Galeri visualisasi data Microsoft Planetary Computer Pro

Galeri ini menyediakan contoh konfigurasi siap pakai untuk memvisualisasikan jenis data geospasial umum di Microsoft Planetary Computer Pro. Setiap contoh mencakup konfigurasi JSON komprehensif untuk mosaik, opsi render, pengaturan kotak, dan metadata koleksi SpatioTemporal Asset Catalog (STAC) yang dapat Anda sesuaikan untuk himpunan data Anda sendiri.

Daftar isi

Prerequisites

Sebelum menggunakan contoh-contoh ini, Anda harus memiliki:

Cara menggunakan contoh-contoh ini

Setiap contoh dalam galeri ini meliputi:

  • Deskripsi dan konteks - Informasi tentang sumber data dan pendekatan visualisasi
  • Contoh visual - Cuplikan layar data yang dirender di Explorer
  • Selesaikan pengaturan konfigurasi yang diatur dalam tab:
    • Mosaik - Cara memfilter dan memilih item untuk ditampilkan
    • Opsi Render - Cara menata dan memvisualisasikan data
    • Pengaturan Ubin - Cara untuk mengoptimalkan parameter tampilan
    • Koleksi STAC - Struktur metadata koleksi yang mendasar

Untuk menerapkan contoh-contoh ini ke data Anda sendiri:

  1. Membuat koleksi baru di GeoCatalog Anda
  2. Serap Data ke dalam koleksi.
  3. Menavigasi ke halaman konfigurasi koleksi
  4. Ubah contoh JSON agar sesuai dengan pita, aset, dan properti spesifik himpunan data Anda
  5. Menerapkan konfigurasi ke koleksi Anda
  6. Menampilkan hasil di Explorer

Konfigurasi kumpulan Sentinel-2-l2a

Cuplikan layar visualisasi data Sentinel-2-l2a.

Sentinel-2 adalah misi pencitraan multi-spektral resolusi tinggi dari European Space Agency (ESA) sebagai bagian dari Copernicus Program.

Detail konfigurasi Sentinel-2

Konfigurasi mosaik

Konfigurasi mosaik ini memberi tahu Explorer untuk menampilkan gambar-gambar terbaru Sentinel-2 dari koleksi, tetapi hanya gambar dengan tutupan awan yang kurang dari atau sama dengan 40%. Filter Common Query Language (CQL) memastikan bahwa hanya gambar yang relatif jelas yang disertakan, membuat visualisasi lebih berguna untuk sebagian besar aplikasi. Setiap entri mosaik dapat menentukan kriteria yang berbeda untuk memilih dan menggabungkan gambar, dan contoh mosaik ini menggunakan satu mosaik "default" yang berfokus pada citra cloud rendah terbaru.

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

Konfigurasi pengumpulan Program Citra Pertanian Nasional

Cuplikan layar visualisasi data Program Citra Pertanian Nasional. Program Citra Pertanian Nasional (NAIP) menyediakan citra udara resolusi tinggi di seluruh Amerika Serikat. Badan Layanan Pertanian USDA mengambil citra NAIP ini setidaknya setiap tiga tahun.

Data NAIP menawarkan detail yang sangat baik dengan resolusi spasial mulai dari 0,3 meter hingga 1 meter per piksel. Citra disimpan dalam format GeoTIFF yang dioptimalkan cloud untuk akses dan pemrosesan yang efisien.

Setiap gambar NAIP berisi empat pita spektral:

  • Red
  • Green
  • Blue
  • Inframerah Dekat (NIR)

Keempat pita disimpan bersama-sama sebagai sumber daya multi-band tunggal. Struktur pita ini memungkinkan beberapa jenis analisis:

  • Visualisasi warna alami menggunakan pita RGB (1-3) untuk membuat gambar yang terlihat mirip dengan apa yang dilihat mata manusia
  • Analisis inframerah warna menggabungkan pita NIR, Merah, dan Hijau untuk menilai kesehatan vegetasi
  • Perhitungan NDVI menggunakan rumus (NIR-Red)/(NIR+Red) untuk mengukur kepadatan dan kesehatan vegetasi

Detail konfigurasi NAIP

Konfigurasi mosaik

Konfigurasi mosaik menentukan bagaimana gambar digabungkan saat ditampilkan di Explorer, koleksi NAIP ini menggunakan pengaturan default.

