Python 安裝 - Colab 筆記本

Earth Engine Python API 可部署在 Google Colaboratory 筆記本中。Colab 筆記本是 Jupyter 筆記本，可在雲端執行，並與 Google 雲端硬碟高度整合，方便設定、存取及分享。如果您不熟悉 Google Colab 或 Jupyter 筆記本，請花點時間探索 Colab 歡迎網站。

以下各節將說明如何在 Google Colab 中部署 Earth Engine，以及使用第三方 Python 套件呈現地圖和圖表。

開啟 Colab 筆記本

您可以透過 Google 雲端硬碟或 Colaboratory 介面開啟筆記本。

新增筆記本

Google 雲端硬碟

開啟 Google 雲端硬碟並建立新檔案。

  • 新增 > 更多 > Colaboratory
  • 在資料夾中按一下滑鼠右鍵，然後從內容選單中選取「More」>「Collaboratory」。

Colab 介面

前往 Colab 網站，然後建立新檔案。

  • 依序點選「File」>「New」>「New Python 3 notebook」
  • 如果您先前曾與 Colab 互動，造訪上述連結網站後，系統會提供檔案總管，您可以使用視窗底部的下拉式選單，開始建立新檔案。

現有筆記本

您可以透過 Google 雲端硬碟和 Colab 介面開啟現有的筆記本檔案 (.ipynb)。

Google 雲端硬碟

根據筆記本檔案的建立位置，Colab 筆記本可能會出現在 Google 雲端硬碟的不同資料夾中。在 Google 雲端硬碟中建立的筆記本會儲存在建立或移至的資料夾中。透過 Colab 介面建立的筆記本，預設會儲存在名為「Colab Notebooks」的資料夾中，並在您開始使用 Colab 時自動新增至 Google 雲端硬碟的「我的雲端硬碟」資料夾。

Colab 檔案可透過黃色「CO」符號和「.ipynb」檔案副檔名識別。開啟檔案的方式有兩種：在檔案上按兩下滑鼠，然後在結果頁面頂端的按鈕中選取「Open with > Colaboratory」；或是在檔案上按一下滑鼠右鍵，然後在檔案的內容選單中選取「Open with > Colaboratory」。

Colab 介面

透過 Colab 介面開啟筆記本，即可存取 Google 雲端硬碟、GitHub 和本機硬體中的現有檔案。初次使用後，造訪 Colab 介面會顯示檔案總管模式視窗。在檔案總管的頂端分頁中選取來源，然後前往要開啟的 .ipynb 檔案。您也可以選取「File」>「Open notebook」，或使用 Ctrl+O 鍵盤組合，從 Colab 介面存取檔案總管。

匯入 API 並取得憑證

本節將示範如何匯入 Earth Engine Python API 並驗證存取權。這篇文章也有 Colab 筆記本版本：

Colab 標誌 在 Google Colab 中執行 GitHub 標誌 前往 GitHub 查看來源

根據預設，Google Colaboratory 會包含 Earth Engine API，因此只需要匯入及驗證即可。您必須為每個新的 Colab 工作階段完成這些步驟，或是重新啟動 Colab 核心，或是 Colab 虛擬機器因閒置而回收時。

匯入 API

執行下列儲存格，將 API 匯入工作階段。

import ee

驗證及初始化

請執行 ee.Authenticate 函式，驗證您對 Earth Engine 伺服器的存取權，並執行 ee.Initialize 函式來初始化。新增程式碼儲存格、輸入下列程式碼行、編輯專案，然後執行儲存格。

# Trigger the authentication flow.
ee.Authenticate()

# Initialize the library.
ee.Initialize(project='my-project')

系統會要求您授權存取 Earth Engine 帳戶。請按照儲存格中列印的指示完成這個步驟。

測試 API

請透過列印聖母峰的海拔高度來測試 API。請注意，您必須先初始化 API，才能使用該 API。在新儲存格中執行下列 Python 指令碼。

# Print the elevation of Mount Everest.
dem = ee.Image('USGS/SRTMGL1_003')
xy = ee.Geometry.Point([86.9250, 27.9881])
elev = dem.sample(xy, 30).first().get('elevation').getInfo()
print('Mount Everest elevation (m):', elev)

