إشعار
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
يوفر هذا المعرض أمثلة تكوين جاهزة للاستخدام لتصور أنواع البيانات الجغرافية المكانية الشائعة في Microsoft Planetary Computer Pro. يتضمن كل مثال تكوينات JSON شاملة للفسيفساءوخيارات العرضوإعدادات البلاط وبيانات تعريف مجموعة كتالوج الأصول المكانية المؤقتة (STAC) التي يمكنك تكييفها مع مجموعات البيانات الخاصة بك.
جدول المحتويات
- Prerequisites
- كيفية استخدام هذه الأمثلة
- Sentinel-2-l2a صور متعددة الأطياف
- التصوير الجوي للبرنامج الوطني للتصوير الزراعي
- صور رادار الفتحة الاصطناعية Umbra
- استخدام الأراضي / الغطاء الأرضي لمرصد التأثير 9 فئات
Prerequisites
قبل استخدام هذه الأمثلة، يجب أن يكون لديك:
- مورد Microsoft Planetary Computer Pro GeoCatalog المنشور
- الإلمام الأساسي بمفاهيم STACوتكوين المجموعة
- البيانات التي تم استيعابها في مجموعة STAC
كيفية استخدام هذه الأمثلة
يتضمن كل مثال في هذا المعرض ما يلي:
- الوصف والسياق - معلومات حول مصدر البيانات ونهج التصور
- مثال مرئي - لقطة شاشة للبيانات المعروضة في المستكشف
-
إعدادات التكوين الكاملة المنظمة في علامات التبويب:
- Mosaic - كيفية تصفية واختيار العناصر للعرض
- خيارات العرض - كيفية تصميم البيانات وتصورها
- إعدادات اللوحة - كيفية تحسين معلمات العرض
- تجميع STAC - بنية بيانات تعريف المجموعة الأساسية
لتطبيق هذه الأمثلة على بياناتك:
- إنشاء مجموعة جديدة في الكتالوج الجغرافي الخاص بك
- استيعاب البيانات في المجموعة.
- انتقل إلى صفحة تكوين المجموعة
- تعديل مثال JSON لمطابقة النطاقات والأصول والخصائص المحددة لمجموعة البيانات الخاصة بك
- تطبيق التكوينات على مجموعتك
- عرض النتائج في Explorer
تكوين مجموعة Sentinel-2-l2a
Sentinel-2 هي مهمة تصوير عالية الدقة ومتعددة الأطياف من وكالة الفضاء الأوروبية (ESA) كجزء من برنامج كوبرنيكوس.
تفاصيل تكوين Sentinel-2
Mosaic configuration
يخبر تكوين الفسيفساء هذا المستكشف بعرض أحدث صور Sentinel-2 من المجموعة ، ولكن فقط تلك الصور ذات الغطاء السحابي أقل من أو يساوي 40%. يضمن عامل تصفية لغة الاستعلام الشائعة (CQL) تضمين صور واضحة نسبيا فقط، مما يجعل التصور أكثر فائدة لمعظم التطبيقات. يمكن لكل إدخال فسيفساء تحديد معايير مختلفة لاختيار الصور ودمجها ، ويستخدم مثال الفسيفساء هذا فسيفساء "افتراضية" واحدة تركز على الصور الحديثة منخفضة السحابة.
[
{
"id": "default",
"name": "Most recent available",
"description": "Most recent available imagery in this Sentinel-2 collection",
"cql": [
{
"op": "<=",
"args": [
{
"property": "eo:cloud_cover"
},
40
]
}
]
}
]
تكوين مجموعة البرنامج الوطني للصور الزراعية
يوفر البرنامج الوطني للصور الزراعية (NAIP) صورا جوية عالية الدقة في جميع أنحاء الولايات المتحدة. تلتقط وكالة خدمات المزارع التابعة لوزارة الزراعة الأمريكية صور NAIP هذه كل ثلاث سنوات على الأقل.
توفر بيانات NAIP تفاصيل ممتازة مع دقة مكانية تتراوح من 0.3 متر إلى 1 متر لكل بكسل. يتم تخزين الصور بتنسيق GeoTIFF محسن للسحابة للوصول والمعالجة بكفاءة.
تحتوي كل صورة NAIP على أربعة نطاقات طيفية:
- Red
- Green
- Blue
- Near-Infrared (NIR)
يتم تخزين جميع النطاقات الأربعة معا كأصل واحد متعدد النطاقات. يتيح هيكل النطاق هذا عدة أنواع من التحليل:
- يستخدم تصور الألوان الطبيعي نطاقات RGB (1-3) لإنشاء صور تشبه ما تراه العين البشرية
- يجمع تحليل الأشعة تحت الحمراء الملونة بين النطاقات NIR والأحمر والأخضر لتقييم صحة الغطاء النباتي
- تستخدم حسابات NDVI الصيغة (NIR-Red) / (NIR + Red) لقياس كثافة الغطاء النباتي وصحته
تفاصيل تكوين NAIP
Mosaic configuration
يحدد تكوين الفسيفساء كيفية دمج الصور عند عرضها في المستكشف، وتستخدم مجموعة NAIP هذه الإعدادات الافتراضية.
