы признаков, которые суммируют взаимосвязи между данными многоисточниковых мультимодальных наблюдений менее интерпретируемым, но более эффективным способом.

Набор данных охватывает поверхности суши и мелководья, включая приливные и рифовые зоны, внутренние и прибрежные водные пути. Охват полюсов ограничен орбитами спутников и зоной действия приборов.

Коллекция состоит из изображений, охватывающих площадь приблизительно 163 840 м на 163 840 м, и каждое изображение содержит 64 полосы {A00, A01, …, A63} , по одной на каждую ось 64-мерного пространства встраивания. Все полосы следует использовать для последующего анализа, поскольку они в совокупности относятся к 64-мерной координате в пространстве встраивания и не могут быть интерпретированы независимо.

Все изображения генерируются в локальной универсальной поперечной проекции Меркатора, как указано свойством UTM_ZONE, и имеют свойства system:time_start и system:time_end , которые отражают календарный год, суммированный вложениями. Например, встраиваемое изображение для 2021 года будет иметь system:start_time равный ee.Date('2021-01-01 00:00:00') , и system:end_time равный ee.Date('2022-01-01 00:00:00') .

Эмбеддинги имеют единичную длину, то есть их величина равна 1, и они не требуют дополнительной нормализации. Они распределены по единичной сфере , что делает их пригодными для использования с алгоритмами кластеризации и древовидными классификаторами. Пространство эмбеддингов также единообразно по годам, и эмбеддинги разных лет могут использоваться для обнаружения изменений условий, рассматривая скалярное произведение или угол между двумя векторами эмбеддингов. Более того, эмбеддинги разработаны с учётом линейной ��омпозиции, то есть их можно агрегировать для получения эмбеддингов с более грубым пространственным разрешением или преобразовывать с помощью векторной арифметики, сохраняя при этом своё семантическое значение и отношения расстояний.

Встраивание данных осуществляется с помощью AlphaEarth Foundations — геопространственной модели встраивания, которая ассимилирует несколько потоков данных, включая оптические, радиолокационные, LiDAR и другие источники (Браун, Казмерски, Паскуарелла и др., в обзоре).

Поскольку представления данных формируются на основе множества датчиков и изображений, внедрение представлений эффективно устраняет такие распространённые проблемы, как облачность, линии сканирования, артефакты датчиков или отсутствие данных, предоставляя готовые к анализу бесшовные функции, которые можно напрямую использовать вместо других источников изображений наблюдения Земли при классификации, регрессионном анализе и анализе обнаружения изменений. Хотя некоторые крупномасштабные артефакты полосы обзора и доступности данных могут быть заметны, они, как правило, представляют собой незначительные смещения векторов и, как правило, не оказывают существенного влияния на последующую обработку или результаты.