Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Önkoşullar
- Etkin aboneliği olan bir Azure hesabı; ücretsiz bir hesap oluşturun.
- Microsoft Planet Computer Pro GeoCatalog kaynağı
- Bir Blob Depolama hesabı oluşturun.
- Veri küpü varlıkları (NetCDF, HDF5, GRIB2), STAC Öğeleri ve statik STAC Kataloğu içeren bir Blob Depolama kapsayıcısı. STAC Öğeleri oluşturmayı öğrenin.
Alma kaynağını ayarlama
Veri küpü verilerini alma işlemine başlamadan önce, varlıklarınızın ve STAC Öğelerinizin depolandığı Blob Depolama hesabına erişmek için kimlik bilgileriniz olarak kullanılacak bir Alma Kaynağı ayarlamanız gerekir. Yönetilen Kimlik veya SAS Belirteci kullanarak bir Alma Kaynağı ayarlayabilirsiniz.
Veri küpü koleksiyonu oluşturma
Alma Kaynağınız ayarlandıktan sonra veri küpü varlıklarınız için bir Koleksiyon oluşturabilirsiniz. Koleksiyon oluşturma adımları Python kullanarak Microsoft Planet Computer Pro ile STAC Koleksiyonu oluşturma bölümünden izlenebilir.
Veri küpü varlıklarını yükleme
Veri küpü verileri ve diğer veri türleri için alma işleminin başlatılması, Veri Alımına Genel Bakış bölümünden takip edilebilir. Ancak Veri Küpü'ne Genel Bakış bölümünde açıklandığı gibi, veri alımı Planetary Computer Pro'nun bu dosya türleri için farklılık gösteren veri işleme adımıdır. GRIB2 verileri ve ilişkili STAC Öğeleri diğer iki boyutlu tarama dosyaları gibi alınsa da, NetCDF ve HDF5 varlıkları daha fazla veri zenginleştirme işlemine tabi tutulur. Kerchunk Bildirimlerinin oluşturulması Veri Küpü'ne Genel Bakış bölümünde belgelenmiştir, ancak Kerchunk varlıklarının özgün varlıklarla birlikte blob depolama kapsayıcınıza ekleneceği ve STAC Öğesi JSON'una ek bir alanın ekleneceği önemlidir. Bu, Planet Computer Pro Explorer'da bu veri türlerini işlerken önemlidir.
Veri küpü koleksiyonunu yapılandırma
Veri küpü koleksiyonunuzun yapılandırması, diğer veri türlerinden biraz farklı görünecek başka bir adımdır. Veri küpü koleksiyonunuzu yapılandırmak için Microsoft Planetary Computer Pro web arabirimiyle koleksiyon yapılandırma başlığı altında açıklanan adımları izleyebilirsiniz, ancak İşleme Yapılandırmanızı oluştururken aşağıdaki farklara dikkat etmeniz gerekir:
NetCDF ve HDF5 varlıkları için yapılandırmayı oluşturma
JSON biçiminde standart bir Render Yapılandırması bağımsız değişkeninin şöyle göründüğünü unutmayın:
[
{
"id": "prK1950-06-30",
"name": "prK1950-06-30",
"type": "raster-tile",
"options": "assets=pr-kerchunk&subdataset_name=pr&rescale=0,0.01&colormap_name=viridis&datetime=1950-06-30",
"minZoom": 1
}
]
options alanı, STAC Öğesi'nde listelenen özgün varlık yerine bulut için optimize edilmiş Kerchunk varlığını kullanmak isteyeceğiniz yerdir. İşlemek istediğiniz değişkenin adı olan subdataset_name parametresini de eklemeniz gerekir.
GRIB2 varlıkları için yapılandırmayı görselleştirme
options GRIB2 varlıklarının İşleme Yapılandırması alanı önceki örneğe benzer görünür, ancak subdataset_name argümanını eklemenize gerek yoktur. Bunun nedeni GRIB2 verilerinin zaten en iyi şekilde yapılandırılmış olması ve dizin dosyaları aracılığıyla başvurulmasıdır.
assets bağımsız değişken, bu durumda, işlemek istediğiniz bandı veya 2B raster katmanını temsil eder. GriB2 İşleme Yapılandırması örneği aşağıda verilmiştir:
[
{
"id": "render-config-1",
"name": "Mean Zero-Crossing Wave Period",
"description": "A sample render configuration. Update `options` below.",
"type": "raster-tile",
"options": "assets=data&subdataset_bands=1&colormap_name=winter&rescale=0,10",
"minZoom": 1
}
]
Zarr varlıklarının yapılandırmasını oluşturma
options Zarr varlıklarının İşleme Yapılandırması alanı, NetCDF ve HDF5'inkine benzer, ancak assets argümanında, çok değişkenli Zarr deposundan tek bir değişkenin belirli bir zaman diliminde 2B olarak işlenmesini sağlayan bir zaman, adım veya başka bir değişken seçmenize olanak tanıyan 'sel' parametresini eklemeniz gerekir. Girilen değer biraz hatalı olsa bile doğru değişkenin seçildiğinden emin olmak için bir 'sel_method' parametresi de eklemeniz gerekebilir. Planet Computer Pro arka uçta kullanılan Python çok boyutlu veri okuma kitaplığının genel belgelerinde bu 'sel' parametresi hakkında daha fazla bilgi edinebilirsiniz, Xarray Aşağıda Zarr İşleme Yapılandırması örneğidir:
[
{
"id": "era5-zarr",
"name": "era5-zarr",
"type": "raster-tile",
"options": "assets=data&subdataset_name=precipitation_amount_1hour_Accumulation&colormap_name=viridis&sel=time=2024-01-01&sel_method=nearest&rescale=0,0.01",
"minZoom": 12
}
]
Explorer’da veri küpü varlıklarını görselleştirin
Veri küpü varlıklarınız alındıktan ve yapılandırıldıktan sonra bunları Planetary Computer Pro Explorer'da görselleştirebilirsiniz. Explorer'ı kullanmaya yönelik adım adım kılavuz , Hızlı Başlangıç: Microsoft Planetary Computer Pro'da Explorer'ı kullanma bölümünden takip edilebilir.
