Composizione, mascheramento e mosaico

Con la raccolta di riflettanza TOA di Landsat 8 caricata in una variabile chiamata l8, hai visto che il seguente codice genera un composito con i valori recenti:

Editor di codice (JavaScript)

var l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA');
var landsat2016 = l8.filterDate('2016-01-01', '2016-12-31');
Map.addLayer(landsat2016, visParams, 'l8 collection');

Uno dei problemi di questa composizione è che è piena di nuvole. Anziché prendere l'ultimo pixel della raccolta (quando aggiungi una raccolta alla mappa, Earth Engine chiama implicitamente mosaic()), puoi ridurre il ImageCollection (scopri di più sulla riduzione delle raccolte di immagini).

Composizione con riduttori

I riduttori sono stati introdotti per la prima volta per ottenere statistiche in una regione di un'immagine. Si è trattato di una riduzione spaziale. La riduzione di una raccolta di immagini a un'immagine è una riduzione temporale quando la raccolta rappresenta immagini nel tempo. Il tipo di Reducer che utilizzi definisce il modo in cui Earth Engine gestisce i pixel sovrapposti. Landsat 8 torna nello stesso punto della Terra ogni 16 giorni. Ciò significa che in un periodo di 6 mesi ci saranno circa 12 immagini (e altre in cui le scene si sovrappongono). Ogni pixel sulla mappa è derivato da una pila di pixel - uno per ogni immagine della raccolta visualizzata.

La semplice aggiunta della raccolta alla mappa comporta la selezione del pixel più recente, ovvero quello dell'ultima immagine nello stack. Questo comportamento può essere modificato utilizzando i riduttori di Earth Engine. Ad esempio, anziché prendere il pixel più recente dallo stack, Earth Engine può essere istruito a scegliere il valore mediano nello stack. In questo modo vengono rimosse le nuvole (che hanno un valore elevato) e le ombre (che hanno un valore basso). Quando una raccolta di immagini viene ridotta utilizzando il riduttore mediano, il valore composito è la mediana in ogni banda nel tempo. Ad esempio, utilizzando le scene di Landsat nel 2016:

Editor di codice (JavaScript)

// Get the median over time, in each band, in each pixel.
var median = l8.filterDate('2016-01-01', '2016-12-31').median();

// Make a handy variable of visualization parameters.
var visParams = {bands: ['B4', 'B3', 'B2'], max: 0.3};

// Display the median composite.
Map.addLayer(median, visParams, 'median');

La novità di questo codice è il metodo median() applicato a una raccolta di immagini. Come i metodi di filtraggio, questo è un collegamento al metodo più generale reduce() sulle raccolte di immagini, che accetta un ee.Reducer() come argomento. Visualizza il pacchetto ee.Reducer nella scheda Documenti dell'editor di codice per visualizzare un elenco di tutti i riduttori di Earth Engine. Quando prendi in considerazione un riduttore per una raccolta di immagini, tieni presente che l'output è un'immagine, quindi i riduttori con output non numerici, ad esempio i riduttori histogram o toList, non funzioneranno con una raccolta di immagini.

Figura 6. Landsat 8 median composite.

Quando riduci lo zoom sul composito mediano, dovresti vedere un risultato simile alla Figura 6. Questo dovrebbe avere un aspetto notevolmente migliore rispetto al composito dei valori recenti che hai creato in precedenza. A questo punto, è opportuno fare un passo indietro e considerare cosa è stato fatto per creare questo composito mediano. Earth Engine ha caricato l'intera raccolta Landsat 8 sugli Stati Uniti continentali e ha calcolato la mediana per ogni pixel. Sono davvero tanti dati. Naturalmente, puoi calcolare le mediane annuali filtrando prima la raccolta, come hai fatto in precedenza. Il punto è che se dovessi scaricare tutte queste immagini e creare questo composito, sarebbe un progetto di grandi dimensioni. Con Earth Engine, ottieni un risultato in pochi secondi.

Scopri di più su composizione e mosaico qui.

Mascheramento

Sebbene la composizione mediana rappresenti un miglioramento rispetto alla composizione dei valori recenti, potresti voler mascherare parti dell'immagine. La mascheratura dei pixel in un'immagine li rende trasparenti e li esclude dall'analisi. Ogni pixel di ogni banda di un'immagine ha una maschera. Quelli con un valore di maschera pari o inferiore a 0 saranno trasparenti. Verranno visualizzati quelli con una maschera di qualsiasi valore superiore a 0. La maschera di un'immagine viene impostata utilizzando una chiamata come image1.mask(image2). Questa chiamata prende i valori di image2 e li trasforma nella maschera di image1. Tutti i pixel in image2 che hanno il valore 0 verranno resi trasparenti in image1.

