Microsoft Planetary Computer Pro adatvizualizációs katalógus

Ez a gyűjtemény használatra kész konfigurációs példákat kínál a Microsoft Planetary Computer Pro gyakori térinformatikai adattípusainak vizualizációjához. Mindegyik példa átfogó JSON-konfigurációkat tartalmaz a mozaikokhoz, a megjelenítési beállításokhoz, a csempebeállításokhoz és a SpatioTemporal Asset Catalog (STAC) gyűjtemény metaadataihoz, amelyeket saját adathalmazaihoz igazíthat.

Tartalomjegyzék

Prerequisites

Az alábbi példák használata előtt a következőkkel kell rendelkeznie:

A példák használata

A gyűjtemény minden példája a következőket tartalmazza:

  • Leírás és környezet – Információ az adatforrás- és vizualizációs megközelítésről
  • Vizualizációs példa – Képernyőkép a renderelt adatokról az Explorerben
  • Teljes konfigurációs beállítások lapfülekbe rendezve:
    • Mozaik – Megjelenítési elemek szűrése és kijelölése
    • Megjelenítési beállítások – Az adatok stílusa és vizualizációja
    • Csempebeállítások – Megjelenítési paraméterek optimalizálása
    • STAC-gyűjtemény – A mögöttes gyűjtemény metaadat-struktúrája

Ha ezeket a példákat a saját adataira szeretné alkalmazni:

  1. Új gyűjtemény létrehozása a GeoCatalogban
  2. Adatok betöltése a gyűjteménybe.
  3. Lépjen a gyűjtemény konfigurációs oldalára
  4. A példa JSON-t módosítsa úgy, hogy az illeszkedjen az adathalmaz sajátos sávjaihoz, eszközeihez és tulajdonságaihoz.
  5. A konfigurációk alkalmazása a gyűjteményre
  6. Az eredmények megtekintése az Explorerben

Sentinel-2-l2a gyűjtemény konfigurációja

Képernyőkép a Sentinel-2-l2a adatvizualizációról.

A Sentinel-2 egy nagy felbontású, többspektrális képalkotó küldetés az Európai Űrügynökségtől (ESA) a Copernicus Program részeként.

A Sentinel-2 konfigurációjának részletei

Mozaikkonfiguráció

Ez a mozaikkonfiguráció arra utasítja az Explorert, hogy jelenítse meg a gyűjtemény legújabb Sentinel-2 rendszerképeit, de csak azokat a képeket, amelyek felhőfedője kisebb vagy egyenlő, mint 40%. A Common Query Language (CQL) szűrő biztosítja, hogy csak viszonylag tiszta képek legyenek benne, így a vizualizáció a legtöbb alkalmazás számára hasznosabb. Minden mozaikbejegyzés különböző kritériumokat határozhat meg a képek kiválasztásához és kombinálásához, és ez a mozaik példa egyetlen "alapértelmezett" mozaikot használ, amely a legutóbbi, alacsony felhőbeli képekre összpontosít.

[
  {
    "id": "default",
    "name": "Most recent available",
    "description": "Most recent available imagery in this Sentinel-2 collection",
    "cql": [
      {
        "op": "<=",
        "args": [
          {
            "property": "eo:cloud_cover"
          },
          40
        ]
      }
    ]
  }
]

A National Agriculture Imagery Program gyűjteménykonfigurációja

A Nemzeti Agrárgazdasági Képi Program adatvizualizációjának képernyőképe. A National Agriculture Imagery Program (NAIP) nagy felbontású légifelvételeket biztosít az Egyesült Államokban. Az USDA Farm Service Agency legalább háromévente rögzíti ezt a NAIP-képet.

A NAIP-adatok kiváló részletességűek, térbeli felbontásuk 0,3 métertől képpontonként 1 méterig terjed. A rendszer a képeket felhőoptimalizált GeoTIFF formátumban tárolja a hatékony hozzáférés és feldolgozás érdekében.

Minden NAIP-rendszerkép négy spektrális sávot tartalmaz:

  • Red
  • Green
  • Blue
  • közeli infravörös (NIR)

Mind a négy sáv egyetlen többsávos objektumként van tárolva. Ez a sávstruktúra többféle elemzési típust tesz lehetővé:

  • A természetes színvizualizáció az RGB-sávokkal (1-3) olyan képeket hoz létre, amelyek az emberi szem által látottakhoz hasonlóan néznek ki
  • A színes infravörös analízis az NIR, a vörös és a zöld sávokat kombinálja a növényzet állapotának felméréséhez
  • Az NDVI-számítások a (NIR-Red)/(NIR+Red) képletet használják a vegetáció sűrűségének és állapotának mérésére

A NAIP konfigurációjának részletei

Mozaikkonfiguráció

A mozaikkonfiguráció határozza meg a képek kombinálásának módját az Explorerben való megjelenítéskor. Ez a NAIP-gyűjtemény az alapértelmezett beállításokat használja.

