- در دسترس بودن مجموعه دادهها
- 2017-01-01T00:00:00Z–2024-01-01T00:00:00Z
- ارائه دهنده مجموعه داده
- موتور جستجوی گوگل ارث ( Google Earth Engine)
- برچسبها
توضیحات
مجموعه دادههای Google Satellite Embedding مجموعهای جهانی و آماده برای تجزیه و تحلیل از جاسازیهای مکانی آموختهشده است. هر پیکسل 10 متری در این مجموعه داده، یک نمایش 64 بعدی یا " بردار جاسازی " است که مسیرهای زمانی شرایط سطح در داخل و اطراف آن پیکسل را که توسط ابزارها و مجموعه دادههای مختلف رصد زمین در طول یک سال تقویمی اندازهگیری شدهاند، کدگذاری میکند. برخلاف ورودیها و شاخصهای طیفی مرسوم، که در آنها باندها با اندازهگیریهای فیزیکی مطابقت دارند، جاسازیها بردارهای ویژگی هستند که روابط بین مشاهدات چند منبعی و چندوجهی را به روشی کمتر قابل تفسیر مستقیم، اما قدرتمندتر خلاصه میکنند. به مثالهای کاربرد و توضیحات دقیقتر مراجعه کنید .
این مجموعه دادهها، سطوح خشکی و آبهای کمعمق، از جمله مناطق جزر و مدی و صخرهای، آبراههای داخلی و آبراههای ساحلی را پوشش میدهد. پوشش در قطبها توسط مدارهای ماهوارهای و پوشش ابزار محدود شده است.
این مجموعه از تصاویری تشکیل شده است که تقریباً ۱۶۳۸۴۰ متر در ۱۶۳۸۴۰ متر را پوشش میدهند و هر تصویر دارای ۶۴ باند {A00, A01, …, A63} است که هر باند برای هر محور فضای جاسازی ۶۴D است. همه باندها باید برای تحلیلهای بعدی استفاده شوند زیرا آنها به طور جمعی به یک مختصات ۶۴D در فضای جاسازی اشاره دارند و به طور مستقل قابل تفسیر نیستند.
تمام تصاویر در تصویر محلی Universal Transverse Mercator خود، همانطور که توسط ویژگی UTM_ZONE نشان داده شده است، تولید میشوند و دارای ویژگیهای system:time_start و system:time_end هستند که سال تقویمی خلاصه شده توسط جاسازیها را منعکس میکنند؛ برای مثال، یک تصویر جاسازی شده برای سال 2021 دارای system:start_time برابر با ee.Date('2021-01-01 00:00:00') و system:end_time برابر با ee.Date('2022-01-01 00:00:00') خواهد بود.
این جاسازیها به طول واحد هستند، به این معنی که بزرگی آنها ۱ است و نیازی به نرمالسازی اضافی ندارند و در سراسر کره واحد توزیع شدهاند، که آنها را برای استفاده با الگوریتمهای خوشهبندی و طبقهبندیکنندههای مبتنی بر درخت مناسب میکند. فضای جاسازی نیز در طول سالها ثابت است و جاسازیها از سالهای مختلف میتوانند برای تشخیص تغییر شرایط با در نظر گرفتن ضرب نقطهای یا زاویه بین دو بردار جاسازی استفاده شوند. علاوه بر این، جاسازیها به گونهای طراحی شدهاند که به صورت خطی قابل ترکیب باشند، یعنی میتوانند برای تولید جاسازیهایی با وضوح مکانی درشتتر تجمیع شوند یا با حساب برداری تبدیل شوند و همچنان معنای معنایی و روابط فاصلهای خود را حفظ کنند.
مجموعه دادههای جاسازی ماهواره توسط AlphaEarth Foundations تولید شده است، یک مدل جاسازی مکانی که چندین جریان داده از جمله نوری، راداری، LiDAR و سایر منابع را ادغام میکند (Brown, Kazmierski, Pasquarella et al., 2025; preprint available here ).