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

Konfigurasi pengumpulan citra Umbra SAR

Cuplikan layar visualisasi data Gambar Umbra SAR.

Citra Synthetic Aperture Radar (SAR) Umbra menggunakan sinyal radar yang ditransmisikan dari satelit untuk membuat gambar resolusi tinggi permukaan Bumi, mampu melihat melalui awan, kegelapan, dan kondisi cuaca yang akan memblokir satelit optik tradisional. Teknologi SAR ini sangat berharga untuk memantau infrastruktur, mendeteksi perubahan di daerah perkotaan, melacak kapal dan kendaraan, dan menilai kerusakan setelah bencana alam, karena dapat menangkap gambar terperinci kapan saja sepanjang hari atau malam terlepas dari kondisi cuaca.

Detail konfigurasi SAR

Konfigurasi mosaik

Koleksi SAR ini adalah konfigurasi mosaik bawaan.

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

Konfigurasi koleksi 9 kelas "Impact Observatory" Penggunaan Lahan/Penutupan Lahan

Cuplikan layar visualisasi data ESP-io-lulc-9-class.

Himpunan data Impact Observatory Land Use/Land Cover 9-Class menyediakan peta global tahunan penggunaan lahan dan penutupan lahan (LULC). Himpunan data ini dihasilkan menggunakan miliaran piksel berlabel manusia untuk melatih model pembelajaran mendalam untuk klasifikasi lahan, diterapkan pada citra Sentinel-2 pada resolusi 10 meter.

Sistem 9 kelas meliputi: Air, Pohon, Vegetasi Banjir, Tanaman, Area binaan, Tanah kosong, Salju/es, Awan, dan Rangeland. Model klasifikasi yang diperbarui ini menggabungkan kelas Grass dan Scrub yang sebelumnya terpisah ke dalam satu kelas Rangeland, memberikan klasifikasi yang lebih konsisten di seluruh rangkaian waktu.

Setiap peta tahunan mewakili komposit prediksi LULC sepanjang tahun, dengan akurasi rata-rata yang dinilai lebih dari 75%. Data ini berharga untuk memantau perubahan penggunaan lahan, melacak deforestasi, ekspansi perkotaan, dan pola pertanian dalam skala global.

Detail konfigurasi penggunaan lahan/penutupan lahan

Konfigurasi mosaik

Konfigurasi mosaik untuk koleksi ini menyediakan opsi pemfilteran temporal, memungkinkan pengguna untuk melihat data penutup tanah selama tahun-tahun tertentu. Setiap definisi mosaik memfilter data untuk memperlihatkan hanya item dari tahun tertentu menggunakan ekspresi Common Query Language (CQL). Pemfilteran temporal ini memungkinkan pengguna untuk membandingkan perubahan penutup tanah dari tahun ke tahun atau fokus pada periode waktu tertentu yang menarik

Konfigurasi ini mencakup enam opsi mosaik terpisah yang mencakup 2017-2022:

  • Pemfilteran Temporal: Setiap mosaik menggunakan anyinteracts operator untuk memfilter item tempat datetime properti bersinggungan dengan rentang tanggal tahun tertentu
  • Rentang Tanggal: Setiap tahun filter mencakup dari 1 Januari hingga 31 Desember dari tahun tertentu (2022-01-01T23:59:59Z hingga 2022-12-31T23:59:59Z)

Pendekatan pemfilteran temporal ini berharga untuk analisis penutup lahan, karena memungkinkan pengguna untuk melacak perubahan pola penggunaan lahan, memantau deforestasi atau reboisasi, mengamati perluasan perkotaan, dan menilai dampak bencana alam atau aktivitas manusia dari waktu ke waktu.

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

Konten terkait

  • Last updated on