Galeria de visualização de dados do Computador Planetário Pro da Microsoft

Esta galeria fornece exemplos de configuração prontos para uso para visualizar tipos de dados geoespaciais comuns no Microsoft Planetry Computer Pro. Cada exemplo inclui configurações JSON abrangentes para mosaicos, opções de renderização, configurações de peça e metadados da coleção do Catálogo de Ativos SpatioTemporal (STAC) que você pode adaptar para seus próprios conjuntos de dados.

Sumário

Prerequisites

Antes de usar estes exemplos, você deve ter:

Como usar esses exemplos

Cada exemplo nesta galeria inclui:

  • Descrição e contexto – Informações sobre a fonte de dados e a abordagem de visualização
  • Exemplo visual – Captura de tela dos dados renderizados no Explorer
  • Configurações completas organizadas em guias:
    • Mosaico – Como filtrar e selecionar itens para exibição
    • Opções de Renderização – Como estilizar e visualizar os dados
    • Configurações de Peça - Como otimizar parâmetros de exibição
    • Coleção STAC – A estrutura de metadados da coleção subjacente

Para aplicar estes exemplos aos seus próprios dados:

  1. Criar uma nova coleção em seu GeoCatalog
  2. Ingerir dados na coleção.
  3. Navegue até a página de configuração da coleção
  4. Modifique o JSON de exemplo para corresponder às faixas, ativos e propriedades específicos do conjunto de dados
  5. Aplicar as configurações à sua coleção
  6. Exibir os resultados no Explorer

configuração da coleção Sentinel-2-l2a

Captura de tela da visualização de dados Sentinel-2-L2A.

O Sentinel-2 é uma missão de imagens multispectrais de alta resolução da Agência Espacial Europeia (ESA) como parte do Programa Copérnico.

Detalhes da configuração do Sentinel-2

Configuração do mosaico

Essa configuração de mosaico instrui o Explorer a exibir as imagens mais recentes do Sentinel-2 da coleção, mas somente aquelas imagens com cobertura de nuvens inferior ou igual a 40%. O filtro CQL (Common Query Language) garante que apenas imagens relativamente claras sejam incluídas, tornando a visualização mais útil para a maioria dos aplicativos. Cada entrada de mosaico pode definir critérios diferentes para selecionar e combinar imagens, e este exemplo de mosaico usa um único mosaico "padrão" focado em imagens recentes e de baixa nuvem.

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

Configuração da coleção do Programa Nacional de Imagens Agrícolas

Captura de tela da visualização de dados do Programa Nacional de Imagens da Agricultura. O Programa Nacional de Imagens agrícolas (NAIP) fornece imagens aéreas de alta resolução nos Estados Unidos. A Agência de Serviços para Fazendas do USDA captura essas imagens do NAIP pelo menos uma vez a cada três anos.

Os dados NAIP oferecem excelentes detalhes com resoluções espaciais que variam de 0,3 metro a 1 metro por pixel. As imagens são armazenadas no formato GeoTIFF com otimização de nuvem para acesso e processamento eficientes.

Cada imagem NAIP contém quatro bandas espectrais:

  • Red
  • Green
  • Blue
  • Infravermelho próximo (NIR)

Todas as quatro bandas são armazenadas juntas como um único ativo multibanda. Essa estrutura de banda permite vários tipos de análise:

  • A visualização de cores naturais usa as bandas RGB (1-3) para criar imagens semelhantes ao que o olho humano vê
  • A análise infravermelha de cores combina faixas NIR, Vermelho e Verde para avaliar a integridade da vegetação
  • Cálculos de NDVI usam a fórmula (NIR-Red)/(NIR+Red) para medir a densidade e a saúde da vegetação

Detalhes da configuração da NAIP

Configuração do mosaico

A configuração de mosaico define como as imagens são combinadas quando exibidas no Explorer, essa coleção NAIP usa as configurações padrão.

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

Configuração da coleção de imagens SAR Umbra

Captura de tela da visualização de dados da Umbra SAR Imagery.

As imagens de Radar de Abertura Sintética (SAR) da Umbra usam sinais de radar transmitidos de satélites para criar imagens de alta resolução da superfície da Terra, capazes de ver através de nuvens, escuridão e condições climáticas que bloqueariam satélites ópticos tradicionais. Essa tecnologia sar é valiosa para monitorar a infraestrutura, detectar mudanças em áreas urbanas, rastrear navios e veículos e avaliar os danos após desastres naturais, pois pode capturar imagens detalhadas a qualquer hora do dia ou da noite, independentemente das condições climáticas.

Detalhes da configuração do SAR

Configuração do mosaico

Esta coleção SAR é a configuração de mosaico padrão.

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

Configuração da coleção de 9 classes de Uso/Cobertura do Solo do Impact Observatory

Captura de tela da visualização de dados da classe ESP-io-lulc-9.

O conjunto de dados de 9 classes de Uso/Cobertura da Terra do Observatório de Impacto fornece mapas globais anuais de uso e cobertura da terra (LULC). Esse conjunto de dados foi gerado usando bilhões de pixels rotulados por humanos para treinar um modelo de aprendizado profundo para classificação de terra, aplicado às imagens do Sentinel-2 em resolução de 10 metros.

O sistema de 9 classes inclui: Água, Árvores, Vegetação Inundada, Culturas, Área Construída, Terra Nua, Neve/gelo, Nuvens e Rangeland. Esse modelo de classificação atualizado combina as classes Grass e Scrub anteriormente separadas em uma única classe Rangeland, fornecendo uma classificação mais consistente em toda a série temporal.

Cada mapa anual representa uma composição de previsões LULC ao longo do ano, com uma precisão média avaliada de mais de 75%. Os dados são valiosos para monitorar as mudanças no uso da terra, acompanhar o desmatamento, a expansão urbana e os padrões agrícolas em escala global.

Detalhes da configuração de uso/cobertura de terra

Configuração do mosaico

A configuração de mosaico dessa coleção fornece opções de filtragem temporal, permitindo que os usuários exibam dados de cobertura de terra por anos específicos. Cada definição de mosaico filtra os dados para mostrar apenas itens de um ano específico usando expressões CQL (Common Query Language). Essa filtragem temporal permite que os usuários comparem as alterações de cobertura de terra ano a ano ou se concentrem em um período de tempo específico de interesse

A configuração inclui seis opções de mosaico separadas que abrangem 2017-2022:

  • Filtragem Temporal: cada mosaico usa o anyinteracts operador para filtrar itens em que a datetime propriedade se cruza com um intervalo de datas de ano específico
  • Intervalos de datas: o filtro de cada ano se estende de 1º de janeiro a 31 de dezembro daquele ano específico (2022-01-01T23:59:59Z para 2022-12-31T23:59:59Z)

Essa abordagem de filtragem temporal é valiosa para a análise da cobertura fundiária, pois permite que os usuários acompanhem as mudanças nos padrões de uso da terra, monitorem o desmatamento ou o reflorestamento, observem a expansão urbana e avaliem o impacto de desastres naturais ou atividades humanas ao longo do tempo.

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

Conteúdo relacionado

  • Last updated on