از آنجا که نمایشها از طریق حسگرها و تصاویر زیادی آموخته میشوند، نمایشهای جاسازیشده عموماً بر مشکلات رایجی مانند ابرها، خطوط اسکن، مصنوعات حسگر یا دادههای از دست رفته غلبه میکنند و ویژگیهای آماده برای تجزیه و تحلیل یکپارچهای را ارائه میدهند که میتوانند مستقیماً جایگزین سایر منابع تصویر رصد زمین در طبقهبندی، رگرسیون و تجزیه و تحلیلهای تشخیص تغییر شوند.
جاسازیها در این مجموعه تصویر با استفاده از نسخه ۲.۱ مدل AlphaEarth Foundations تولید شدهاند که شامل تعدادی بهبود نسبت به مدل نسخه ۲.۰ ارزیابی شده در مقاله AlphaEarth Foundations است. به عنوان مثال، مجموعه دادههای آموزشی دوباره تولید شد تا تعداد زیادی از نمونههای قطب جنوب را که قبلاً به دلیل پوشش محدود حسگر حذف شده بودند، در بر بگیرد و به طور مؤثر تعداد توالیهای ویدیویی آموزشی را از بیش از ۸.۴ میلیون به بیش از ۱۰.۱ میلیون توالی افزایش دهد؛ و لایه دادههای کشاورزی USDA NASS به عنوان یک هدف اضافی در طول آموزش گنجانده شد؛ وزنهای کاهش برای NLCD و CDL از ۰.۵۰ به ۰.۲۵ کاهش یافت؛ و چندین تغییر جزئی دیگر برای کاهش بهتر مصنوعات بصری مرتبط با نوارهای حسگر ورودی، کاشیکاری و اهداف پیکسلی چند وضوحه اعمال شد. این تغییرات به طور قابل توجهی بر عملکرد مدل از نظر معیارهای ارزیابی تأثیر نگذاشت، اما به طور کلی کیفیت جاسازیهای حاصل را بهبود بخشید.
اگرچه برخی از مصنوعات مربوط به نوارها و دادههای در دسترس در مقیاس بزرگ باقی میمانند، اما این مصنوعات معمولاً نشاندهندهی انحرافات برداری جزئی هستند و عموماً تأثیر قابل توجهی بر پردازش یا نتایج بعدی ندارند.
این مجموعه داده همچنین در Google Cloud Storage (GCS) در آدرس gs://alphaearth_foundations موجود است. میتوانید محتوای این باکت را از طریق کنسول Google Cloud مرور کنید. لطفاً توجه داشته باشید که این باکت به صورت "Requester Pays" پیکربندی شده است، به این معنی که برای پوشش هزینههای بازیابی دادهها و خروجی، باید یک پروژه صورتحساب را به درخواستهای API خود اضافه کنید. برای جزئیات کامل در مورد ساختار دادهها، به مستندات GCS در مورد Requester Pays و README باکت مراجعه کنید.
بهروزرسانی: از تاریخ 2025-11-17، لایههای جاسازی برای سال 2017 بازسازی و بهروزرسانی شدهاند تا دادههای اضافی Sentinel-1 را در خود جای دهند. ویژگی DATASET_VERSION برای این لایههای بهروزرسانیشده از 1.0 به 1.1 افزایش یافته است.