[
{
"id": "default",
"name": "Default",
"description": "",
"cql": []
}
]
تكوين مجموعة صور Umbra SAR
تستخدم صور رادار الفتحة الاصطناعية (SAR) من Umbra إشارات الرادار المرسلة من الأقمار الصناعية لإنشاء صور عالية الدقة لسطح الأرض ، قادرة على الرؤية من خلال السحب والظلام والظروف الجوية التي من شأنها أن تحجب الأقمار الصناعية البصرية التقليدية. تعد تقنية SAR هذه ذات قيمة لمراقبة البنية التحتية ، واكتشاف التغيرات في المناطق الحضرية ، وتتبع السفن والمركبات ، وتقييم الأضرار بعد الكوارث الطبيعية ، حيث يمكنها التقاط صور مفصلة في أي وقت من النهار أو الليل بغض النظر عن الظروف الجوية.
تفاصيل تكوين SAR
Mosaic configuration
مجموعة SAR هذه هي تكوين الفسيفساء الافتراضي.
[
{
"id": "default",
"name": "Default",
"description": "",
"cql": []
}
]
تكوين تجميع استخدام الأراضي / الغطاء الأرضي لمرصد التأثير من 9 فئات
توفر مجموعة بيانات استخدام الأراضي / الغطاء الأرضي من الفئة 9 خرائط عالمية سنوية لاستخدام الأراضي والغطاء الأرضي (LULC). تم إنشاء مجموعة البيانات هذه باستخدام مليارات وحدات البكسل المسماة بشريا لتدريب نموذج التعلم العميق لتصنيف الأراضي ، يتم تطبيقه على صور Sentinel-2 بدقة 10 أمتار.
يشمل النظام المكون من 9 فئات: المياه ، والأشجار ، والنباتات التي غمرتها المياه ، والمحاصيل ، والمنطقة المبنية ، والأرض العارية ، والثلج / الجليد ، والغيوم ، والمراعي. يجمع نموذج التصنيف المحدث هذا بين فئتي العشب والفرك المنفصلتين سابقا في فئة واحدة من المراعي ، مما يوفر تصنيفا أكثر اتساقا عبر السلسلة الزمنية.
تمثل كل خريطة سنوية مركبا من تنبؤات LULC على مدار العام ، بمتوسط دقة مقدر يزيد عن 75%. البيانات ذات قيمة لرصد التغيرات في استخدام الأراضي ، وتتبع إزالة الغابات ، والتوسع الحضري ، والأنماط الزراعية على نطاق عالمي.
تفاصيل تكوين استخدام الأراضي / الغطاء الأرضي
Mosaic configuration
يوفر تكوين الفسيفساء لهذه المجموعة خيارات تصفية زمنية ، مما يسمح للمستخدمين بعرض بيانات الغطاء الأرضي لسنوات محددة. يقوم كل تعريف فسيفساء بتصفية البيانات لإظهار العناصر من سنة معينة فقط باستخدام تعبيرات لغة الاستعلام الشائعة (CQL). تسمح هذه التصفية الزمنية للمستخدمين بمقارنة تغيرات الغطاء الأرضي عاما بعد عام أو التركيز على فترة زمنية محددة ذات أهمية
يتضمن التكوين ستة خيارات منفصلة للفسيفساء تغطي 2017-2022:
-
التصفية الزمنية: تستخدم كل فسيفساء المشغل
anyinteractsلتصفية العناصر التي تتقاطع فيها الخاصيةdatetimeمع نطاق تاريخ سنة معينة -
نطاقات التاريخ: يمتد عامل تصفية كل عام من 1 يناير إلى 31 ديسمبر من تلك السنة المحددة (
2022-01-01T23:59:59Zإلى2022-12-31T23:59:59Z)
يعد نهج الترشيح الزمني هذا ذا قيمة لتحليل الغطاء الأرضي ، لأنه يمكن المستخدمين من تتبع التغيرات في أنماط استخدام الأراضي ، ومراقبة إزالة الغابات أو إعادة التحريج ، ومراقبة التوسع الحضري ، وتقييم تأثير الكوارث الطبيعية أو الأنشطة البشرية بمرور الوقت.
[
{
"id": "2022",
"name": "2022",
"description": "2022 Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2022-01-01T23:59:59Z",
"2022-12-31T23:59:59Z"
]
}
]
}
]
},
{
"id": "2021",
"name": "2021",
"description": "2021 Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2021-01-01T23:59:59Z",
"2021-12-31T23:59:59Z"
]
}
]
}
]
},
{
"id": "2020",
"name": "2020",
"description": "2020 Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2020-01-01T23:59:59Z",
"2020-12-31T23:59:59Z"
]
}
]
}
]
},
{
"id": "2019",
"name": "2019",
"description": "2019 Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2019-01-01T23:59:59Z",
"2019-12-31T23:59:59Z"
]
}
]
}
]
},
{
"id": "2018",
"name": "2018",
"description": "2018 Land Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2018-01-01T23:59:59Z",
"2018-12-31T23:59:59Z"
]
}
]
}
]
},
{
"id": "2017",
"name": "2017",
"description": "2017 Land Use/Land Cover",
"cql": [
{
"op": "anyinteracts",
"args": [
{
"property": "datetime"
},
{
"interval": [
"2017-01-01T23:59:59Z",
"2017-12-31T23:59:59Z"
]
}
]
}
]
}
]