Começar a usar o Earth Engine para Python

Logotipo do Colab Executar no Google Colab Logotipo do GitHub Ver código-fonte no GitHub

Este guia de início rápido vai apresentar de forma interativa como visualizar e analisar dados geoespaciais com a interface Python do Earth Engine.

Antes de começar

Registre ou crie um projeto do Google Cloud. Você vai receber uma solicitação para concluir as etapas a seguir. Se você já tiver um projeto registrado para o acesso ao Earth Engine, pule para a próxima seção.

  • Selecione a finalidade do projeto: comercial ou não comercial.
  • Se o objetivo não for comercial, selecione um tipo de projeto.
  • Crie um novo projeto do Google Cloud ou selecione um projeto atual.
  • Se o objetivo for comercial, verifique ou configure o faturamento do projeto.
  • Confirme as informações do projeto.

    Observação:se você não pretende manter os recursos criados neste procedimento, crie um projeto em vez de selecionar um que já existe. Depois de concluir essas etapas, você pode excluir o projeto, removendo todos os recursos que ele possui.

Configuração do notebook

Os notebooks Jupyter permitem usar o Earth Engine e analisar os resultados de maneira interativa. A maneira mais rápida de começar é com um notebook no Google Colab. Você pode abrir um novo notebook e copiar os seguintes blocos de código para células individuais ou usar o notebook de início rápido do Python do Earth Engine pré-preenchido.
  1. Importe as bibliotecas do Earth Engine e do geemap. 
    import ee
import geemap.core as geemap

  1. Autenticar e inicializar o serviço do Earth Engine. Siga as instruções para concluir a autenticação. Substitua PROJECT_ID pelo nome do projeto que você configurou para este guia de início rápido. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

Adicionar dados raster a um mapa

  1. Carregar dados climáticos de um determinado período e mostrar os metadados. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. Crie um objeto de mapa e adicione a faixa de temperatura como uma camada com propriedades de visualização específicas. Mostre o mapa. 
    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

Adicionar dados vetoriais a um mapa

  1. Crie um objeto de dados vetorial com pontos para três cidades. 
    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. Adicione os locais das cidades ao mapa e mostre-o novamente. 
    m.add_layer(cities, name='Cities')
m

Extrair e criar gráficos com dados

  1. Importe a biblioteca de gráficos do Altair. 
    %pip install -q --upgrade altair
import altair as alt

  1. Extraia os dados climáticos das três cidades como um DataFrame do 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. Mostre a temperatura das cidades como um gráfico de barras. 
    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)

A seguir