1. 시작하기 전에
Dynamic World는 거의 실시간으로 업데이트되는 글로벌 LULC(토지 이용 토지 피복) 데이터 세트입니다. 유럽우주기구(ESA)의 Sentinel-2 별자리와 2~5일 마다 업데이트된 지표면의 전 세계 사진을 생성하는 코페르니쿠스 프로그램을 사용하기 때문에 10m 해상도를 제공합니다. 이 모델은 지리정보 분석 플랫폼인 딥 러닝 모델과 Vertex AI 및 Earth Engine으로 제작되었습니다. 이를 통해 과학자, 연구자, 개발자는 변화를 감지하고 추세를 매핑하며 지표면의 차이를 수치화할 수 있습니다.
Earth Engine은 행성의 과학적 지식을 넓히고 더 나아가 환경 보호와 사회적 이익을 얻기 위한 도구입니다. Google Cloud로 미리보기의 상업적 용도는 삼림파괴, 물 관리, 지속 가능한 토지 사용 등 중요한 지속가능성과 기후 문제를 이해하고 해결하는 것이 주요 목적임을 나타냅니다.
이 Codelab에서는 Dynamic World와 같은 머신러닝 파생 데이터 세트 생성에 책임감 있는 관행을 적용합니다.
학습할 내용
- 원격 감지 앱에 책임감 있는 AI 관행을 적용하는 방법
- 공간 및 시간에 따른 Dynamic World 예측을 시각적으로 해석하는 방법
- 윤리적 영향과 후속 사회에 미치는 영향을 반영하는 방법
필요한 항목
- Earth Engine 앱 탐색 방법에 대한 기본 지식
- Earth Engine 앱에서 가장 잘 작동하는 Google Chrome
2. Dynamic World Earth Engine 앱을 엽니다.
Dynamic World 데이터 세트에는 이 표에 설명된 대로 9개의 LULC 클래스의 픽셀별 예측이 포함되어 있습니다. 토지 사용은 인간이 토지를 사용하는 방식을 설명하며, 토지 피복은 지표면의 물리적 물질을 설명합니다.
LULC 유형 | 설명 |
물 | 영구적 및 계절별 수역 |
나무 | 일차림 및 이차림, 대규모 농장 |
잔디 | 자연 초원, 가축 목초지, 공원 |
수생식물 | 맹그로브 및 기타 침수 생태계 |
농작물 | 줄뿌림 작물 및 논작물 |
관목 및 잡목 | 관목으로 구성된 희박하거나 조밀한 소생식생 |
건설 지역 | 저밀도 및 고밀도 건물, 도로, 도시의 공터 |
나지 | 사막과 노출된 암석 |
눈과 얼음 | 영구적 및 계절별 적설 |
이 데이터 세트의 이미지에는 10개의 대역이 있습니다. 9개의 LULC 클래스 각각에 대해 추정 확률이 있는 9개의 대역과 가장 큰 추정 확률을 갖는 클래스를 나타내는 클래스 라벨 대역입니다. 사용자는 구체적인 속성을 통해 다중시기 분석을 수행하고 요구사항에 적합한 맞춤 제품을 만들 수 있습니다.
Dynamic World Earth Engine 앱을 열려면 다음 단계를 따르세요.
- 브라우저에서 다른 탭을 엽니다.
- Dynamic World로 이동합니다.
지도는 높은 확대 수준에서 음영이 있는 Top1 모드 모자이크를 표시합니다.
- 지도를 클릭하면 시간 경과에 따른 클래스 확률을 표시하는 차트를 볼 수 있습니다.
- 차트에서 데이터 포인트를 클릭하여 특정 예측과 Sentinel-2 이미지를 로드합니다.
- 레이어 창에서 레이어 및 가시성을 조정합니다.
3. 브라질의 Dynamic World 예측 살펴보기
Dynamic World에는 9개의 LULC 클래스 모두에 대한 예측이 포함되어 있으며 각 픽셀에 단일 Top1 라벨이 표시됩니다. 실제 세계는 모든 공간 해상도의 많은 LULC 클래스를 혼합한 것입니다. 이 섹션에서는 공간 및 시간에 따른 예측을 시각적으로 해석합니다.
브라질의 Dynamic World 예측을 살펴보려면 다음 단계를 따르세요.
- 브라우저에서 Dynamic World EE 앱으로 이동합니다.
- 장소 검색 필드에
Sete de Setembro, Brazil을 입력합니다.
Dynamic World에서 브라질 혼도니아의 세테 드 세템브로 지역에 거주하는 Paiter Surui 주민의 토착 영토에 대한 데이터가 계산될 것입니다.
- Dynamic World 창에서 시작일 필드에
2016-01-01을 입력하고 종료일 필드에2022-01-01을 입력한 후 업데이트를 클릭합니다.
실시간으로 계산되므로 지도가 로드되는 데 몇 분 정도 걸릴 수 있습니다.
- 실시간으로 차트를 생성하려면 지도의 아무 곳이나 클릭합니다.
더 빠른 응답을 위해 더 확대할 수 있습니다.
- 클래스 확률이 y 축에 있고 시간이 x 축에 있는 차트를 살펴봅니다.
이 예에서 2016년 1월 1일부터 2017년 7월 27일까지의 Top1 클래스 예측은 0.684에서 0.755의 확률로 변하는 나무입니다. 2017년 9월 5일에 다음 Sentinel-2 장면이 캡처될 때는 예측이 더 이상 나무가 아니며 신호가 훨씬 더 시끄러워집니다.
아이콘을 클릭하여 차트를 확대합니다.
4. 수고하셨습니다.
Dynamic World와 같은 ML 파생 데이터 세트 생성에 책임감 있는 AI 원칙을 적용하는 방법을 알아보았습니다.