前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Google Earth Engine(GEE)——全球建筑物矢量图免费下载Open Buildings V1 Polygons

Google Earth Engine(GEE)——全球建筑物矢量图免费下载Open Buildings V1 Polygons

作者头像
此星光明
发布2024-02-02 13:02:24
2630
发布2024-02-02 13:02:24
举报

之前我们已经介绍过了关于微软全球建筑物提取的矢量图。

全球建筑物提取数据集(免费下载):微软/GlobalMLBuildingFootprints_此星光明2021年博客之星云计算Top3的博客-CSDN博客_建筑物提取数据集

数据介绍:

这个大规模的开放数据集包括从高分辨率的50厘米卫星图像中得出的建筑物轮廓。它包含了5.16亿个建筑物的检测结果,覆盖了1940万平方公里的区域(占非洲大陆的64%)。

对于这个数据集中的每一栋建筑,我们都包括描述其在地面上的足迹的多边形、表明我们对这是一栋建筑的确定程度的信心分数,以及与建筑中心相对应的Plus代码。没有关于建筑物类型、街道地址或除几何形状以外的任何细节的信息。

建筑物足迹对一系列重要的应用很有用:从人口估计、城市规划和人道主义反应到环境和气候科学。该项目设在加纳,目前的重点是非洲大陆。

推断工作是在2021年4月期间进行的。

时间:

2021-04-30T00:00:00 - 2021-04-30T00:00:00

Dataset Provider

Google Research - Open Buildings

Collection Snippet

ee.FeatureCollection("GOOGLE/Research/open-buildings/v1/polygons")

代码:

代码语言:javascript
复制
// Visualization of GOOGLE/Research/open-buildings/v1/polygons.

var t = ee.FeatureCollection('GOOGLE/Research/open-buildings/v1/polygons');

var t_060_065 = t.filter('confidence >= 0.60 && confidence < 0.65');
var t_065_070 = t.filter('confidence >= 0.65 && confidence < 0.70');
var t_gte_070 = t.filter('confidence >= 0.70');

Map.addLayer(t_060_065, {color: 'FF0000'}, 'Buildings confidence [0.60; 0.65)');
Map.addLayer(t_065_070, {color: 'FFFF00'}, 'Buildings confidence [0.65; 0.70)');
Map.addLayer(t_gte_070, {color: '00FF00'}, 'Buildings confidence >= 0.70');
Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.setOptions('SATELLITE');

FeatureView Snippet(快速加载矢量的最新方法,没有瓦片感)

ui.Map.FeatureViewLayer("GOOGLE/Research/open-buildings/v1/polygons_FeatureView")

代码:

代码语言:javascript
复制
var fvLayer = ui.Map.FeatureViewLayer(
  'GOOGLE/Research/open-buildings/v1/polygons_FeatureView');

var visParams = {
  rules: [
    {
      filter: ee.Filter.expression('confidence >= 0.60 && confidence < 0.65'),
      color: 'FF0000'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.65 && confidence < 0.70'),
      color: 'FFFF00'
    },
    {
      filter: ee.Filter.expression('confidence >= 0.70'),
      color: '00FF00'
    },
  ]
};

fvLayer.setVisParams(visParams);
fvLayer.setName('Buildings');

Map.setCenter(3.389, 6.492, 17);  // Lagos, Nigeria
Map.add(fvLayer);
Map.setOptions('SATELLITE');

FeatureView ID

GOOGLE/Research/open-buildings/v1/polygons_FeatureView

Ingestion parameters

Thinning option

Value

Max features per tile

12000

Thinning strategy

Higher density

sourceVersion

2021-07-20T21:22:23.620127Z

波段:

Name

Type

Description

area_in_meters

Double

Area in square meters of the polygon.

confidence

Double

Confidence score [0.5;1.0] assigned by the model.

full_plus_code

String

The full [Plus Code](https://plus.codes/) at the building polygon centroid.

longitude_latitude

undefined

Centroid of the polygon.

数据引用:

W. Sirko, S. Kashubin, M. Ritter, A. Annkah, Y.S.E. Bouchareb, Y. Dauphin, D. Keysers, M. Neumann, M. Cisse, J.A. Quinn. Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021.

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-02-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档