譯者 | 布加迪

審校 | 重樓

地理空間數(shù)據(jù)分析是一個(gè)專門領(lǐng)域，用來(lái)處理、可視化和分析一種特殊類型的數(shù)據(jù)：地理空間數(shù)據(jù)。與正常數(shù)據(jù)相比，地理空間數(shù)據(jù)是帶有附加列：位置信息（比如緯度和經(jīng)度）的表格數(shù)據(jù)。

有兩種主要類型的數(shù)據(jù)：矢量數(shù)據(jù)和柵格數(shù)據(jù)。在處理矢量數(shù)據(jù)時(shí)，您仍有一個(gè)表格數(shù)據(jù)集，而柵格數(shù)據(jù)更類似圖像，比如衛(wèi)星圖像和航空照片。

本文將重點(diǎn)介紹Google Earth Engine提供的柵格數(shù)據(jù)，這個(gè)云計(jì)算平臺(tái)提供了龐大的衛(wèi)星圖像數(shù)據(jù)目錄。這類數(shù)據(jù)很容易使用一個(gè)名為Geemap的Python軟件包從Jupyter Notebook加以處理。

Google Earth Engine簡(jiǎn)介

在開(kāi)始使用Python庫(kù)之前，我們需要了解Google Earth Engine的潛力。這個(gè)基于云的平臺(tái)由谷歌云平臺(tái)提供支持，托管學(xué)術(shù)、非營(yíng)利和商業(yè)目的的公共和免費(fèi)地理空間數(shù)據(jù)集。

這個(gè)平臺(tái)的魅力在于，它提供了存儲(chǔ)在Earth Engine服務(wù)器上的多PB的柵格數(shù)據(jù)和矢量數(shù)據(jù)目錄。您可以從這個(gè)鏈接：https://developers.google.com/earth-engine/datasets/catalog快速瀏覽一下。此外，它還提供了方便分析柵格數(shù)據(jù)集的API。

Geemap是一個(gè)Python庫(kù)，便于分析和可視化來(lái)自Google Earth Engine的大量地理空間數(shù)據(jù)。

在這個(gè)軟件包出現(xiàn)之前，我們已經(jīng)可以通過(guò)JavaScript和Python API進(jìn)行計(jì)算請(qǐng)求，但Python API功能有限，且缺少文檔。

為了填補(bǔ)這個(gè)空白，Geemap應(yīng)運(yùn)而生，允許用戶通過(guò)幾行代碼訪問(wèn)Google Earth Engine的資源。Geemap建立在eartenengine-api、ipyleaflet和folium的基礎(chǔ)上。

欲安裝該庫(kù)，只需執(zhí)行以下命令：

pip install geemap

建議您在Google Colab中試用這個(gè)出色的軟件包，以了解其全部潛力?？纯催@本由教授Qiusheng Wu博士撰寫的介紹Geemap和Google Earth Engine使用入門的圖書。

如何訪問(wèn)Earth Engine？

首先，我們需要導(dǎo)入將在本教程中用到的兩個(gè)Python庫(kù)：

import ee
Import geemap

除了Geemap外，我們還導(dǎo)入了名為ee的Earth Engine Python客戶端庫(kù)。

這個(gè)Python庫(kù)可以用于Earth Engine上進(jìn)行身份驗(yàn)證，但直接使用Geemap庫(kù)可以更快：

m = geemap.Map()
m

您需要點(diǎn)擊這行代碼返回的URL，這將生成授權(quán)碼。首先選擇云項(xiàng)目，然后點(diǎn)擊“GENERATE TOKEN”按鈕。

之后，它會(huì)要求您選擇帳戶。建議您使用Google Colab的同一個(gè)帳戶。

然后，點(diǎn)擊“Select All”旁邊的復(fù)選框，并按“Continue”按鈕。簡(jiǎn)而言之，這一步允許筆記本客戶端訪問(wèn)Earth Engine帳戶。

在這個(gè)操作之后，將生成身份驗(yàn)證碼，您可以將其粘貼到筆記本單元格中。

一旦輸入了驗(yàn)證碼，您就可以最終創(chuàng)建并可視化這個(gè)交互式地圖了：

m = geemap.Map()
m

眼下，您就可以在ipyleaflet上查看基本地圖了，這個(gè)Python軟件包可以在Jupyter Notebook中可視化交互式地圖。

創(chuàng)建交互式地圖

前面，我們已經(jīng)看到了如何使用單單一行代碼對(duì)交互式地圖進(jìn)行身份驗(yàn)證和可視化?，F(xiàn)在，我們可以通過(guò)指定質(zhì)心的緯度和經(jīng)度、縮放級(jí)別和高度來(lái)定制默認(rèn)地圖。我選擇了羅馬的坐標(biāo)作為歐洲地圖上的中心。

m = geemap.Map(center=[41, 12], zoom=6, height=600)
m

如果我們想要改變基礎(chǔ)地圖，有兩種方法。第一種方法是編寫并運(yùn)行以下代碼行：

m.add_basemap("ROADMAP")
m 

另一種方法是，您可以通過(guò)點(diǎn)擊位于右側(cè)的環(huán)扳手圖標(biāo)手動(dòng)更改基礎(chǔ)地圖。

此外，我們看到Geemap提供的基礎(chǔ)地圖列表：

basemaps = geemap.basemaps.keys()
for bm in basemaps:
 print(bm)

