Galerie gegevensvisualisatie van Microsoft Planetary Computer Pro

Deze galerie biedt kant-en-klare configuratievoorbeelden voor het visualiseren van algemene georuimtelijke gegevenstypen in Microsoft Planetary Computer Pro. Elk voorbeeld bevat uitgebreide JSON-configuraties voor mozaïeken, renderopties, tegelinstellingen en stac-verzamelingsmetagegevens (SpatioTemporal Asset Catalog) die u kunt aanpassen voor uw eigen gegevenssets.

Inhoudsopgave

Prerequisites

Voordat u deze voorbeelden gebruikt, hebt u het volgende nodig:

Deze voorbeelden gebruiken

Elk voorbeeld in deze galerie omvat:

  • Beschrijving en context - Informatie over de gegevensbron en visualisatiebenadering
  • Voorbeeld van een visueel element - Schermopname van de weergegeven gegevens in De Verkenner
  • Configuratie-instellingen voltooien die zijn georganiseerd op tabbladen:
    • Mozaïek - Items filteren en selecteren voor weergave
    • Weergaveopties : de gegevens stylen en visualiseren
    • Tegelinstellingen - Hoe de weergaveparameters te optimaliseren
    • STAC-verzameling : de onderliggende structuur van metagegevens van verzamelingen

Ga als volgt te werk om deze voorbeelden toe te passen op uw eigen gegevens:

  1. Een nieuwe verzameling maken in uw GeoCatalog
  2. Gegevens opnemen in de verzameling.
  3. Navigeer naar de configuratiepagina van de verzameling
  4. Wijzig de voorbeeld-JSON zodat deze overeenkomt met de specifieke banden, assets en eigenschappen van uw gegevensset
  5. De configuraties toepassen op uw verzameling
  6. De resultaten weergeven in de Verkenner

Configuratie van Sentinel-2-l2a-collectie

Schermopname van Sentinel-2-l2a-gegevensvisualisatie.

Sentinel-2 is een missie voor hoge-resolutie, multi-spectrale beeldvorming van de European Space Agency (ESA) als onderdeel van het Copernicus-programma.

Configuratiedetails van Sentinel-2

Mozaïekconfiguratie

Deze mozaïekconfiguratie geeft de opdracht aan de Explorer om de meest recente Sentinel-2-afbeeldingen uit de verzameling weer te geven, maar alleen die afbeeldingen met een bewolkingsgraad kleiner dan of gelijk aan 40%. Het CQL-filter (Common Query Language) zorgt ervoor dat alleen relatief duidelijke afbeeldingen worden opgenomen, waardoor de visualisatie nuttiger is voor de meeste toepassingen. Elke mozaïekvermelding kan verschillende criteria definiëren voor het selecteren en combineren van afbeeldingen, en dit mozaïekvoorbeeld maakt gebruik van één 'standaard' mozaïek gericht op recente, lage cloudbeelden.

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

De verzamelingsconfiguratie van het National Agriculture Imagery Program

Schermopname van de gegevensvisualisatie van het National Agriculture Imagery Program. Het National Agriculture Imagery Program (NAIP) biedt luchtfoto's met hoge resolutie over de Verenigde Staten. Het USDA Farm Service Agency legt deze NAIP-beelden ten minste om de drie jaar vast.

NAIP-gegevens bieden uitstekende details met ruimtelijke resoluties, variërend van 0,3 meter tot 1 meter per pixel. De afbeeldingen worden opgeslagen in geoTIFF-indeling die is geoptimaliseerd voor de cloud voor efficiënte toegang en verwerking.

Elke NAIP-afbeelding bevat vier spectrumbanden:

  • Red
  • Green
  • Blue
  • nabij-infrarood (NIR)

Alle vier de banden worden samen opgeslagen als één multiband-eigendom. Deze bandstructuur maakt verschillende soorten analyse mogelijk:

  • Visualisatie van natuurlijke kleuren maakt gebruik van de RGB-banden (1-3) om afbeeldingen te maken die lijken op wat het menselijke oog ziet
  • Kleuren infraroodanalyse combineert NIR-, Rode en Groene banden om de vegetatiestatus te beoordelen
  • NDVI-berekeningen gebruiken de formule (NIR-Red)/(NIR+Red) om de vegetatiedichtheid en gezondheid te meten

Details van de NAIP-configuratie

Mozaïekconfiguratie

De mozaïekconfiguratie definieert hoe afbeeldingen worden gecombineerd wanneer ze worden weergegeven in de Explorer. Deze NAIP-verzameling maakt gebruik van de standaardinstellingen.

