이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Satellite Embedding V1

데이터 세트 제공: 2017-01-01T00:00:00Z–2024-01-01T00:00:00Z
데이터 세트 제공업체: Google Earth Engine Google DeepMind

태그: annual global google landsat-derived satellite-imagery sentinel1-derived sentinel2-derived

설명

Google 위성 삽입 데이터 세트는 학습된 지리 공간 삽입의 분석 준비가 완료된 전역 컬렉션입니다. 이 데이터 세트의 각 10미터 픽셀은 다양한 지구 관측 기기와 데이터 세트에서 측정한 해당 픽셀의 지표면 상태 시간적 궤적을 단일 연도에 걸쳐 인코딩하는 64차원 표현 또는 '임베딩 벡터'입니다. 밴드가 물리적 측정에 해당하는 기존 스펙트럼 입력 및 지수와 달리, 임베딩은 다중 소스, 다중 모달 관측치 간의 관계를 직접적으로 해석하기는 어렵지만 더 강력한 방식으로 요약하는 특징 벡터입니다. 사용 예시 및 자세한 설명 보기

이 데이터 세트는 조간대 및 산호초 지대, 내륙 수로, 연안 수로 등 육상 지표면과 얕은 물을 포함합니다. 극지방의 커버리지는 위성 궤도와 기기 커버리지에 따라 제한됩니다.

이 컬렉션은 약 163,840m x 163,840m를 포함하는 이미지로 구성되며 각 이미지에는 64D 임베딩 공간의 각 축에 해당하는 64개의 밴드 {A00, A01, …, A63}가 있습니다. 모든 밴드는 삽입 공간의 64D 좌표를 집합적으로 참조하며 독립적으로 해석할 수 없으므로 다운스트림 분석에 사용해야 합니다.

모든 이미지는 UTM_ZONE 속성으로 표시된 대로 현지 Universal Transverse Mercator 투영으로 생성되며, 캘린더 연도를 반영하는 system:time_start 및 system:time_end 속성이 있습니다. 예를 들어 2021년의 삽입 이미지에는 system:start_time이 ee.Date('2021-01-01 00:00:00')과 같고 system:end_time이 ee.Date('2022-01-01 00:00:00')과 같습니다.

이러한 삽입은 단위 길이이므로 크기가 1이고 추가 정규화가 필요하지 않으며 단위 구체에 분산되어 있으므로 클러스터링 알고리즘 및 트리 기반 분류기와 함께 사용하기에 적합합니다. 임베딩 공간은 연도별로도 일관되며, 두 임베딩 벡터 간의 내적 또는 각도를 고려하여 여러 연도의 임베딩을 조건 변경 감지에 사용할 수 있습니다. 또한 임베딩은 선형으로 구성할 수 있도록 설계되었습니다. 즉, 더 거친 공간 해상도로 임베딩을 생성하기 위해 집계하거나 벡터 산술로 변환해도 의미론적 의미와 거리 관계를 유지할 수 있습니다.

위성 삽입 데이터 세트는 광학, 레이더, LiDAR 및 기타 소스를 비롯한 여러 데이터 스트림을 동화하는 지리 공간 삽입 모델인 AlphaEarth Foundations에서 생성되었습니다 (브라운, 카즈미에르스키, 파스쿠아렐라 외, 검토 중, 사전 인쇄본은 여기에서 확인 가능).

표현은 여러 센서와 이미지에서 학습되므로 일반적으로 표현을 삽입하면 구름, 스캔 라인, 센서 아티팩트, 누락된 데이터와 같은 일반적인 문제를 해결할 수 있으며, 분류, 회귀, 변화 감지 분석에서 다른 지구 관측 이미지 소스를 직접 대체할 수 있는 원활한 분석 준비 기능을 제공합니다.

이 이미지 컬렉션의 임베딩은 AlphaEarth Foundations 논문에서 평가된 v2.0 모델에 비해 여러 개선사항이 포함된 AlphaEarth Foundations 모델의 v2.1을 사용하여 생성되었습니다. 구체적으로는 제한된 센서 범위로 인해 이전에 삭제되었던 남극의 샘플을 다수 포함하도록 학습 데이터 세트가 재생성되어 학습 동영상 시퀀스 수가 840만 개 이상에서 1,010만 개 이상으로 효과적으로 증가했습니다. 또한 USDA NASS 농지 데이터 레이어가 학습 중에 추가 타겟으로 포함되었고, NLCD 및 CDL의 손실 가중치가 0.50에서 0.25로 낮아졌으며, 입력 센서 스와스, 타일링, 다중 해상도 픽셀 타겟과 관련된 시각적 아티팩트를 더 잘 완화하기 위해 몇 가지 다른 사소한 변경사항이 구현되었습니다. 이러한 변경사항은 평가 지표 측면에서 모델의 성능에 큰 영향을 미치지 않았지만 일반적으로 결과 임베딩의 품질을 개선했습니다.

