Raccolta di visualizzazioni dei dati di Computer Planetario Pro di Microsoft

Questa raccolta fornisce esempi di configurazione pronti all'uso per visualizzare i tipi di dati geospaziali comuni in Computer Planetario Pro di Microsoft. Ogni esempio include configurazioni JSON complete per mosaici, opzioni di rendering, impostazioni dei riquadri e metadati della raccolta STAC (SpatioTemporal Asset Catalog) che è possibile adattare per i propri set di dati.

Sommario

Prerequisites

Prima di usare questi esempi, è necessario disporre di:

Come usare questi esempi

Ogni esempio in questa raccolta include:

  • Descrizione e contesto - Informazioni sull'approccio all'origine dati e alla visualizzazione
  • Esempio visivo - screenshot dei dati di cui è stato eseguito il rendering nell'Explorer
  • Completare le impostazioni di configurazione organizzate nelle schede:
    • Mosaico - Come filtrare e selezionare gli elementi per la visualizzazione
    • Opzioni di rendering - Come applicare uno stile e visualizzare i dati
    • Impostazioni riquadro: indicazioni su come ottimizzare i parametri di visualizzazione
    • Raccolta STAC - Struttura dei metadati della raccolta sottostante

Per applicare questi esempi ai propri dati:

  1. Creare una nuova raccolta in GeoCatalog
  2. Inserire i dati nella raccolta.
  3. Passare alla pagina di configurazione della raccolta
  4. Modificare il codice JSON di esempio in modo che corrisponda a bande, asset e proprietà specifiche del set di dati
  5. Applicare le configurazioni alla raccolta
  6. Visualizzare i risultati in Explorer

Configurazione della collezione Sentinel-2-L2A

Screenshot della visualizzazione dei dati Sentinel-2-L2A.

Sentinel-2 è una missione di imaging multi-spettrale ad alta risoluzione dell'Agenzia Spaziale Europea (ESA) come parte del programma Copernicus.

Dettagli della configurazione di Sentinel-2

Configurazione mosaico

Questa configurazione a mosaico indica a Explorer di visualizzare le immagini Sentinel-2 più recenti della raccolta, ma solo quelle con copertura cloud minore o uguale a 40%. Il filtro Common Query Language (CQL) garantisce che vengano incluse solo immagini relativamente chiare, rendendo la visualizzazione più utile per la maggior parte delle applicazioni. Ogni voce di mosaico può definire criteri diversi per la selezione e la combinazione di immagini, e questo esempio di mosaico usa un unico mosaico "predefinito" incentrato sulle immagini recenti a nuvole basse.

[
  {
    "id": "default",
    "name": "Most recent available",
    "description": "Most recent available imagery in this Sentinel-2 collection",
    "cql": [
      {
        "op": "<=",
        "args": [
          {
            "property": "eo:cloud_cover"
          },
          40
        ]
      }
    ]
  }
]

Configurazione della raccolta del Programma Nazionale di Immagini Agricole (NAIP)

Screenshot della visualizzazione dei dati di National Agriculture Imagery Program. Il National Agriculture Imagery Program (NAIP) fornisce immagini aeree ad alta risoluzione negli Stati Uniti. La USDA Farm Service Agency acquisisce questa immagine NAIP almeno ogni tre anni.

I dati NAIP offrono un dettaglio eccellente con risoluzioni spaziali che vanno da 0,3 a 1 metro per pixel. Le immagini vengono archiviate in formato GeoTIFF ottimizzato per il cloud per un accesso e un'elaborazione efficienti.

Ogni immagine NAIP contiene quattro bande spettrali:

  • Red
  • Green
  • Blue
  • Infrarosso vicino (NIR)

Tutte e quattro le bande vengono archiviate insieme come singola risorsa multibanda. Questa struttura a banda consente diversi tipi di analisi:

  • La visualizzazione dei colori naturali usa le bande RGB (1-3) per creare immagini simili a quanto vede l'occhio umano
  • L'analisi a infrarossi a colori combina bande NIR, Red e Green per valutare la salute della vegetazione
  • I calcoli NDVI usano la formula (NIR-Red)/(NIR+Red) per misurare la densità e la salute della vegetazione

Dettagli della configurazione DI NAIP

Configurazione mosaico

La configurazione del mosaico definisce il modo in cui le immagini vengono combinate quando vengono visualizzate in Explorer, questa raccolta NAIP usa le impostazioni predefinite.