باندها
اندازه پیکسل
۱۰ متر
باندها
| نام | واحدها | حداقل | مکس | اندازه پیکسل | توضیحات |
|---|---|---|---|---|---|
A00 | بیبعد | -1 | ۱ | متر | محور صفر بردار جاسازی. |
A01 | بیبعد | -1 | ۱ | متر | محور اول بردار جاسازی. |
A02 | بیبعد | -1 | ۱ | متر | محور دوم بردار جاسازی. |
A03 | بیبعد | -1 | ۱ | متر | محور سوم بردار جاسازی. |
A04 | بیبعد | -1 | ۱ | متر | محور چهارم بردار تعبیه. |
A05 | بیبعد | -1 | ۱ | متر | محور پنجم بردار تعبیه. |
A06 | بیبعد | -1 | ۱ | متر | محور ششم بردار تعبیه. |
A07 | بیبعد | -1 | ۱ | متر | محور هفتم بردار تعبیه. |
A08 | بیبعد | -1 | ۱ | متر | محور هشتم بردار تعبیه. |
A09 | بیبعد | -1 | ۱ | متر | محور نهم بردار تعبیه. |
A10 | بیبعد | -1 | ۱ | متر | محور دهم بردار تعبیه. |
A11 | بیبعد | -1 | ۱ | متر | محور یازدهم بردار تعبیه. |
A12 | بیبعد | -1 | ۱ | متر | محور دوازدهم بردار تعبیه. |
A13 | بیبعد | -1 | ۱ | متر | سیزدهمین محور بردار تعبیه. |
A14 | بیبعد | -1 | ۱ | متر | چهاردهمین محور بردار تعبیه. |
A15 | بیبعد | -1 | ۱ | متر | محور پانزدهم بردار تعبیه. |
A16 | بیبعد | -1 | ۱ | متر | محور شانزدهم بردار تعبیه. |
A17 | بیبعد | -1 | ۱ | متر | محور هفدهم بردار تعبیه. |
A18 | بیبعد | -1 | ۱ | متر | محور هجدهم بردار تعبیه. |
A19 | بیبعد | -1 | ۱ | متر | نوزدهمین محور بردار تعبیه. |
A20 | بیبعد | -1 | ۱ | متر | بیستمین محور بردار تعبیه. |
A21 | بیبعد | -1 | ۱ | متر | بیست و یکمین محور بردار تعبیه. |
A22 | بیبعد | -1 | ۱ | متر | بیست و دومین محور بردار تعبیه. |
A23 | بیبعد | -1 | ۱ | متر | بیست و سومین محور بردار تعبیه. |
A24 | بیبعد | -1 | ۱ | متر | محور بیست و چهارم بردار تعبیه. |
A25 | بیبعد | -1 | ۱ | متر | محور بیست و پنجم بردار تعبیه. |
A26 | بیبعد | -1 | ۱ | متر | بیست و ششمین محور بردار تعبیه. |
A27 | بیبعد | -1 | ۱ | متر | بیست و هفتمین محور بردار تعبیه. |
A28 | بیبعد | -1 | ۱ | متر | بیست و هشتمین محور بردار تعبیه. |
A29 | بیبعد | -1 | ۱ | متر | بیست و نهمین محور بردار تعبیه. |
A30 | بیبعد | -1 | ۱ | متر | محور سیام بردار تعبیه. |
A31 | بیبعد | -1 | ۱ | متر | محور سی و یکم بردار تعبیه. |
A32 | بیبعد | -1 | ۱ | متر | محور سی و دوم بردار تعبیه. |
A33 | بیبعد | -1 | ۱ | متر | محور سی و سوم بردار تعبیه. |
A34 | بیبعد | -1 | ۱ | متر | محور سی و چهارم بردار تعبیه. |
A35 | بیبعد | -1 | ۱ | متر | محور سی و پنجم بردار تعبیه. |
A36 | بیبعد | -1 | ۱ | متر | محور سی و ششم بردار تعبیه. |
A37 | بیبعد | -1 | ۱ | متر | محور سی و هفتم بردار تعبیه. |
A38 | بیبعد | -1 | ۱ | متر | محور سی و هشتم بردار تعبیه. |
A39 | بیبعد | -1 | ۱ | متر | محور سی و نهم بردار تعبیه. |
A40 | بیبعد | -1 | ۱ | متر | محور چهلم بردار تعبیه. |
