Начало работы с Earth Engine для Python

Логотип КолабаЗапустить в Google Colab Логотип GitHubПосмотреть исходный код на GitHub

В этом кратком руководстве вы познакомитесь с интерактивным введением в визуализацию и анализ геопространственных данных с помощью интерфейса Python Earth Engine.

Прежде чем начать

Зарегистрируйте или создайте проект Google Cloud; вам будет предложено выполнить следующие шаги. Если у вас уже есть проект, зарегистрированный для доступа к Earth Engine, перейдите к следующему разделу.

  • Выберите цель проекта: коммерческая или некоммерческая.
  • Если цель некоммерческая, выберите тип проекта.
  • Создайте новый проект Google Cloud или выберите существующий проект.
  • Если цель коммерческая, проверьте или настройте оплату для своего проекта.
  • Подтвердите информацию о своем проекте.

    Примечание. Если вы не планируете сохранять ресурсы, созданные в ходе этой процедуры, создайте проект вместо выбора существующего проекта. После выполнения этих действий вы можете удалить проект , удалив все ресурсы, принадлежащие проекту.

Настройка ноутбука

Блокноты Jupyter позволяют использовать Earth Engine и просматривать результаты в интерактивном режиме. Самый быстрый способ начать — использовать блокнот в блокноте Google Colab. Вы можете либо открыть новую записную книжку и скопировать следующие фрагменты кода в отдельные ячейки, либо использовать предварительно заполненную записную книжку Earth Engine Python Quickstart .
  1. Импортируйте библиотеки Earth Engine и Geemap. 
    import ee
import geemap.core as geemap

  1. Аутентификация и инициализация службы Earth Engine. Следуйте появившимся подсказкам для завершения аутентификации. Обязательно замените PROJECT_ID именем проекта, который вы настроили для этого краткого руководства. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

Добавление растровых данных на карту

  1. Загрузите климатические данные за определенный период и отобразите их метаданные. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. Создайте экземпляр объекта карты и добавьте температурный диапазон в виде слоя с определенными свойствами визуализации. Покажите карту. 
    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

Добавление векторных данных на карту

  1. Создайте объект векторных данных с точками для трех городов. 
    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. Добавьте местоположения городов на карту и отобразите ее заново. 
    m.add_layer(cities, name='Cities')
m

Извлечение и отображение данных

  1. Импортируйте библиотеку диаграмм Altair. 
    %pip install -q --upgrade altair
import altair as alt

  1. Извлеките климатические данные для трех городов в виде 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. Постройте температуру в городах в виде гистограммы. 
    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)

Что дальше