Mulai menggunakan Earth Engine untuk Python

Logo Colab Jalankan di Google Colab Logo GitHub Lihat sumber di GitHub

Panduan memulai ini akan memberi Anda pengantar interaktif untuk memvisualisasikan dan menganalisis data geospasial dengan antarmuka Python Earth Engine.

Sebelum memulai

Daftar atau buat Project Google Cloud; Anda akan diminta untuk menyelesaikan langkah-langkah berikut. Jika Anda sudah memiliki project yang terdaftar untuk akses Earth Engine, lanjutkan ke bagian berikutnya.

  • Pilih tujuan project: komersial atau nonkomersial.
  • Jika tujuannya bersifat nonkomersial, pilih jenis project.
  • Buat project Google Cloud baru atau pilih project yang sudah ada.
  • Jika tujuannya bersifat komersial, verifikasi atau siapkan penagihan untuk project Anda.
  • Konfirmasi informasi project Anda.

    Catatan: Jika Anda tidak berencana untuk menyimpan resource yang dibuat dalam prosedur ini, buat project, bukan memilih project yang ada. Setelah menyelesaikan langkah-langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang dimiliki oleh project.

Penyiapan notebook

Notebook Jupyter memungkinkan Anda menggunakan Earth Engine dan menjelajahi hasil secara interaktif. Cara tercepat untuk memulai adalah dengan notebook di notebook Google Colab. Anda dapat membuka notebook baru dan menyalin potongan kode berikut ke setiap sel atau menggunakan notebook Panduan Memulai Python Earth Engine yang telah diisi sebelumnya.
  1. Impor library Earth Engine dan geemap. 
    import ee
import geemap.core as geemap

  1. Lakukan autentikasi dan inisialisasi layanan Earth Engine. Ikuti petunjuk yang muncul untuk menyelesaikan autentikasi. Pastikan untuk mengganti PROJECT_ID dengan nama project yang Anda siapkan untuk panduan memulai ini. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

Menambahkan data raster ke peta

  1. Memuat data iklim untuk jangka waktu tertentu dan menampilkan metadata-nya. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. Buat instance objek peta dan tambahkan rentang suhu sebagai lapisan dengan properti visualisasi tertentu. Menampilkan peta. 
    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

Menambahkan data vektor ke peta

  1. Buat objek data vektor dengan titik untuk tiga kota. 
    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. Tambahkan lokasi kota ke peta dan tampilkan kembali. 
    m.add_layer(cities, name='Cities')
m

Mengekstrak dan membuat diagram data

  1. Impor library diagram Altair. 
    %pip install -q --upgrade altair
import altair as alt

  1. Ekstrak data iklim untuk tiga kota sebagai DataFrame pandas. 
    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. Buat plot suhu untuk kota sebagai diagram batang. 
    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)

Langkah berikutnya