1. 事前準備
Dynamic World 是全球土地利用和土地覆蓋 (LULC) 資料集，更新頻率接近即時。這項資料集採用歐洲太空總署 (ESA) 的 Sentinel-2 衛星群和 Copernicus 計畫，每 2 到 5 天就會更新地球表面的全球圖像，因此解析度可達 10 公尺。這項產品是透過深度學習模型 Vertex AI 和地理空間分析平台 Earth Engine 製作而成。協助科學家、研究人員和開發人員偵測變化、歸納趨勢，以及量化地球表面的差異之處。
Earth Engine 旨在增進對地球過程的科學知識，進一步促進環境和社會福祉。Google Cloud 預先發布的商業用途說明指出，這項工具的主要用途是瞭解及解決重要的永續發展和氣候問題，例如森林砍伐、水資源管理和永續土地利用。
在本程式碼研究室中，您將在生成機器學習衍生資料集 (例如 Dynamic World) 時，套用負責任的做法。
課程內容
- 如何在遙測應用程式中採用負責任的 AI 做法。
- 如何從視覺上解讀 Dynamic World 的空間和時間預測。
- 如何反思道德影響和下游社會影響。
軟硬體需求
- 熟悉如何瀏覽 Earth Engine 應用程式。
- Google Chrome，這是使用 Earth Engine 應用程式的最佳瀏覽器。
2. 開啟 Dynamic World Earth Engine 應用程式
Dynamic World 資料集包含九個土地利用/土地覆蓋類別的每像素預測，如下表所示。土地利用是指人類如何使用土地，而土地覆蓋是指地球表面的物質。
土地利用/土地覆蓋類型 | 說明 |
水 | 常年和季節性水體 |
樹木 | 原始林和次生林，以及大規模種植園 |
草 | 天然草地、牧場和公園 |
淹水的植被 | 紅樹林和其他淹水生態系統 |
作物 | 行間作物和水稻作物 |
灌木和灌木叢 | 由灌木組成的稀疏至茂密開放式植被 |
建築面積 | 低密度和高密度建築物、道路和都市開放空間 |
裸露地面 | 沙漠和裸露岩石 |
積雪和結冰 | 永久和季節性積雪 |
這個資料集中的圖片包含 10 個波段：九個波段，分別代表九個土地覆蓋和土地利用類別的預估機率；以及一個類別標籤波段，指出預估機率最高的類別。這些不同的屬性可讓使用者進行多時態分析，並建立符合需求的自訂產品。
如要開啟 Dynamic World Earth Engine 應用程式，請按照下列步驟操作：
在高縮放等級下，地圖會顯示 Top1 模式的鑲嵌地圖，並加上陰影。
- 按一下地圖，即可查看圖表，瞭解各類別的機率變化。
- 按一下圖表上的資料點，即可載入特定預測結果和 Sentinel-2 影像。
- 在「圖層」窗格中調整圖層和顯示設定。
3. 探索巴西的 Dynamic World 預測
Dynamic World 包含所有九個土地利用/土地覆蓋類別的預測，並為每個像素顯示單一 Top1 標籤。現實世界中，任何空間解析度都混合了許多土地覆蓋和土地利用類別。在本節中，您將以視覺化方式解讀空間和時間的預測結果。
如要在巴西查看 Dynamic World 預測結果，請按照下列步驟操作：
- 在瀏覽器中前往 Dynamic World EE 應用程式。
- 在「搜尋地點」欄位中輸入
Sete de Setembro, Brazil。
您應該會看到巴西朗多尼亞州 9 月 7 日地區的帕伊特蘇魯伊原住民領土的 Dynamic World 運算資料。
- 在「Dynamic World」窗格中，於「Start date」欄位輸入
2016-01-01，並於「End date」欄位輸入2022-01-01，然後按一下「Update」。
地圖會即時運算，因此可能需要幾分鐘才能載入。
- 在地圖上點選任一處，即可即時產生圖表。
你可以進一步放大，加快回應速度。
- 查看圖表，其中 y 軸代表類別機率，x 軸代表時間。
在本例中，2016 年 1 月 1 日至 2017 年 7 月 27 日的 Top1 類別預測結果為樹木，機率介於 0.684 到 0.755 之間。2017 年 9 月 5 日擷取下一張 Sentinel-2 影像時，預測結果已不再是樹木，訊號也變得更加雜亂。
- 按一下
即可放大圖表。
4. 恭喜
您已瞭解如何在生成機器學習衍生資料集 (例如 Dynamic World) 時，套用負責任的 AI 技術開發原則。