Microsoft Planetary Computer Pro bazı veri küpü varlıklarını görselleştirmek için kullanılabilecek bir tiler içerirken, desteklenen her veri türü söz konusu olduğunda dikkat edilmesi gereken bazı uyarılar vardır.
NetCDF ve HDF5 görselleştirmesi
Microsoft Planetary Computer'a alınabilen tüm NetCDF veri kümeleri Planetary Computer Pro'nun görselleştirme tacını ile uyumlu değildir. Bir veri kümesinin görselleştirilmesi için X ve Y eksenleri, enlem ve boylam koordinatları ve uzamsal boyutlar ve sınırlar olmalıdır. Örneğin, enlem ve boylam değerlerinin değişken olduğu ancak koordinat olmadığı bir veri kümesi Planetary Computer Pro'nun tiler'i ile uyumlu değildir.
NetCDF veya HDF5 veri kümenizi görselleştirmeye çalışmadan önce, gereksinimleri karşılayıp karşılamadığını denetlemek için aşağıdakileri kullanabilirsiniz.
Gerekli bağımlılıkları yükleme
pip install xarray[io] rioxarray cf_xarrayAşağıdaki işlevi çalıştırın:
import xarray as xr import cf_xarray import rioxarray def is_dataset_visualizable(ds: xr.Dataset): """ Test if the dataset is compatible with the Planetary Computer tiler API. Raises an informative error if the dataset is not compatible. """ if not ds.cf.axes: raise ValueError("Dataset does not have CF axes") if not ds.cf.coordinates: raise ValueError("Dataset does not have CF coordinates") if not {"X", "Y"} <= ds.cf.axes.keys(): raise ValueError(f"Dataset must have CF X and Y axes, found: {ds.cf.axes.keys()}") if not {"latitude", "longitude"} <= ds.cf.coordinates.keys(): raise ValueError("Dataset must have CF latitude and longitude coordinates, " f"actual: {ds.cf.coordinates.keys()}") if ds.rio.x_dim is None or ds.rio.y_dim is None: raise ValueError("Dataset does not have rioxarray spatial dimensions") if ds.rio.bounds() is None: raise ValueError("Dataset does not have rioxarray bounds") left, bottom, right, top = ds.rio.bounds() if left < -180 or right > 180 or bottom < -90 or top > 90: raise ValueError("Dataset bounds are not valid; they must be within [-180, 180] and [-90, 90]") if ds.rio.resolution() is None: raise ValueError("Dataset does not have rioxarray resolution") if ds.rio.transform() is None: raise ValueError("Dataset does not have rioxarray transform") print("✅ Dataset is compatible with the Planetary Computer tiler API.")
GRIB2 görselleştirmesi
Microsoft Planetary Computer Pro'ya alınan GRIB2 varlıkları, aynı Blob Depolama kapsayıcısında depolanan ilişkili bir Dizin dosyası (.idx) olduğu sürece Gezgin'de görselleştirilebilir. Dizin dosyası alma sırasında oluşturulur ve GRIB2 verilerine en uygun erişim ve işleme için gereklidir.
Zarr görselleştirmesi
Microsoft Planetary Computer Pro'ya alınan Zarr varlıkları, sel değişkenini ve options zaman dilimini hangi parçada render edileceğini Belirleme Yapılandırması'nda belirttiği sürece, Explorer'da görselleştirilebilir. Bunun yapılmaması, Explorer'ın Zarr deposunun tüm değişkenlerini ve zaman dilimlerini aynı anda işlemeye çalışmasına neden olur ve bu da Explorer'ın kilitlenmesine neden olur.
Zarr deposunun boyutu ve uzamsal öbekler de performansı etkileyecektir. Zarr deposunun toplam boyutunu 2 GB'ın altında tutmayı ve her öbeğin 100 MB'tan küçük olmasını sağlamak, döşeyicinin (tiler) en iyi şekilde çalışmasını sağlar.
Veri küpü görselleştirmesi için zaman kaydırıcısı
Veri küpü varlıklarınız zamana bağlı bir bileşene sahipse, zaman içindeki değişiklikleri görselleştirmek için Gezgin'deki zaman kaydırıcısını kullanabilirsiniz. STAC Öğeleriniz, time boyutu ve extent ve step alanına sahip varlıklar içeriyorsa, zaman kaydırıcısı otomatik olarak görüntülenir.
[! NOT] Zarr varlıkları için şu anda zaman kaydırıcı desteği sunmuyoruz. Bu nedenle, işleme yapılandırmasında görselleştirmek istediğiniz saat dilimlerini belirtmeniz kritik önem taşır. Bunun yapılmaması, Explorer'ın Zarr deposunun tüm zaman dilimlerini aynı anda işlemeye çalışmasına ve dolayısıyla çökmesine neden olur.