地圖圖表

ee.Image 物件可顯示在筆記本輸出儲存格中。以下兩個範例說明如何顯示靜態圖片和互動式地圖。

靜態圖片

IPython.display 模組包含 Image 函式，可顯示網址的結果，代表透過對 Earth Engine getThumbUrl 函式的呼叫產生的圖片。以下指令碼會顯示全球地形模型的縮圖。

# Import libraries.
import ee
from IPython.display import Image

# Trigger the authentication flow.
ee.Authenticate()

# Initialize the library.
ee.Initialize(project='my-project')

# Import a DEM and display a thumbnail of it.
dem = ee.Image('USGS/SRTMGL1_003')
Image(url=dem.updateMask(dem.gt(0))
  .getThumbUrl({'min': 0, 'max': 4000, 'dimensions': 512,
                'palette': ['006633', 'E5FFCC', '662A00', 'D8D8D8', 'F5F5F5']}))

互動式地圖

folium 套件可用於在互動式 Leaflet 地圖上顯示 ee.Image 物件。Folium 沒有處理 Earth Engine 圖塊的預設方法，因此必須先定義並新增至 folium.Map 模組，才能使用。

以下指令碼提供範例，說明如何新增方法來處理 Earth Engine 圖塊，並使用該方法在 Leaflet 地圖上顯示高程模型。

# Import libraries.
import ee
import folium

# Trigger the authentication flow.
ee.Authenticate()

# Initialize the library.
ee.Initialize(project='my-project')

# Define a method for displaying Earth Engine image tiles to folium map.
def add_ee_layer(self, ee_image_object, vis_params, name):
  map_id_dict = ee.Image(ee_image_object).getMapId(vis_params)
  folium.raster_layers.TileLayer(
    tiles = map_id_dict['tile_fetcher'].url_format,
    attr = "Map Data © Google Earth Engine",
    name = name,
    overlay = True,
    control = True
  ).add_to(self)

# Add EE drawing method to folium.
folium.Map.add_ee_layer = add_ee_layer

# Fetch an elevation model.
dem = ee.Image('USGS/SRTMGL1_003')
# Set visualization parameters.
vis_params = {
  'min': 0,
  'max': 4000,
  'palette': ['006633', 'E5FFCC', '662A00', 'D8D8D8', 'F5F5F5']}

# Create a folium map object.
my_map = folium.Map(location=[20, 0], zoom_start=3)

# Add the elevation model to the map object.
my_map.add_ee_layer(dem.updateMask(dem.gt(0)), vis_params, 'DEM')

# Add a layer control panel to the map.
my_map.add_child(folium.LayerControl())

# Display the map.
display(my_map)

圖表視覺化

部分 Earth Engine 函式會產生表格資料，可透過 matplotlib 等資料視覺化套件繪製。以下範例示範如何將 Earth Engine 的資料表資料以散布圖的形式顯示。詳情請參閱「在 Colaboratory 中繪製圖表」。

# Import libraries.
import ee
import matplotlib.pyplot as plt

# Trigger the authentication flow.
ee.Authenticate()

# Initialize the Earth Engine module.
ee.Initialize(project='my-project')

# Fetch a Landsat TOA image.
img = ee.Image('LANDSAT/LT05/C02/T1_TOA/LT05_034033_20000913')

# Select Red and NIR bands, scale them, and sample 500 points.
samp_fc = img.select(['B3','B4']).sample(scale=30, numPixels=500)

# Arrange the sample as a list of lists.
samp_dict = samp_fc.reduceColumns(ee.Reducer.toList().repeat(2), ['B3', 'B4'])
samp_list = ee.List(samp_dict.get('list'))

# Save server-side ee.List as a client-side Python list.
samp_data = samp_list.getInfo()

# Display a scatter plot of Red-NIR sample pairs using matplotlib.
plt.scatter(samp_data[0], samp_data[1], alpha=0.2)
plt.xlabel('Red', fontsize=12)
plt.ylabel('NIR', fontsize=12)
plt.show()