Ad esempio, supponiamo che tu voglia mascherare tutti i pixel dell'acqua nel composito mediano. È possibile creare una maschera dell'acqua utilizzando il set di dati descritto da Hansen et al. (2013), che si trova nel catalogo dati di Earth Engine. (Scopri di più sul set di dati Hansen et al. in questo tutorial.) In questo set di dati, l'acqua ha un valore di 2, la terra ha un valore di 1 e "nessun dato" ha un valore di 0. Utilizza un po' di logica per creare un'immagine della maschera che contenga zeri dove non c'è terra:

Editor di codice (JavaScript)

// Load or import the Hansen et al. forest change dataset.
var hansenImage = ee.Image('UMD/hansen/global_forest_change_2015');

// Select the land/water mask.
var datamask = hansenImage.select('datamask');

// Create a binary mask.
var mask = datamask.eq(1);

// Update the composite mask with the water mask.
var maskedComposite = median.updateMask(mask);
Map.addLayer(maskedComposite, visParams, 'masked');

In questo codice sono presenti alcune novità che meritano di essere menzionate in dettaglio. Innanzitutto, la funzione select() è utile per estrarre le bande di interesse da un'immagine. Qui selezioniamo solo la band che ci interessa: datamask. La novità successiva è l'operatore logico eq(), che sta per "uguale a". Utilizziamo eq(1) per creare un'immagine binaria in cui tutti i pixel che non hanno il valore 1 nella banda datamask (quelli che sono acqua o nessun dato) ottengono un valore pari a 0 nell'immagine risultante.

A seguito di questa mascheratura, tutti i pixel nel composito mediano che si trovano sulla terraferma (secondo il set di dati Hansen et al.) sono visibili, ma quelli sull'acqua (o nodata) sono trasparenti e verranno esclusi da qualsiasi analisi eseguita sull'immagine maskedComposite.

Mosaico

Combinando i concetti di raccolte di immagini, operatori logici, mascheratura e composizione, puoi ottenere risultati cartografici interessanti. Ad esempio, supponiamo di volere un'immagine in cui i pixel del terreno siano visualizzati a colori reali e tutti gli altri pixel siano visualizzati in blu. Puoi fare qualcosa del genere:

Editor di codice (JavaScript)

// Make a water image out of the mask.
var water = mask.not();

// Mask water with itself to mask all the zeros (non-water).
water = water.mask(water);

// Make an image collection of visualization images.
var mosaic = ee.ImageCollection([
  median.visualize(visParams),
  water.visualize({palette: '000044'}),
]).mosaic();

// Display the mosaic.
Map.addLayer(mosaic, {}, 'custom mosaic');

In questo codice succedono molte cose, quindi analizziamolo. Innanzitutto, utilizziamo l'operatore logico not() per invertire la maschera creata in precedenza. Nello specifico, not() trasforma tutti gli zeri in uno e tutti i valori diversi da zero in zero. Non è del tutto corretto chiamare questa variabile water perché include anche alcuni pixel nodata, ma va bene nel contesto cartografico attuale. La cosa successiva è mascherare l'"acqua" con se stessa. Il risultato è un'immagine in cui tutti i pixel dell'acqua sono 1 e tutto il resto è mascherato. L'ultimo passaggio consiste nel combinare le immagini con mosaic(). Poiché mosaic() funziona su una raccolta di immagini, passiamo un elenco di immagini che vogliamo combinare nel costruttore della raccolta di immagini, quindi chiamiamo mosaic() come passaggio finale. L'ordine delle immagini nell'elenco è importante. Nello specifico, l'immagine di output conterrà l'ultimo pixel non mascherato dello stack di immagini nella raccolta di input. In questo caso, funziona perché il livello dell'acqua è l'ultima (in alto) immagine della raccolta e contiene solo pixel non mascherati in cui è presente acqua.

Tieni presente che le immagini nella raccolta sono immagini di visualizzazione. Quando chiami visualize() su un'immagine, questa viene trasformata in un'immagine a 3 bande a 8 bit in base ai parametri di visualizzazione che trasmetti. I parametri di visualizzazione predefiniti funzionano correttamente per le immagini a 3 bande a 8 bit, quindi non sono necessari parametri di visualizzazione quando aggiungi l'immagine alla mappa. Il risultato dovrebbe essere simile alla Figura 7.

Figura 7. Mosaico personalizzato che rende le aree acquatiche di un colore uniforme.

A questo punto, hai visto i modi per visualizzare le raccolte di immagini come composizioni di valori recenti, i metodi per comporre le raccolte di immagini utilizzando i riduttori e i metodi per creare composizioni personalizzate mascherando e creando mosaici di una raccolta di immagini. Nella pagina successiva, scopri come aggiungere un indice di vegetazione a ogni immagine di una raccolta e utilizzarlo per creare un composito "pixel più verde".

Pagina precedente Pagina successiva