S2Coast-2023 - The First Global 10-Meter Resolution #Coastline Dataset Derived From Enhanced #Sentinel2 Composite #Imagery Using #GoogleEarthEngine
--
https://doi.org/10.1016/j.rse.2025.115186 <-- shared paper
--
https://zenodo.org/records/17092775 <-- shared data
--
“HIGHLIGHTS:
• Developed a GEE-based global coastline detection framework (S2Coast).
• HWLSentinel-2 serves as a unified and stable indicator for global coastline detection.
• The S2Coast-2023 coastline dataset is generated from annual Sentinel-2 imagery.
• Pixel-level accuracy compared with VHR-based OpenStreetMap coastlines..."
#GIS #spatial #mapping #RemoteSensing #CoastalResearch #ClimateChange #EarthObservation #Globalcoastlinemapping #Senitinel #googleearthengine #GEE #Compositing #coast #globe #global #model #modeling #detection #marine #terrestrial #ecosystems #knowledgebased #framework #spatialanalysis #spatiotemporal #QAQC

Google rolls out WeatherNext 2 for sharper forecasts

https://fed.brid.gy/r/https://nerds.xyz/2025/11/google-weathernext-2-ai-model/

Cada día veo más cerca el cambio a un servicio de pago de Google Earth Engine. Gasto que seguramente cubran las universidades.

Otra forma de pagar con impuestos a empresas privadas supongo.

La verdad, que si no fuera por la gran base de datos que tienen y la facilidad para descargarla (el 99% de para lo que lo uso), ni lo notaría.

#GoogleEarthEngine #GEE #SIG #Teledetección #apagar

🧰 Practical GIS Tools

Have you explored Google Earth Engine? 🌍

It’s a planetary-scale platform for accessing and analyzing massive Earth science datasets, all powered by Google’s cloud infrastructure. ☁️📊

Earth Engine empowers researchers, policymakers, and developers to turn geospatial data into real-world insights.

🔗 Start exploring: https://earthengine.google.com/

#GeoTech #GIStools #EarthObservation #GoogleEarthEngine #GeospatialTechnologies #PracticalGIS #RemoteSensing #SpatialAnalysis

„Wirtualny satelita” od Google. AlphaEarth Foundations widzi więcej i dokładniej niż kiedykolwiek

Google DeepMind oraz Google Earth Engine zaprezentowały AlphaEarth Foundations – nowy, fundamentalny model sztucznej inteligencji, który ma zrewolucjonizować sposób, w jaki monitorujemy i analizujemy zmiany na powierzchni Ziemi.

Narzędzie działa jak „wirtualny satelita”, łącząc dane z wielu źródeł, aby stworzyć spójny i niezwykle szczegółowy obraz naszej planety.

Nowy model AI rozwiązuje dwa kluczowe problemy w obserwacji Ziemi: przeciążenie danymi oraz niespójność informacji pochodzących z różnych satelitów. AlphaEarth Foundations integruje petabajty danych – od optycznych zdjęć satelitarnych, przez radar, po symulacje klimatyczne – w jedną, zunifikowaną cyfrową reprezentację. Analizuje całą powierzchnię lądową i wody przybrzeżne Ziemi z precyzją do kwadratów o boku 10 metrów.

Kluczową innowacją jest tworzenie bardzo kompaktowych podsumowań danych, które wymagają 16 razy mniej miejsca na dysku niż w przypadku innych testowanych systemów AI. Jak podaje Google, w testach porównawczych model AlphaEarth Foundations był stale najdokładniejszy, osiągając średnio o 24% niższy wskaźnik błędu niż inne testowane modele.

Our new AI model AlphaEarth Foundations is mapping the planet in astonishing detail. 🌏🔍

Scientists will now be able to track the impact of deforestation, monitoring crop health, and more – significantly faster, thanks to our new datasets. 🧵 pic.twitter.com/rbojUifykg

— Google DeepMind (@GoogleDeepMind) July 30, 2025

Dane dostępne dla wszystkich

Aby przyspieszyć badania i umożliwić nowe zastosowania, Google udostępnia roczne zbiory danych wygenerowane przez model w ramach publicznego zestawu „Satellite Embedding dataset” w Google Earth Engine. Dzięki temu naukowcy, rządy i organizacje pozarządowe mogą prowadzić zaawansowane analizy, często przy użyciu zaledwie kilku linijek kodu.

Z danych korzysta już ponad 50 organizacji na całym świecie, w tym Organizacja Narodów Zjednoczonych do spraw Wyżywienia i Rolnictwa (FAO), Group on Earth Observations (GEO) oraz czołowe uniwersytety, jak Stanford czy Oregon State University.

„Zestaw danych Satellite Embedding rewolucjonizuje naszą pracę, pomagając krajom w mapowaniu niezbadanych dotąd ekosystemów – jest to kluczowe dla ustalenia priorytetów w działaniach na rzecz ochrony przyrody” – mówi Nick Murray, dyrektor Global Ecology Lab na James Cook University i lider projektu Global Ecosystems Atlas.

Innym przykładem jest organizacja MapBiomas, która wykorzystuje dane AlphaEarth do mapowania brazylijskich ekosystemów i analizowania zmian w rolnictwie. „Ten zestaw danych może odmienić sposób, w jaki pracuje nasz zespół – mamy teraz nowe możliwości tworzenia map, które są dokładniejsze, precyzyjniejsze i szybsze w produkcji” – powiedział Tasso Azevedo, założyciel MapBiomas. Google opublikowało również wideo (załączone powyżej z postu na X), na którym można zobaczyć, jak model radzi sobie z „widzeniem” przez chmury w Ekwadorze czy mapowaniem złożonej powierzchni Antarktydy.

#AI #AlphaEarthFoundations #Google #GoogleDeepMind #GoogleEarthEngine #MapBiomas #mapowanie #news #obserwacjaZiemi #sztucznaInteligencja #zmianyKlimatu

So it seems from the lack of responses to my previous post https://fediscience.org/@jgomezdans/114427792187001051 that no one is using the #Copernicus #DataSpace via #STAC. I guess most academic #geo peeps use #GoogleEarthEngine or just download the data files directly? Is STAC only really used by commercial #satellite "bros"?
Jose (@[email protected])

#geo #RemoteSensing #earthobservation people! Has anyone got an example of using the #Copernicus #DataSpace -> https://documentation.dataspace.copernicus.eu/ to go from searching using #pystac to getting a working #xarray dataset for #Sentinel2 reflectances? #python #geopython

FediScience.org
Striking Satellite Images Reveal Antarctica Is 10 Times Greener Than 35 Years Ago

Our satellites are dispassionate observers of Earth's climate change.

ScienceAlert
New [2018] 30 Metre Resolution Global Shoreline Vector And Associated Global Islands Database For The Development Of Standardized Ecological Coastal Units
--
https://doi.org/10.1080/1755876X.2018.1529714 <-- shared 2018 paper
--
#GIS #spatial #mapping #coast #coastline #global #shoreline #landsat #remotesensing #spatialanalysis #extraction #AI #machinelearning #GSV #GSHSS #ecology #terrestrial #marine #ECU #waters #GEO #GoogleEarthEngine #MBON #BluePlanet #water #hydrography #hydrospatial #GroupOnEarthObservations
@GroupOnEarthObservations #islands @GEOSEC2025
Radware Bot Manager Captcha