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

Configuratie van Umbra SAR-afbeeldingen verzameling

Schermopname van Umbra SAR Imagery-gegevensvisualisatie.

Umbra's Synthetische Aperture Radar (SAR) beeld maakt gebruik van radarsignalen die worden verzonden van satellieten om afbeeldingen van het aardoppervlak te creëren, die in staat zijn om door wolken, duisternis en weersomstandigheden te kijken die traditionele optische satellieten zouden blokkeren. Deze SAR-technologie is waardevol voor het bewaken van infrastructuur, het detecteren van wijzigingen in stedelijke gebieden, het bijhouden van schepen en voertuigen en het beoordelen van schade na natuurrampen, omdat het gedetailleerde afbeeldingen op elk moment van de dag of nacht kan vastleggen, ongeacht de weersomstandigheden.

Details van SAR-configuratie

Mozaïekconfiguratie

Deze SAR-collectie is de standaard mozaïekconfiguratie.

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

Impact Observatory Land Use/Land Cover 9-klasse verzamelingsconfiguratie

Schermopname van esp-io-lulc-9-klasse gegevensvisualisatie.

De Impact Observatory Land Use/Land Cover 9-Class gegevensset biedt jaarlijkse globale kaarten van landgebruik en landdekking (LULC). Deze gegevensset is gegenereerd met behulp van miljarden pixels met menselijk label om een Deep Learning-model te trainen voor landclassificatie, toegepast op Sentinel-2-afbeeldingen met een resolutie van 10 meter.

Het systeem van 9 klassen omvat: Water, Bomen, Overspoelde vegetatie, Gewassen, Gebouwd gebied, Kale grond, Sneeuw/ijs, Wolken en Rangeland. Dit bijgewerkte classificatiemodel combineert de eerder afzonderlijke Grass- en Scrub-klassen in één Rangeland-klasse en biedt consistentere classificatie in de tijdreeks.

Elke jaarlijkse kaart vertegenwoordigt een samengestelde LULC-voorspellingen gedurende het hele jaar, met een geëvalueerde gemiddelde nauwkeurigheid van meer dan 75%. De gegevens zijn waardevol voor het bewaken van wijzigingen in het landgebruik, het bijhouden van deforestatie, stedelijke uitbreiding en landbouwpatronen op wereldwijde schaal.

Details van configuratie van landgebruik/landdekking

Mozaïekconfiguratie

De mozaïekconfiguratie voor deze verzameling biedt tijdelijke filteropties, zodat gebruikers landbedekkingsgegevens voor specifieke jaren kunnen bekijken. Elke mozaïekdefinitie filtert de gegevens zodat alleen items uit een bepaald jaar worden weergegeven met behulp van CQL-expressies (Common Query Language). Met deze tijdelijke filtering kunnen gebruikers landverdekkingswijzigingen per jaar vergelijken of zich richten op een specifieke periode van interesse

De configuratie omvat zes afzonderlijke mozaïekopties, die de periode 2017-2022 beslaan.

  • nl-NL: Tijdelijke filtering: Elk mozaïek maakt gebruik van de anyinteracts operator om items te filteren waarbij de datetime eigenschap snijdt met een datumreeks van een specifiek jaar.
  • Datumbereiken: het filter van elk jaar loopt van 1 januari tot en met 31 december van dat specifieke jaar (2022-01-01T23:59:59Z tot 2022-12-31T23:59:59Z)

Deze tijdelijke filterbenadering is waardevol voor analyse van landdekking, omdat het gebruikers in staat stelt om wijzigingen in landgebruikspatronen bij te houden, deforestatie of herbebossing te bewaken, stedelijke uitbreiding te observeren en de impact van natuurrampen of menselijke activiteiten in de loop van de tijd te beoordelen.

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

Verwante inhoud

  • Laatst bijgewerkt om