你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

Microsoft Planetary Computer Pro 数据可视化库

此库提供现成的配置示例，用于可视化Microsoft行星计算机专业版中的常见地理空间数据类型。 每个示例都包含马赛克、呈现选项、图块设置和 SpatioTemporal 资产目录(STAC)集合元数据的综合 JSON 配置，你可以根据自己的数据集调整这些配置。

目录

Prerequisites

在使用这些示例之前，应具备：

如何使用这些示例

此画廊中的每个示例包括：

  • 说明和上下文 - 有关数据源和可视化方法的信息
  • 视觉示例 - 资源管理器中呈现数据的屏幕截图
  • 完成按选项卡组织的配置设置：
    • 马赛克 - 如何筛选和选择要显示的项
    • 呈现选项 - 如何设置数据样式和可视化效果
    • 图块设置 - 如何优化显示参数
    • STAC 集合 - 基础集合元数据结构

若要将这些示例应用于你自己的数据，

  1. 在 GeoCatalog 中创建新集合
  2. 将数据引入 到集合中。
  3. 导航至 集合的配置 页面
  4. 修改示例 JSON 以匹配数据集的特定带段、资产和属性
  5. 将配置应用到集合
  6. 在资源管理器中查看结果

Sentinel-2-l2a 集合配置

Sentinel-2-l2a 数据可视化的屏幕截图。

Sentinel-2 是欧洲航天局（ESA）作为科伯尼库计划一部分的高分辨率多光谱成像任务。

Sentinel-2 配置详细信息

马赛克配置

此拼接配置指示查看器显示集合中最新的 Sentinel-2 图像，但仅限于云覆盖率小于或等于 40％的图像。 公共查询语言 （CQL） 筛选器可确保仅包含相对清晰的图像，从而使可视化效果对大多数应用程序更有用。 每个马赛克条目可以定义用于选择和组合图像的不同条件，此马赛克示例使用一个“默认”马赛克，这些马赛克侧重于最近的低云图像。

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

国家农业图像计划收集配置

国家农业图像计划数据可视化的屏幕截图。 国家农业图像计划 （NAIP）在美国提供高分辨率的空中图像。 美国农业部农场服务局至少每三年捕获一次此 NAIP 图像。

NAIP 数据提供出色的细节，空间分辨率从 0.3 米到每像素 1 米不等。 图像以云优化的 GeoTIFF 格式存储，以便高效访问和处理。

每个 NAIP 图像都包含四个光谱带：

  • Red
  • Green
  • Blue
  • 近红外 (NIR)

所有四个波段作为单个多波段资产一起存储。 此带状结构支持多种类型的分析：

  • 自然颜色可视化 使用 RGB 带（1-3）创建与人眼看到的相似图像
  • 彩色红外分析 结合 NIR、红色和绿色波段来评估植被健康
  • NDVI 计算方法使用公式 (NIR-Red)/(NIR+Red) 来测量植被的密度和健康状况。

NAIP 配置详细信息

马赛克配置

马赛克配置定义在资源管理器中显示的图像组合方式，此 NAIP 集合使用默认设置。

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

Umbra SAR 图像收集配置

Umbra SAR 图像数据可视化的屏幕截图。

Umbra 的合成孔径雷达（SAR）图像 使用从卫星传输的雷达信号来创建地球表面的高分辨率图像，能够穿透云层、黑暗以及阻碍传统光学卫星的天气条件。 这种SAR技术在监测基础设施、检测城市区域的变化、跟踪船舶和车辆以及评估自然灾害后造成的损害方面具有价值，因为它可以在白天或夜间随时捕获详细的图像，与天气条件无关。

SAR 配置详细信息

马赛克配置

此 SAR 集合是默认马赛克配置。

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

影响观测站土地利用/土地覆盖9分类集合配置

ESP-io-lulc-9 类数据可视化的屏幕截图。

影响观测站土地使用/土地覆盖9类数据集提供年度全球土地使用和土地覆盖地图（LULC）。 此数据集 是使用数十亿人标像素生成的，用于训练用于土地分类的深度学习模型，该模型以 10 米分辨率应用于 Sentinel-2 图像。

9 类系统包括：水、树木、淹没植被、作物、建筑区域、裸地、积雪/冰、云和牧场。 此更新的分类模型将以前独立的草地类和灌木类合并为一个牧场类，从而在时间序列中提供更一致的分类。

每个年度地图表示全年 LULC 预测的复合，评估的平均准确度超过 75%。 这些数据对于监测土地使用变化、跟踪森林砍伐、城市扩张和全球农业模式非常有用。

土地使用/土地覆盖配置详细信息

马赛克配置

此集合的马赛克配置提供临时筛选选项，允许用户查看特定年份的土地覆盖数据。 每个马赛克定义筛选数据，以仅使用公共查询语言（CQL）表达式显示特定年份中的项。 此时态筛选允许用户比较土地覆盖变化逐年变化，或专注于特定兴趣时间段

该配置包括六个单独的马赛克选项，涵盖 2017-2022：

  • 时态筛选：每个马赛克都使用anyinteracts运算符筛选属性与特定年份日期范围相交的项datetime
  • 日期范围：每年的筛选器范围从该特定年份的 1 月 1 日到 12 月 31 日（2022-01-01T23:59:59Z 到 2022-12-31T23:59:59Z）

这种临时筛选方法对于土地覆盖分析非常有用，因为它使用户能够跟踪土地使用模式的变化，监测森林砍伐或造林，观察城市扩张，并评估自然灾害或人类活动随时间推移的影响。

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

相关内容

  • Last updated on