일부 대규모 스와스 및 데이터 가용성 아티팩트가 남아 있지만 일반적으로 사소한 벡터 오프셋을 나타내며 다운스트림 처리나 결과에 큰 영향을 미치지 않습니다.

대역

픽셀 크기
10미터

밴드

이름	단위	최소	최대	픽셀 크기	설명
`A00`	무차원	-1	1	미터	임베딩 벡터의 0번째 축입니다.
`A01`	무차원	-1	1	미터	임베딩 벡터의 첫 번째 축입니다.
`A02`	무차원	-1	1	미터	임베딩 벡터의 두 번째 축입니다.
`A03`	무차원	-1	1	미터	임베딩 벡터의 세 번째 축입니다.
`A04`	무차원	-1	1	미터	임베딩 벡터의 네 번째 축입니다.
`A05`	무차원	-1	1	미터	임베딩 벡터의 다섯 번째 축입니다.
`A06`	무차원	-1	1	미터	임베딩 벡터의 6번째 축입니다.
`A07`	무차원	-1	1	미터	임베딩 벡터의 7번째 축입니다.
`A08`	무차원	-1	1	미터	임베딩 벡터의 8번째 축입니다.
`A09`	무차원	-1	1	미터	임베딩 벡터의 9번째 축입니다.
`A10`	무차원	-1	1	미터	임베딩 벡터의 10번째 축입니다.
`A11`	무차원	-1	1	미터	임베딩 벡터의 11번째 축입니다.
`A12`	무차원	-1	1	미터	임베딩 벡터의 12번째 축입니다.
`A13`	무차원	-1	1	미터	임베딩 벡터의 13번째 축입니다.
`A14`	무차원	-1	1	미터	임베딩 벡터의 14번째 축입니다.
`A15`	무차원	-1	1	미터	임베딩 벡터의 15번째 축입니다.
`A16`	무차원	-1	1	미터	임베딩 벡터의 16번째 축입니다.
`A17`	무차원	-1	1	미터	임베딩 벡터의 17번째 축입니다.
`A18`	무차원	-1	1	미터	임베딩 벡터의 18번째 축입니다.
`A19`	무차원	-1	1	미터	임베딩 벡터의 19번째 축입니다.
`A20`	무차원	-1	1	미터	임베딩 벡터의 20번째 축입니다.
`A21`	무차원	-1	1	미터	임베딩 벡터의 21번째 축입니다.
`A22`	무차원	-1	1	미터	임베딩 벡터의 22번째 축입니다.
`A23`	무차원	-1	1	미터	임베딩 벡터의 23번째 축입니다.
`A24`	무차원	-1	1	미터	임베딩 벡터의 24번째 축입니다.
`A25`	무차원	-1	1	미터	임베딩 벡터의 25번째 축입니다.
`A26`	무차원	-1	1	미터	임베딩 벡터의 26번째 축입니다.
`A27`	무차원	-1	1	미터	임베딩 벡터의 27번째 축입니다.
`A28`	무차원	-1	1	미터	임베딩 벡터의 28번째 축입니다.
`A29`	무차원	-1	1	미터	임베딩 벡터의 29번째 축입니다.
`A30`	무차원	-1	1	미터	임베딩 벡터의 30번째 축입니다.
`A31`	무차원	-1	1	미터	임베딩 벡터의 31번째 축입니다.
`A32`	무차원	-1	1	미터	임베딩 벡터의 32번째 축입니다.
`A33`	무차원	-1	1	미터	임베딩 벡터의 33번째 축입니다.
`A34`	무차원	-1	1	미터	임베딩 벡터의 34번째 축입니다.
`A35`	무차원	-1	1	미터	임베딩 벡터의 35번째 축입니다.
`A36`	무차원	-1	1	미터	임베딩 벡터의 36번째 축입니다.
`A37`	무차원	-1	1	미터	임베딩 벡터의 37번째 축입니다.
`A38`	무차원	-1	1	미터	임베딩 벡터의 38번째 축입니다.
`A39`	무차원	-1	1	미터	임베딩 벡터의 39번째 축입니다.
`A40`	무차원	-1	1	미터	임베딩 벡터의 40번째 축입니다.
`A41`	무차원	-1	1	미터	임베딩 벡터의 41번째 축입니다.
`A42`	무차원	-1	1	미터	임베딩 벡터의 42번째 축입니다.
`A43`	무차원	-1	1	미터	임베딩 벡터의 43번째 축입니다.
`A44`	무차원	-1	1	미터	임베딩 벡터의 44번째 축입니다.
`A45`	무차원	-1	1	미터	임베딩 벡터의 45번째 축입니다.
`A46`	무차원	-1	1	미터	임베딩 벡터의 46번째 축입니다.
`A47`	무차원	-1	1	미터	임베딩 벡터의 47번째 축입니다.
`A48`	무차원	-1	1	미터	임베딩 벡터의 48번째 축입니다.
`A49`	무차원	-1	1	미터	임베딩 벡터의 49번째 축입니다.
`A50`	무차원	-1	1	미터	임베딩 벡터의 50번째 축입니다.
`A51`	무차원	-1	1	미터	임베딩 벡터의 51번째 축입니다.
`A52`	무차원	-1	1	미터	임베딩 벡터의 52번째 축입니다.
`A53`	무차원	-1	1	미터	임베딩 벡터의 53번째 축입니다.
`A54`	무차원	-1	1	미터	임베딩 벡터의 54번째 축입니다.
`A55`	무차원	-1	1	미터	임베딩 벡터의 55번째 축입니다.
`A56`	무차원	-1	1	미터	임베딩 벡터의 56번째 축입니다.
`A57`	무차원	-1	1	미터	임베딩 벡터의 57번째 축입니다.
`A58`	무차원	-1	1	미터	임베딩 벡터의 58번째 축입니다.
`A59`	무차원	-1	1	미터	임베딩 벡터의 59번째 축입니다.
`A60`	무차원	-1	1	미터	임베딩 벡터의 60번째 축입니다.
`A61`	무차원	-1	1	미터	임베딩 벡터의 61번째 축입니다.
`A62`	무차원	-1	1	미터	임베딩 벡터의 62번째 축입니다.
`A63`	무차원	-1	1	미터	임베딩 벡터의 63번째 축입니다.