輸出如下：

OpenStreetMap
Esri.WorldStreetMap
Esri.WorldImagery
Esri.WorldTopoMap
FWS NWI Wetlands
FWS NWI Wetlands Raster
NLCD 2021 CONUS Land Cover
NLCD 2019 CONUS Land Cover
...

正如您所注意到的，有一長(zhǎng)串基礎(chǔ)地圖，其中大部分都是通過(guò)OpenStreetMap、ESRI和USGS獲得的。

Earth Engine數(shù)據(jù)類型

在展示Geemap的全部潛力之前，有必要了解Earth Engine中的兩種主要數(shù)據(jù)類型。查看Google Earth Engine的文檔以了解更多細(xì)節(jié)。

在處理矢量數(shù)據(jù)時(shí)，我們主要使用三種數(shù)據(jù)類型：

• 幾何形狀（Geometry）存儲(chǔ)在地圖上繪制矢量數(shù)據(jù)所需的坐標(biāo)。Earth Engine支持三種主要類型的幾何形狀：點(diǎn)、線串和多邊形。
• 特征（Feature）實(shí)際上是結(jié)合幾何形狀和非地理屬性的行。它非常類GeoPandas的GeoSeries類。
• 特征組合（FeatureCollection）是一種包含一組特征的表格數(shù)據(jù)結(jié)構(gòu)。FeatureCollection和GeoDataFrame在概念上幾乎一樣。

在柵格數(shù)據(jù)世界，我們關(guān)注的是圖像（Image）對(duì)象。Google Earth Engine的圖像由一個(gè)或多個(gè)段組成，其中每個(gè)段都有一個(gè)特定的名稱、估計(jì)的最小值和最大值以及描述。

如果我們有一個(gè)圖像集合或時(shí)間序列，ImageCollection作為數(shù)據(jù)類型更合適。

我們將顯示歐洲陸地覆蓋地圖的衛(wèi)星圖像可視化。該數(shù)據(jù)集提供了1986年至2018年之間的變化。

首先，我們使用ee.Image加載圖像。然后，選擇段“landcover”。最后，不妨通過(guò)使用Map. addLayer將加載的數(shù)據(jù)集添加到地圖作為圖層來(lái)可視化圖像。

Map = geemap.Map()
dataset = ee.Image('COPERNICUS/CORINE/V20/100m/2012')
landCover = dataset.select('landcover')
Map.setCenter(16.436, 39.825, 6)
Map.addLayer(landCover, {}, 'Land Cover')
Map

與之相似，我們可以做同樣的事情來(lái)加載和可視化顯示歐洲土地覆蓋地圖的衛(wèi)星圖像。該數(shù)據(jù)集提供了1986年至2018年之間的變化。

為了可視化Earth Engine ImageCollection，除了ee.ImageCollection外，幾行代碼是相似的。

Map = geemap.Map()
collection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_CH4').select('CH4_column_volume_mixing_ratio_dry_air').filterDate('2019-06-01', '2019-07-16')
band_viz = {
 'min': 1750,
 'max': 1900,
 'palette': ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']
}
Map.addLayer(collection.mean()， band_viz， 'S5P CH4')
Map.setCenter(0.0, 0.0, 2)
Map

從這張地圖上，我們可以看到甲烷在全球范圍內(nèi)是如何分布的，甲烷是造成溫室效應(yīng)最重要的因素之一。

結(jié)語(yǔ)

這是一篇入門指南，可以幫助您使用Python處理Google Earth Engine數(shù)據(jù)。Geemap是可視化和分析這類數(shù)據(jù)的最完整的Python庫(kù)。

如果您想更深入地了解這個(gè)軟件包，可以查看下面我建議的參考資料。

代碼可以在這里找到：

https://github.com/eugeniaring/Medium-Articles/blob/main/Geo/geemap_tutorial.ipynb。

實(shí)用資源

• Google Earth Engine：https://earthengine.google.com/
• Geemap文檔：https://geemap.org/
• 圖書《Earth Engine and Geemap：Geospatial Data Science with Python》：https://book.geemap.org/

原文標(biāo)題：Geospatial Data Analysis with Geemap，作者：Eugenia Anello