-
Cloud Score+ S2_HARMONIZED V1
Cloud Score+는 중간~고해상도 광학 위성 이미지의 품질 평가(QA) 프로세서입니다. Cloud Score+ S2_HARMONIZED 데이터 세트는 조화된 Sentinel-2 L1C 컬렉션에서 운영 방식에 따라 생성되며, Cloud Score+ 출력은 비교적 선명한 픽셀을 식별하고 구름과 구름 그림자를 효과적으로 삭제하는 데 사용할 수 있습니다. cloud google satellite-imagery sentinel2-derived -
Dynamic World V1
Dynamic World는 9개 클래스의 클래스 확률과 라벨 정보를 포함하는 10m 실시간에 가까운 (NRT) 토지 이용/토지 피복 (LULC) 데이터 세트입니다. Dynamic World 예측은 2015년 6월 27일부터 현재까지의 Sentinel-2 L1C 컬렉션에 사용할 수 있습니다. Sentinel-2의 재방문 빈도는 2~5일입니다. global google landcover landuse landuse-landcover nrt -
Google 글로벌 Landsat 기반 CCDC 세그먼트 (1999~2019년)
이 컬렉션에는 20년간의 Landsat 표면 반사율 데이터에 연속 변화 감지 및 분류 (CCDC) 알고리즘을 실행하여 사전 계산된 결과가 포함되어 있습니다. CCDC는 동적 RMSE 임계값을 사용한 조화 적합을 통해 시계열 데이터의 중단점을 감지하는 중단점 찾기 알고리즘입니다. … change-detection google landcover landsat-derived landuse landuse-landcover -
JRC 전 세계 지표수 매핑 레이어, v1.2[지원 중단됨]
이 데이터 세트에는 1984년부터 2019년까지의 지표수 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. 지구물리학 google jrc landsat-derived surface surface-ground-water -
JRC 전 세계 지표수 매핑 레이어, v1.4
이 데이터 세트에는 1984년부터 2021년까지의 지표수의 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. change-detection geophysical google jrc landsat-derived surface -
JRC 전 세계 지표수 메타데이터, v1.4
이 데이터 세트에는 1984년부터 2021년까지의 지표수의 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. 지구물리학 google jrc landsat-derived surface surface-ground-water -
JRC 월별 물 사용량 기록, v1.4
이 데이터 세트에는 1984년부터 2021년까지의 지표수의 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. geophysical google history jrc landsat-derived monthly -
JRC 월간 물 재발, v1.4
이 데이터 세트에는 1984년부터 2021년까지의 지표수의 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. geophysical google history jrc landsat-derived monthly -
JRC 연간 물 분류 기록, v1.4
이 데이터 세트에는 1984년부터 2021년까지의 지표수의 위치 및 시간 분포 지도가 포함되어 있으며, 이러한 수면의 범위와 변화에 관한 통계가 제공됩니다. 자세한 내용은 관련 학술지 기사(High-resolution mapping of global surface water and its …)를 참고하세요. annual geophysical google history jrc landsat-derived -
Murray Global Intertidal Change Classification
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat 보관 파일 이미지의 감독 분류를 통해 생성된 조간대 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분포된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change Data Mask
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat 보관 파일 이미지의 감독 분류를 통해 생성된 조간대 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분포된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
Murray Global Intertidal Change QA Pixel Count
Murray Global Intertidal Change Dataset에는 707,528개의 Landsat 보관 파일 이미지의 감독 분류를 통해 생성된 조간대 생태계의 전 세계 지도가 포함되어 있습니다. 각 픽셀은 전 세계에 분포된 학습 데이터 세트를 참고하여 갯벌, 영구적인 물 또는 기타로 분류되었습니다. … coastal google intertidal landsat-derived murray surface-ground-water -
위성 삽입 V1
Google 위성 삽입 데이터 세트는 학습된 지리 공간 삽입의 전 세계 분석 준비 컬렉션입니다. 이 데이터 세트의 각 10미터 픽셀은 다양한 지구 관측 위성으로 측정된 해당 픽셀 및 주변의 지표면 조건의 시간적 궤적을 인코딩하는 64차원 표현 또는 '임베딩 벡터'입니다. annual global google landsat-derived satellite-imagery sentinel1-derived -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2022 v1.0
이 데이터 세트는 2001~2022년의 전 세계 나무 덮개 손실의 주요 원인을 1km 해상도로 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 공동으로 제작한 이 데이터는 …에서 수집된 샘플 세트를 기반으로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2023 v1.1
이 데이터 세트는 2001~2023년 전 세계의 1km 해상도에서 나무 덮개 손실의 주요 원인을 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 공동으로 제작한 이 데이터는 …에서 수집된 샘플 세트를 기반으로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon -
WRI/Google DeepMind Global Drivers of Forest Loss 2001-2024 v1.2
이 데이터 세트는 2001~2024년 전 세계의 1km 해상도에서 나무 덮개 손실의 주요 원인을 매핑합니다. 세계자원연구소 (WRI)와 Google DeepMind가 공동으로 제작한 이 데이터는 …에서 수집된 샘플 세트를 기반으로 학습된 글로벌 신경망 모델 (ResNet)을 사용하여 개발되었습니다. agriculture deforestation forest forest-biomass google landandcarbon