[
  {
    "id": "default",
    "name": "Default",
    "description": "",
    "cql": []
  }
]

Umbra SAR-képgyűjtemény konfigurációja

Az Umbra SAR képi adatvizualizációjának képernyőképe.

Az Umbra szintetikus apertúra radar (SAR) képei használja a műholdakról továbbított radarjeleket arra, hogy létrehozzon nagy felbontású képeket a Föld felszínéről, melyek képesek átlátni a felhőkön, sötétségen és olyan időjárási körülményeken, ami blokkolná a hagyományos optikai műholdakat. Ez a SAR-technológia hasznos az infrastruktúra monitorozásához, a városi területek változásainak észleléséhez, a hajók és járművek nyomon követéséhez, valamint a természeti katasztrófák utáni károk felméréséhez, mivel az időjárási körülményektől függetlenül képes részletes képeket készíteni a nap bármely időszakában vagy éjszaka.

A SAR konfigurációjának részletei

Mozaikkonfiguráció

Ez a SAR-gyűjtemény az alapértelmezett mozaikkonfiguráció.

[
  {
    "id": "default",
    "name": "Default",
    "description": "",
    "cql": []
  }
]

Impact Observatory Földhasználat/Földtakaró 9-osztályú gyűjtemény konfigurációja

Képernyőkép az ESP-io-lulc-9 osztályú adatvizualizációról.

Az Impact Observatory Land Use/Land Cover 9-Osztály adatkészlete éves globális térképeket biztosít a földhasználatról és a földfedésről (LULC). Ez az adatkészlet több milliárd emberi címkével ellátott képponttal jött létre, hogy betanítsa a földbesorolási mélytanulási modellt, amelyet a Sentinel-2-képekre alkalmaztak 10 méteres felbontásban.

A kilencosztályos rendszer a következőket tartalmazza: Víz, Fák, Elárasztott növényzet, Növények, Épített terület, Csupasz föld, Hó/jég, Felhők és Rangeland. Ez a frissített besorolási modell a korábban különálló Grass és Scrub osztályokat egyetlen Rangeland-osztályba egyesíti, így konzisztensebb besorolást biztosít az idősorok között.

Minden éves térkép a LULC-előrejelzések egész évre vonatkozó összetettségét jelöli, és az átlagos pontosság több mint 75%. Az adatok értékesek a földhasználat változásainak nyomon követéséhez, az erdőirtás, a városbővítés és a mezőgazdasági minták globális szintű nyomon követéséhez.

A földhasználat/földfedés konfigurációjának részletei

Mozaikkonfiguráció

A gyűjtemény mozaikkonfigurációja időbeli szűrési lehetőségeket biztosít, amelyek lehetővé teszik a felhasználók számára a földfedés adatainak megtekintését adott évekre vonatkozóan. Minden mozaikdefiníció úgy szűri az adatokat, hogy csak egy adott évből származó elemek jelenjenek meg Common Query Language (CQL) kifejezések használatával. Ez az időbeli szűrés lehetővé teszi a felhasználók számára, hogy összehasonlítsák a földfedés évről évre bekövetkező változásait, vagy egy adott kamatidőszakra összpontosítsanak

A konfiguráció 2017–2022-ben hat különböző mozaiklehetőséget tartalmaz:

  • Időbeli szűrés: Minden mozaik az anyinteracts operátorral szűri azokat az elemeket, amelyekben a datetime tulajdonság egy adott év dátumtartományával metszi egymást
  • Dátumtartományok: Minden év szűrője az adott év január 1-től december 31-ig terjed (2022-01-01T23:59:59Z és 2022-12-31T23:59:59Z) között

Ez az időalapú szűrési módszer hasznos a földfedés elemzése szempontjából, mivel lehetővé teszi a felhasználók számára a földhasználati minták változásainak nyomon követését, az erdőirtás vagy az újraerdősítés monitorozását, a városi terjeszkedés megfigyelését, valamint a természeti katasztrófák vagy emberi tevékenységek időbeli hatását.

[
  {
    "id": "2022",
    "name": "2022",
    "description": "2022 Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2022-01-01T23:59:59Z",
              "2022-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  },
  {
    "id": "2021",
    "name": "2021",
    "description": "2021 Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2021-01-01T23:59:59Z",
              "2021-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  },
  {
    "id": "2020",
    "name": "2020",
    "description": "2020 Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2020-01-01T23:59:59Z",
              "2020-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  },
  {
    "id": "2019",
    "name": "2019",
    "description": "2019 Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2019-01-01T23:59:59Z",
              "2019-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  },
  {
    "id": "2018",
    "name": "2018",
    "description": "2018 Land Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2018-01-01T23:59:59Z",
              "2018-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  },
  {
    "id": "2017",
    "name": "2017",
    "description": "2017 Land Use/Land Cover",
    "cql": [
      {
        "op": "anyinteracts",
        "args": [
          {
            "property": "datetime"
          },
          {
            "interval": [
              "2017-01-01T23:59:59Z",
              "2017-12-31T23:59:59Z"
            ]
          }
        ]
      }
    ]
  }
]

Kapcsolódó tartalom

  • Last updated on