Python के लिए Earth Engine का इस्तेमाल शुरू करना

Colab का लोगो Google Colab में चलाएं GitHub का लोगो GitHub पर सोर्स देखें

इस शुरुआती ट्यूटोरियल में, आपको Earth Engine के Python इंटरफ़ेस की मदद से, भौगोलिक डेटा को विज़ुअलाइज़ करने और उसका विश्लेषण करने के बारे में इंटरैक्टिव तरीके से जानकारी मिलेगी.

शुरू करने से पहले

Google Cloud प्रोजेक्ट रजिस्टर करें या बनाएं. इसके बाद, आपको यह तरीका अपनाना होगा. अगर आपके पास पहले से ही Earth Engine का ऐक्सेस पाने के लिए रजिस्टर किया गया कोई प्रोजेक्ट है, तो अगले सेक्शन पर जाएं.

  • प्रोजेक्ट का मकसद चुनें: व्यावसायिक या गैर-व्यावसायिक.
  • अगर इसका मकसद व्यावसायिक नहीं है, तो प्रोजेक्ट का टाइप चुनें.
  • नया Google Cloud प्रोजेक्ट बनाएं या कोई मौजूदा प्रोजेक्ट चुनें.
  • अगर इसका मकसद व्यावसायिक है, तो अपने प्रोजेक्ट के लिए बिलिंग की पुष्टि करें या उसे सेट अप करें.
  • अपने प्रोजेक्ट की जानकारी की पुष्टि करें.

    ध्यान दें: अगर आपको इस प्रोसेस में बनाए गए संसाधनों को सेव नहीं करना है, तो किसी मौजूदा प्रोजेक्ट को चुनने के बजाय, नया प्रोजेक्ट बनाएं. इन चरणों को पूरा करने के बाद, प्रोजेक्ट को मिटाया जा सकता है. इससे, प्रोजेक्ट के मालिकाना हक वाले सभी संसाधन हट जाएंगे.

Notebook का सेटअप

Jupyter नोटबुक की मदद से, Earth Engine का इस्तेमाल किया जा सकता है और नतीजों को इंटरैक्टिव तरीके से एक्सप्लोर किया जा सकता है. Google Colab notebook में मौजूद नोटबुक की मदद से, तेज़ी से शुरुआत की जा सकती है. नई नोटबुक खोलें और यहां दिए गए कोड के हिस्सों को अलग-अलग सेल में कॉपी करें या पहले से भरे हुए Earth Engine Python Quickstart notebook का इस्तेमाल करें.
  1. Earth Engine और geemap लाइब्रेरी इंपोर्ट करें. 
    import ee
import geemap.core as geemap

  1. Earth Engine सेवा की पुष्टि करें और उसे शुरू करें. पुष्टि करने के लिए, स्क्रीन पर दिखने वाले निर्देशों का पालन करें. PROJECT_ID की जगह, उस प्रोजेक्ट का नाम डालना न भूलें जिसे आपने इस क्विकस्टार्ट के लिए सेट अप किया है. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

मैप में रेस्टर डेटा जोड़ना

  1. किसी तय अवधि के लिए, जलवायु से जुड़ा डेटा लोड करना और उसका मेटाडेटा दिखाना. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. मैप ऑब्जेक्ट को इंस्टैंशिएट करें और तापमान बैंड को लेयर के तौर पर जोड़ें. साथ ही, विज़ुअलाइज़ेशन की खास प्रॉपर्टी का इस्तेमाल करें. मैप दिखाएं. 
    m = geemap.Map(center=[30, 0], zoom=2)

vis_params = {
    'bands': ['temperature_2m'],
    'min': 229,
    'max': 304,
    'palette': 'inferno',
}
m.add_layer(jan_2023_climate, vis_params, 'Temperature (K)')
m

मैप में वेक्टर डेटा जोड़ना

  1. तीन शहरों के पॉइंट वाला वेक्टर डेटा ऑब्जेक्ट बनाएं. 
    cities = ee.FeatureCollection([
    ee.Feature(ee.Geometry.Point(10.75, 59.91), {'city': 'Oslo'}),
    ee.Feature(ee.Geometry.Point(-118.24, 34.05), {'city': 'Los Angeles'}),
    ee.Feature(ee.Geometry.Point(103.83, 1.33), {'city': 'Singapore'}),
])
cities
  1. मैप पर शहर की जगहों की जानकारी जोड़ें और उसे फिर से दिखाएं. 
    m.add_layer(cities, name='Cities')
m

डेटा निकालना और चार्ट बनाना

  1. Altair चार्टिंग लाइब्रेरी इंपोर्ट करें. 
    %pip install -q --upgrade altair
import altair as alt

  1. तीन शहरों के लिए, जलवायु का डेटा, Pandas DataFrame के तौर पर निकालें. 
    city_climates = jan_2023_climate.reduceRegions(cities, ee.Reducer.first())

city_climates_dataframe = ee.data.computeFeatures(
    {'expression': city_climates, 'fileFormat': 'PANDAS_DATAFRAME'}
)
city_climates_dataframe
  1. शहरों के तापमान को बार चार्ट के तौर पर प्लॉट करें. 
    alt.Chart(city_climates_dataframe).mark_bar(size=100).encode(
    alt.X('city:N', sort='y', axis=alt.Axis(labelAngle=0), title='City'),
    alt.Y('temperature_2m:Q', title='Temperature (K)'),
    tooltip=[
        alt.Tooltip('city:N', title='City'),
        alt.Tooltip('temperature_2m:Q', title='Temperature (K)'),
    ],
).properties(title='January 2023 temperature for selected cities', width=500)

आगे क्या करना है