Microsoft プラネタリー コンピューター Pro データ視覚化ギャラリー

このギャラリーでは、Microsoft Planetary Computer Pro で一般的な地理空間データ型を視覚化するためのすぐに使用できる構成例を提供します。 各例には、独自のデータセットに適応できる モザイク、 レンダリング オプション、 タイル設定、 SpatioTemporal Asset Catalog (STAC) コレクション メタデータの包括的な JSON 構成が含まれています。

目次

Prerequisites

これらの例を使用する前に、以下が必要です。

これらの例の使用方法

このギャラリーの各例には、次のものが含まれます。

  • 説明とコンテキスト - データ ソースと視覚化のアプローチに関する情報
  • ビジュアルの例 - エクスプローラーでレンダリングされたデータのスクリーンショット
  • タブで整理された完全な構成設定:
    • モザイク - 表示するアイテムをフィルター処理して選択する方法
    • レンダリング オプション - データのスタイル設定と視覚化を行う方法
    • タイル設定 - 表示パラメーターを最適化する方法
    • STAC コレクション - 基になるコレクション メタデータ構造

これらの例を独自のデータに適用するには:

  1. GeoCatalog で新しいコレクションを作成する
  2. コレクションにデータを取り込みます。
  3. コレクションの構成ページに移動します
  4. データセットの特定のバンド、アセット、およびプロパティに一致するように JSON の例を変更する
  5. 構成をコレクションに適用する
  6. エクスプローラーで結果を表示 する

Sentinel-2-l2a コレクションの構成

Sentinel-2-l2a データ視覚化のスクリーンショット。

Sentinel-2 は、コペルニクスプログラムの一環として、欧州宇宙機関(ESA)からの高解像度のマルチスペクトルイメージングミッションです。

Sentinel-2 の構成の詳細

モザイク構成

このモザイク構成は、コレクションの最新の Sentinel-2 画像を表示するようにエクスプローラーに指示しますが、クラウド カバーが 40%以下の画像のみが表示されます。 共通クエリ言語 (CQL) フィルターを使用すると、比較的明確な画像のみが含まれるので、視覚化はほとんどのアプリケーションにとってより役立ちます。 各モザイク エントリでは、画像を選択して結合するための異なる条件を定義できます。このモザイクの例では、最近の低クラウド画像に焦点を当てた 1 つの "既定" モザイクを使用します。

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

国立農業画像プログラムの収集構成

National Agriculture Imagery Program のデータ視覚化のスクリーンショット。 国立農業画像プログラム (NAIP) は、米国全体で高解像度の航空画像を提供します。 USDA ファーム サービス エージェンシーは、少なくとも 3 年ごとにこの NAIP 画像をキャプチャします。

NAIP データは、ピクセルあたり 0.3 メートルから 1 メートルまでの空間解像度で優れた詳細を提供します。 画像は、効率的なアクセスと処理のためにクラウド最適化 GeoTIFF 形式で格納されます。

各 NAIP イメージには、次の 4 つのスペクトル バンドが含まれています。

  • Red
  • Green
  • Blue
  • 近赤外線（NIR）

4 つのバンドはすべて、1 つのマルチバンド アセットとしてまとめて格納されます。 このバンド構造により、いくつかの種類の分析が可能になります。

  • 自然な色の視覚エフェクト では、RGB バンド (1 ~ 3) を使用して、人間の目に見えるものと似た画像を作成します
  • カラー赤外線分析 では、NIR、Red、Green の各バンドを組み合わせて植生の正常性を評価します
  • NDVI の計算では、 式 (NIR-Red)/(NIR+ Red) を使用して植生密度と正常性を測定します

NAIP 構成の詳細

モザイク構成

モザイク構成では、エクスプローラーに表示される画像の組み合わせ方法を定義します。この NAIP コレクションでは、既定の設定が使用されます。

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

Umbra SAR 画像コレクションの構成

Umbra SAR 画像データの視覚化のスクリーンショット。

Umbra の合成開口レーダー (SAR) 画像 では、衛星から送信されたレーダー信号を使用して地球表面の高解像度画像を作成し、従来の光衛星をブロックする雲、闇、気象条件を見ることができます。 このSAR技術は、気象条件に関係なく、昼と夜の任意の時間に詳細な画像をキャプチャできるため、インフラストラクチャの監視、市街地の変化の検出、船舶や車両の追跡、自然災害後の被害の評価に価値があります。

SAR 構成の詳細

モザイク構成

この SAR コレクションは、既定のモザイク構成です。

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

インパクトオブザーバトリー 土地利用・土地被覆 9クラスの集合設定

ESP-io-lulc-9 クラスのデータ視覚化のスクリーンショット。

影響観測所の土地利用/土地被覆9クラスデータセットは、土地利用と土地被覆(LULC)の年間グローバルマップを提供します。 このデータセット は、何十億もの人間ラベル付きピクセルを使用して生成され、10 メートルの解像度で Sentinel-2 画像に適用される土地分類用のディープ ラーニング モデルをトレーニングしました。

9 クラスのシステムには、水、木、洪水の植生、作物、構築された領域、裸地、雪/氷、雲、およびレンジランドが含まれます。 この更新された分類モデルは、以前に分離された Grass クラスと Scrub クラスを 1 つの Rangeland クラスに結合し、時系列全体でより一貫性のある分類を提供します。

各年間地図は、75%以上の評価された平均精度で、年間を通じてLULC予測の合成を表しています。 このデータは、土地利用の変化を監視し、森林破壊、都市拡張、農業パターンを世界規模で追跡するために重要です。

土地利用/土地被覆構成の詳細

モザイク構成

このコレクションのモザイク構成では、一時的なフィルタリング オプションが提供され、ユーザーは特定の年の土地被覆データを表示できます。 各モザイク定義は、共通クエリ言語 (CQL) 式を使用してデータをフィルター処理して、特定の年の項目のみを表示します。 この一時的なフィルター処理により、ユーザーは土地被覆の変化を前年比で比較したり、特定の関心期間に焦点を当てたりすることができます。

構成には、2017-2022 年をカバーする 6 つの個別のモザイク オプションが含まれています。

  • テンポラル フィルタリング: 各モザイクは、 anyinteracts 演算子を使用して、 datetime プロパティが特定の年の日付範囲と交差するアイテムをフィルター処理します。
  • 日付範囲: 各年のフィルター範囲は、その特定の年の 1 月 1 日から 12 月 31 日まで (2022-01-01T23:59:59Z ~ 2022-12-31T23:59:59Z) です。

この時間的フィルタリングアプローチは、土地利用パターンの変化を追跡し、森林破壊や森林破壊を監視し、都市の拡大を観察し、時間の経過に伴う自然災害や人間の活動の影響を評価できるため、土地被覆分析に価値があります。

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

関連するコンテンツ

  • Last updated on