Bắt đầu sử dụng Earth Engine cho Python

Biểu trưng của Colab Chạy trong Google Colab Biểu trưng GitHub Xem mã nguồn trên GitHub

Phần bắt đầu nhanh này sẽ giới thiệu cho bạn cách trực quan hoá và phân tích dữ liệu không gian địa lý bằng giao diện Python của Earth Engine.

Trước khi bắt đầu

Đăng ký hoặc tạo Dự án Google Cloud; bạn sẽ được nhắc hoàn tất các bước sau. Nếu bạn đã đăng ký một dự án để sử dụng Earth Engine, hãy chuyển sang phần tiếp theo.

  • Chọn mục đích của dự án: thương mại hoặc phi thương mại.
  • Nếu mục đích không phải vì mục đích thương mại, hãy chọn một loại dự án.
  • Tạo dự án Google Cloud mới hoặc chọn một dự án hiện có.
  • Nếu mục đích là thương mại, hãy xác minh hoặc thiết lập thông tin thanh toán cho dự án của bạn.
  • Xác nhận thông tin dự án của bạn.

    Lưu ý: Nếu bạn không định giữ lại các tài nguyên mà bạn tạo trong quy trình này, hãy tạo một dự án thay vì chọn một dự án hiện có. Sau khi hoàn tất các bước này, bạn có thể xoá dự án, xoá tất cả tài nguyên thuộc sở hữu của dự án.

Thiết lập sổ tay

Sổ tay Jupyter cho phép bạn sử dụng Earth Engine và khám phá kết quả một cách tương tác. Cách nhanh nhất để bắt đầu là sử dụng một sổ tay trong sổ tay Google Colab. Bạn có thể mở một sổ tay mới và sao chép các đoạn mã sau vào từng ô hoặc sử dụng sổ tay Khởi động nhanh Python cho Earth Engine được điền sẵn.
  1. Nhập thư viện Earth Engine và geemap. 
    import ee
import geemap.core as geemap

  1. Xác thực và khởi chạy dịch vụ Earth Engine. Làm theo các lời nhắc xuất hiện để hoàn tất quy trình xác thực. Hãy nhớ thay thế PROJECT_ID bằng tên của dự án mà bạn đã thiết lập cho phần hướng dẫn nhanh này. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

Thêm dữ liệu đường quét vào bản đồ

  1. Tải dữ liệu khí hậu cho một khoảng thời gian nhất định và hiển thị siêu dữ liệu của dữ liệu đó. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. Tạo bản sao đối tượng bản đồ và thêm dải nhiệt độ dưới dạng một lớp có các thuộc tính trực quan cụ thể. Hiển thị bản đồ. 
    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

Thêm dữ liệu vectơ vào bản đồ

  1. Tạo một đối tượng dữ liệu vectơ có các điểm cho ba thành phố. 
    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. Thêm vị trí thành phố vào bản đồ và hiển thị lại. 
    m.add_layer(cities, name='Cities')
m

Trích xuất và lập biểu đồ dữ liệu

  1. Nhập thư viện lập biểu đồ Altair. 
    %pip install -q --upgrade altair
import altair as alt

  1. Trích xuất dữ liệu khí hậu cho 3 thành phố dưới dạng DataFrame của 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. Vẽ nhiệt độ của các thành phố dưới dạng biểu đồ thanh. 
    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)

Bước tiếp theo