Galeria de visualização de dados do Microsoft Planetary Computer Pro

Esta galeria fornece exemplos de configuração prontos para uso para visualizar tipos de dados geoespaciais comuns no Microsoft Planetary Computer Pro. Cada exemplo inclui configurações JSON abrangentes para mosaicos, opções de renderização, configurações de bloco e metadados de coleção STAC (SpatioTemporal Asset Catalog) que podes adaptar para os teus próprios conjuntos de dados.

Índice

Prerequisites

Antes de usar esses exemplos, você deve ter:

Como usar estes exemplos

Cada exemplo nesta galeria inclui:

  • Descrição e contexto - Informações sobre a fonte de dados e a abordagem de visualização
  • Exemplo visual - Captura de tela dos dados renderizados no Explorer
  • Definições de configuração completas organizadas em separadores:
    • Mosaico - Como filtrar e selecionar itens para exibição
    • Opções de renderização - Como estilizar e visualizar os dados
    • Configurações de bloco - Como otimizar os parâmetros de exibição
    • Recolha STAC - A estrutura subjacente dos metadados da recolha

Para aplicar estes exemplos aos seus próprios dados:

  1. Crie uma nova coleção no seu GeoCatalog
  2. Ingerir dados na coleção.
  3. Navegue até a página de configuração da coleção
  4. Modifique o exemplo JSON para corresponder às bandas, ativos e propriedades específicos do seu conjunto de dados
  5. Aplicar as configurações à sua coleção
  6. Ver os resultados no Explorador

Configuração da coleção Sentinel-2-L2A

Captura de tela da visualização de dados do Sentinel-2-l2a.

O Sentinel-2 é uma missão de imagem multiespectral de alta resolução da Agência Espacial Europeia (ESA) como parte do Programa Copernicus.

Detalhes de configuração do Sentinel-2

Configuração de mosaico

Esta configuração de mosaico instrui o Explorer a apresentar as imagens mais recentes do Sentinel-2 da coleção, mas apenas aquelas com uma cobertura de nuvens de até 40%. O filtro CQL (Common Query Language) garante que apenas imagens relativamente claras sejam incluídas, tornando a visualização mais útil para a maioria dos aplicativos. Cada entrada de mosaico pode definir diferentes critérios para selecionar e combinar imagens, e este exemplo de mosaico usa um único mosaico "padrão" focado em imagens recentes com pouca nuvem.

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

Configuração da coleção do Programa Nacional de Imagens Agrícolas

Captura de tela da visualização de dados do Programa Nacional de Imagens da Agricultura. O National Agriculture Imagery Program (NAIP) fornece imagens aéreas de alta resolução nos Estados Unidos. A Agência de Serviços Agrícolas do USDA captura essas imagens NAIP pelo menos a cada três anos.

Os dados NAIP oferecem excelentes detalhes com resoluções espaciais que variam de 0,3 metro a 1 metro por pixel. As imagens são armazenadas no formato GeoTIFF otimizado para a nuvem para acesso e processamento eficientes.

Cada imagem NAIP contém quatro bandas espectrais:

  • Red
  • Green
  • Blue
  • Infravermelho próximo (NIR)

Todas as quatro bandas são armazenadas juntas como um único ativo multibanda. Esta estrutura de banda permite vários tipos de análise:

  • A visualização de cores naturais usa as bandas RGB (1-3) para criar imagens semelhantes ao que o olho humano vê
  • A análise de infravermelhos coloridos combina as bandas NIR, Vermelho e Verde para avaliar a saúde da vegetação
  • Os cálculos do NDVI usam a fórmula (NIR-Red)/(NIR+Red) para medir a densidade da vegetação e a saúde

Detalhes de configuração NAIP

Configuração de mosaico

A configuração de mosaico define como as imagens são combinadas quando exibidas no Explorer, esta coleção NAIP usa as configurações padrão.

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

Configuração da coleção de imagens SAR da Umbra

Captura de tela da visualização de dados do Umbra SAR Imagery.

As imagens do Radar de Abertura Sintética (SAR) da Umbra usam sinais de radar transmitidos por satélites para criar imagens de alta resolução da superfície da Terra, capazes de ver através de nuvens, escuridão e condições meteorológicas que bloqueariam os satélites óticos tradicionais. Esta tecnologia SAR é valiosa para monitorar infraestruturas, detetar mudanças em áreas urbanas, rastrear navios e veículos e avaliar danos após desastres naturais, pois pode capturar imagens detalhadas a qualquer hora do dia ou da noite, independentemente das condições climáticas.

Detalhes de configuração SAR

Configuração de mosaico

Esta coleção SAR é a configuração de mosaico padrão.

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

Configuração para a coleta de 9 classes de Uso/Cobertura do Solo do Impact Observatory

Captura de tela da visualização de dados da classe ESP-io-lulc-9.

O conjunto de dados Impact Observatory Land Use/Land Cover 9-Class fornece mapas globais anuais de uso e cobertura da terra (LULC). Este conjunto de dados foi gerado usando bilhões de pixels rotulados por humanos para treinar um modelo de aprendizagem profunda para classificação de terras, aplicado a imagens Sentinel-2 com resolução de 10 metros.

O sistema de 9 classes inclui: Água, Árvores, Vegetação inundada, Colheitas, Área construída, Terra nua, Neve/gelo, Nuvens e Pastagens. Este modelo de classificação atualizado combina as classes Grass e Scrub anteriormente separadas em uma única classe Rangeland, fornecendo uma classificação mais consistente em toda a série temporal.

Cada mapa anual representa um composto de previsões LULC ao longo do ano, com uma precisão média avaliada de mais de 75%. Os dados são valiosos para monitorar as mudanças no uso da terra, rastrear o desmatamento, a expansão urbana e os padrões agrícolas em escala global.

Detalhes de configuração do uso do solo/cobertura do solo

Configuração de mosaico

A configuração de mosaico para esta coleção fornece opções de filtragem temporal, permitindo que os usuários visualizem dados de cobertura da terra para anos específicos. Cada definição de mosaico filtra os dados para mostrar apenas itens de um determinado ano usando expressões CQL (Common Query Language). Esta filtragem temporal permite aos utilizadores comparar as alterações da cobertura do solo ano após ano ou concentrar-se num período de tempo específico de interesse

A configuração inclui seis opções de mosaico separadas que abrangem 2017-2022:

  • Filtragem temporal: cada mosaico usa o anyinteracts operador para filtrar itens em que a propriedade se cruza com o datetime intervalo de datas de um ano específico
  • Intervalos de datas: Os filtros de cada ano vão de 1º de janeiro a 31 de dezembro desse ano específico (2022-01-01T23:59:59Z a 2022-12-31T23:59:59Z)

Essa abordagem de filtragem temporal é valiosa para a análise da cobertura da terra, pois permite que os usuários acompanhem mudanças nos padrões de uso da terra, monitorem o desmatamento ou o reflorestamento, observem a expansão urbana e avaliem o impacto de desastres naturais ou atividades humanas ao longo do 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"
            ]
          }
        ]
      }
    ]
  }
]

Conteúdo relacionado

  • Última atualização a