이미지 속성

이미지 속성

이름	유형	설명
MODEL_VERSION	문자열	이미지를 생성하는 데 사용된 모델 버전을 고유하게 식별하는 버전 문자열입니다.
PROCESSING_SOFTWARE_VERSION	문자열	이미지를 생성하는 데 사용된 모델 데이터 처리 소프트웨어를 고유하게 식별하는 버전 문자열입니다.
UTM_ZONE	문자열	이미지를 생성하는 데 사용된 좌표 참조 시스템의 UTM 영역입니다.
DATASET_VERSION	문자열	데이터 세트 버전입니다.

이용약관

이용약관

이 데이터 세트는 CC-BY 4.0에 따라 라이선스가 부여되며, 다음과 같은 저작자 표시 텍스트가 필요합니다. 'AlphaEarth Foundations Satellite Embedding 데이터 세트는 Google과 Google DeepMind에서 제작했습니다.'

인용

Brown, C. F., Kazmierski, M. R., Pasquarella, V J., Rucklidge, W. J., Samsikova, M., Zhang, C., Shelhamer, E., Lahera, E., Wiles, O., Ilyushchenko, S., Gorelick, N., Zhang, L. L., Alj, S., Schechter, E., Askay, S., Guinan, O., Moore, R., Boukouvalas, A., & Kohli, P.(2025). AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data. arXiv 출판예비논문 arXiv.2507.22291. doi:10.48550/arXiv.2507.22291

Earth Engine으로 탐색

코드 편집기(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');

코드 편집기에서 열기

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 기기와 데이터 세트로 측정된 해당 픽셀 및 주변의 지표 조건의 시간적 궤적을 인코딩하는 64차원 표현 또는 '임베딩 벡터'입니다.

GOOGLE/SATELLITE_EMBEDDING/V1/ANNUAL, annual,global,google,landsat-derived,satellite-imagery,sentinel1-derived,sentinel2-derived

2017-01-01T00:00:00Z/2024-01-01T00:00:00Z

-90 -180 90 180

Google Earth Engine

https://developers.google.com/earth-engine/datasets