1. 事前準備
Dynamic World 是全球土地利用的地貌 (LULC) 資料集，幾乎即時更新。由於這個模型採用歐洲太空總署 (ESA) 的 Sentinel-2 星座和哥白尼計劃，它提供了 10 公尺的解析度，每 2 到 5 天會為地球表面產生最新的全球圖像。這套工具使用深度學習模型 Vertex AI，以及地理空間分析平台 Earth Engine。這項技術可幫助科學家、研究人員和開發人員偵測變化、地圖趨勢及量化地球表面的差異。
Earth Engine 這項工具旨在提升行星作用的科學知識，進一步保護環境和社會利益。該資料以商業用途 (試用 Google Cloud 預先發布版) 表示，其主要目的是瞭解及處理重要的永續發展和氣候問題，例如森林砍伐情形、水資源管理和永續土地利用。
在本程式碼研究室中，您將以負責任的方式產生機器學習衍生資料集 (例如 Dynamic World)。
課程內容
- 瞭解如何在遠端感測應用程式中採行負責任的 AI 技術做法。
- 如何以視覺化方式解讀不同空間和時間的動態世界預測。
- 如何反思道德影響以及下游社會的影響。
軟硬體需求
- 熟悉 Earth Engine 應用程式瀏覽方式。
- Google Chrome，最適合與 Earth Engine 應用程式搭配使用。
2. 開啟 Dynamic World Earth Engine 應用程式
「Dynamic World」資料集包含九個 LULC 類別，以像素為單位的預測結果，如下表所述。土地運用是指人類如何使用土地，而土地覆蓋則說明地球表面的物理材料。
LULC 類型 | 說明 |
水 | 永久和季節性水域 |
樹木 | 主要森林和次要森林，以及大型植物 |
草 | 天然草原、家畜牧場和公園 |
洪水植被 | 紅樹林和其他不幸的生態系統 |
作物 | 資料列裁剪和拼湊作物 |
拖曳和拖曳 | 由灌木成分的廣闊開放草坪 |
建造區域 | 低密度和高密度的建築物、道路和都市開放空間 |
裸球場 | 沙漠和裸露岩石 |
冰雪 | 永久性與季節性雪覆蓋層 |
這個資料集的圖片包含 10 個頻帶：九個頻帶與 9 個 LULC 類別預估可能的機率；還有一種類別標籤頻帶，代表估計機率最高的類別。這些不同的資源可讓使用者進行多時分析，並建立符合自身需求的客製化產品。
如何開啟 Dynamic World Earth Engine 應用程式：
地圖顯示Top1模式馬賽克，且縮放等級高時有山形。
- 按一下地圖即可查看圖表，顯示特定時間內類別機率變化。
- 按一下圖表上的資料點，即可載入特定預測結果及其 Sentinel-2 圖片。
- 在「圖層」窗格中調整圖層和顯示設定。
3. 探索巴西的動態世界預測
Dynamic World 提供 9 個 LULC 類別的預測結果，且每個像素都會顯示一個 Top1 標籤。現實世界融合了許多 LULC 類別 (任何空間解析度)。在本節中，您將以視覺化方式解讀不同空間和時間的預測結果。
如何探索巴西的動態世界預測：
- 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。
你應該會看到住在巴西隆多尼亞省塞姆布羅地區，居住地產蘇裡當地原住民的 Dynamic World 運算資料。
- 在「Dynamic World」窗格中的「Start date」欄位中輸入
2016-01-01，然後在「End date」欄位中輸入2022-01-01，然後按一下「Update」。
地圖會即時計算，因此可能需要幾分鐘就能載入。
- 在地圖上點選任一處，即可即時產生圖表。
你可以進一步放大畫面，更快得到回覆。
- 這張圖表會以 y 軸表示類別機率，並以 x 軸表示。
在這個示例中，Top1 類別預測從 2016 年 1 月 1 日到 2017 年 7 月 27 日是樹狀圖，從 0.684 到 0.755 的機率不一。到了 2017 年 9 月 5 日拍攝下一次 Sentinel-2 場景時，預測結果不再是樹木，且訊號會變得更加吵雜。
- 按一下
即可放大圖表。
4. 恭喜
您已經學到如何在運用機器學習技術衍生的資料集 (例如 Dynamic World) 中，運用負責任的 AI 技術原則。