A41 | بیبعد | -1 | ۱ | متر | محور چهل و یکم بردار تعبیه. |
A42 | بیبعد | -1 | ۱ | متر | محور چهل و دوم بردار تعبیه. |
A43 | بیبعد | -1 | ۱ | متر | محور چهل و سوم بردار تعبیه. |
A44 | بیبعد | -1 | ۱ | متر | محور چهل و چهارم بردار تعبیه. |
A45 | بیبعد | -1 | ۱ | متر | محور چهل و پنجم بردار تعبیه. |
A46 | بیبعد | -1 | ۱ | متر | محور چهل و ششم بردار تعبیه. |
A47 | بیبعد | -1 | ۱ | متر | محور چهل و هفتم بردار تعبیه. |
A48 | بیبعد | -1 | ۱ | متر | محور چهل و هشتم بردار تعبیه. |
A49 | بیبعد | -1 | ۱ | متر | محور چهل و نهم بردار تعبیه. |
A50 | بیبعد | -1 | ۱ | متر | محور پنجاهم بردار تعبیه. |
A51 | بیبعد | -1 | ۱ | متر | محور پنجاه و یکم بردار تعبیه. |
A52 | بیبعد | -1 | ۱ | متر | محور پنجاه و دوم بردار تعبیه. |
A53 | بیبعد | -1 | ۱ | متر | محور ۵۳ بردار تعبیه. |
A54 | بیبعد | -1 | ۱ | متر | محور ۵۴ بردار تعبیه. |
A55 | بیبعد | -1 | ۱ | متر | محور ۵۵ بردار تعبیه. |
A56 | بیبعد | -1 | ۱ | متر | محور ۵۶ بردار تعبیه. |
A57 | بیبعد | -1 | ۱ | متر | محور ۵۷ بردار تعبیه. |
A58 | بیبعد | -1 | ۱ | متر | محور ۵۸ بردار تعبیه. |
A59 | بیبعد | -1 | ۱ | متر | محور ۵۹ بردار تعبیه. |
A60 | بیبعد | -1 | ۱ | متر | شصتمین محور بردار تعبیه. |
A61 | بیبعد | -1 | ۱ | متر | شصت و یکمین محور بردار تعبیه. |
A62 | بیبعد | -1 | ۱ | متر | شصت و دومین محور بردار تعبیه. |
A63 | بیبعد | -1 | ۱ | متر | شصت و سومین محور بردار تعبیه. |
ویژگیهای تصویر
ویژگیهای تصویر
| نام | نوع | توضیحات |
|---|---|---|
| نسخه مدل | رشته | رشتهی نسخه که به طور منحصر به فرد، نسخه مدل مورد استفاده برای تولید تصویر را مشخص میکند. |
| نسخه_نرم_افزار_در_پردازش | رشته | رشتهی نسخه که به طور منحصر به فرد نرمافزار پردازش دادههای مدل مورد استفاده برای تولید تصویر را مشخص میکند. |
| منطقه UTM | رشته | ناحیه UTM سیستم مرجع مختصات مورد استفاده برای تولید تصویر. |
| نسخه مجموعه داده | رشته | نسخه مجموعه دادهها. |
شرایط استفاده
شرایط استفاده
این مجموعه داده تحت مجوز CC-BY 4.0 منتشر شده است و به متن ارجاع زیر نیاز دارد: « مجموعه داده جاسازی ماهوارهای AlphaEarth Foundations توسط گوگل و Google DeepMind تولید شده است.»
نقل قولها
براون، سی اف، کازمیرسکی، ام آر، پاسکوارلا، وی جی.، راکلیج، و.جی.، سامسیکووا، ام.، ژانگ، سی، شلهامر، ای.، لاهرا، ای.، وایلز، او.، ایلیوشچنکو، اس.، گولیک، ن.، ژانگ، ال.ال.، آلج، اس.، اس.، اس. Moore, R., Boukouvalas, A., & Kohli, P. (2025). پایه های AlphaEarth: یک مدل میدانی جاسازی شده برای نقشه برداری جهانی دقیق و کارآمد از داده های برچسب پراکنده. پیش چاپ arXiv arXiv.2507.22291. doi:10.48550/arXiv.2507.22291
با موتور زمین کاوش کنید
ویرایشگر کد (جاوااسکریپت)
// 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');