[
  {
    "id": "default",
    "name": "Default",
    "description": "",
    "cql": []
  }
]

Configurazione della raccolta di immagini Umbra SAR

Screenshot della visualizzazione dei dati delle immagini SAR di Umbra.

L'immagine SAR (Synthetic Aperture Radar) di Umbra usa i segnali radar trasmessi dai satelliti per creare immagini ad alta risoluzione della superficie terrestre, in grado di vedere attraverso nuvole, oscurità e condizioni meteorologiche che bloccano satelliti ottici tradizionali. Questa tecnologia SAR è utile per il monitoraggio dell'infrastruttura, il rilevamento dei cambiamenti nelle aree urbane, il rilevamento di navi e veicoli e la valutazione dei danni dopo calamità naturali, in quanto può acquisire immagini dettagliate in qualsiasi momento del giorno o della notte indipendentemente dalle condizioni meteorologiche.

Dettagli della configurazione SAR

Configurazione mosaico

Questa raccolta SAR è la configurazione di mosaico predefinita.

[
  {
    "id": "default",
    "name": "Default",
    "description": "",
    "cql": []
  }
]

Configurazione della raccolta di 9 classi dell'Osservatorio sull'analisi dell'impatto dell'uso/della copertura del terreno

Screenshot che mostra la visualizzazione dei dati di ESP-io-lulc-9-class.

Il dataset 9-Class del Impact Observatory sull'uso del suolo/copertura terrestre offre mappe globali annuali di utilizzo del suolo e copertura terrestre (LULC). Questo set di dati è stato generato usando miliardi di pixel con etichetta umana per eseguire il training di un modello di Deep Learning per la classificazione dei terreni, applicato alle immagini Sentinel-2 a una risoluzione di 10 metri.

Il sistema di 9 classi include: acqua, alberi, vegetazione inondata, colture, area costruita, terra bara, neve/ghiaccio, nuvole e Rangeland. Questo modello di classificazione aggiornato combina le classi Grass e Scrub precedentemente separate in una singola classe Rangeland, fornendo una classificazione più coerente tra le serie temporali.

Ogni mappa annuale rappresenta una combinazione di stime LULC nel corso dell'anno, con un'accuratezza media valutata di oltre 75%. I dati sono utili per monitorare i cambiamenti di utilizzo dei terreni, tenere traccia della disboscamento, dell'espansione urbana e dei modelli agricoli su scala globale.

Dettagli di configurazione della copertura del terreno/utilizzo del terreno

Configurazione mosaico

La configurazione mosaico per questa raccolta fornisce opzioni di filtro temporale, consentendo agli utenti di visualizzare i dati di copertura del terreno per anni specifici. Ogni definizione di mosaico filtra i dati per visualizzare solo gli elementi di un determinato anno usando espressioni Common Query Language (CQL). Questo filtro temporale consente agli utenti di confrontare i cambiamenti di copertura terrestre anno-anno o concentrarsi su un periodo di tempo specifico di interesse

La configurazione include sei opzioni di mosaico separate che coprono il 2017-2022:

  • Filtro temporale: ogni mosaico usa l'operatore anyinteracts per filtrare gli elementi in cui la datetime proprietà si interseca con un intervallo di date di un anno specifico
  • Intervalli di date: il filtro di ogni anno si estende dal 1° gennaio al 31 dicembre dell'anno specifico (2022-01-01T23:59:59Z a 2022-12-31T23:59:59Z)

Questo approccio di filtro temporale è utile per l'analisi della copertura del terreno, in quanto consente agli utenti di tenere traccia dei cambiamenti nei modelli di utilizzo dei terreni, monitorare la migrazione o la riforestazione, osservare l'espansione urbana e valutare l'impatto delle calamità naturali o delle attività umane nel tempo.

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

Contenuti correlati

  • Ultimo aggiornamento: