共用方式為

Microsoft行星電腦專業版數據可視化資源庫

此資源庫提供現成可用的設定範例，以可視化Microsoft行星計算機專業版中的常見地理空間數據類型。 每個範例都包含 馬賽克、 轉譯選項、 磚設定和 SpatioTemporal資產目錄 （STAC） 集合 元數據的完整JSON組態，可供您適應自己的數據集。

目錄

Prerequisites

使用這些範例之前，您應該具有：

如何使用這些範例

此資源庫中的每個範例都包含：

  • 描述和內容 - 數據源和視覺效果方法的相關信息
  • 視覺範例 - Explorer 中轉譯數據的螢幕快照
  • 完成以索引標籤的組態設定：
    • 馬賽克 - 如何篩選和選取要顯示的專案
    • 轉譯選項 - 如何設定樣式並可視化數據
    • 磚設定 - 如何優化顯示參數
    • STAC 集合 - 基礎集合元數據結構

若要將這些範例套用至您自己的數據：

  1. 在 GeoCatalog 中建立新的集合
  2. 將數據擷取 到集合中。
  3. 流覽至 集合的組態 頁面
  4. 修改範例 JSON 以符合數據集的特定頻帶、資產和屬性
  5. 將組態套用至您的集合
  6. 在總管中檢視結果

Sentinel-2-l2a 集合組態

Sentinel-2-l2a 數據視覺效果的螢幕快照。

Sentinel-2 是歐洲航太局（ESA）作為科伯尼庫計劃一部分的高解析度、多光譜成像任務。

Sentinel-2 組態詳細數據

Mosaic configuration

這個馬賽克設定會告訴總管顯示集合中最新的 Sentinel-2 影像，但只有雲層覆蓋小於或等於 40%的影像。 Common Query Language （CQL） 篩選可確保只包含相對清楚的影像，讓視覺效果對大多數應用程式更有用。 每個馬賽克專案都可以定義不同的準則來選取和結合影像，而這個馬賽克範例會使用以最近、低雲影像為主的單一「預設」馬賽克。

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

國家農業圖像專案收集組態

國家農業影像計劃數據視覺效果的螢幕快照。 國家農業圖像計劃 （NAIP）在美國提供高解析度的空中圖像。 美國農業部農場服務機構至少每三年擷取一次 NAIP 圖像。

NAIP 數據提供絕佳的詳細數據，空間解析度從每圖元 0.3 公尺到 1 米不等。 影像會以雲端優化的 GeoTIFF 格式儲存，以便有效率地存取和處理。

每個 NAIP 影像都包含四個光譜波段：

  • Red
  • Green
  • Blue
  • Near-Infrared (NIR)

這四個頻帶全都會儲存為單一多頻資產。 此頻帶結構可啟用數種類型的分析：

  • 自然色彩視覺效果 會使用 RGB 波段 （1-3） 來建立與人眼看到的影像相似
  • 彩色紅外分析 結合 NIR、紅色和綠色帶來評估植被健康情況
  • NDVI 計算 使用公式 （NIR-Red）/（NIR+Red） 來測量植被密度和健康情況

NAIP 組態詳細數據

Mosaic configuration

馬賽克組態會定義影像在總管中顯示的方式，此 NAIP 集合會使用預設設定。

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

Umbra SAR 影像收集組態

Umbra SAR 影像數據視覺效果的螢幕快照。

Umbra的合成孔徑雷達（SAR）圖像 使用從衛星傳輸的雷達信號，以建立地球表面的高解析度圖像，能夠通過雲層、黑暗和天氣條件看到，這些圖像會阻止傳統的光學衛星。 這種非典技術對於監測基礎設施、偵測城市地區的變化、追蹤船舶和車輛，以及評估自然災害后損壞具有價值，因為無論天氣狀況為何，它都能捕捉到白天或夜間的詳細圖像。

SAR 設定詳細數據

Mosaic configuration

此 SAR 集合是預設馬賽克組態。

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

影響天文臺土地使用/土地覆蓋9級收集組態

ESP-io-lulc-9 類別數據視覺效果的螢幕快照。

影響觀測站土地使用/土地覆蓋9級數據集提供年度全球土地利用和土地覆蓋地圖（LULC）。 此數據集 是使用數十億個人類標籤元來定型土地分類的深度學習模型，以 10 米解析度套用至 Sentinel-2 影像。

9 級系統包括：水、樹、洪水植被、作物、建區、裸地、雪/冰、雲層和 Rangeland。 這個更新的分類模型會將先前個別的草地和擦洗類別結合成單一 Rangeland 類別，在時間序列中提供更一致的分類。

每個年度地圖代表全年 LULC 預測的復合，評估的平均精確度超過 75%。 這些數據對於監測土地使用變化、跟蹤森林砍伐、城市擴張和農業模式在全球規模具有價值。

土地使用/土地覆蓋組態詳細數據

Mosaic configuration

此集合的馬賽克組態提供時態篩選選項，可讓用戶檢視特定年份的土地覆蓋數據。 每個馬賽克定義都會篩選數據，以僅使用 Common Query Language （CQL） 表達式顯示特定年份的專案。 此時態篩選可讓用戶比較土地覆蓋變化逐年變化，或將焦點放在感興趣的特定時段

組態包括六個不同的馬賽克選項，涵蓋 2017-2022：

  • 時態篩選：每個馬賽克都會使用 anyinteracts 運算符來篩選屬性與特定年份日期範圍交集的專案datetime
  • 日期範圍：該特定年份的每年篩選範圍從 1 月 1 日到 12 月 31 日（2022-01-01T23:59:59Z 至 2022-12-31T23:59:59Z）

這種時態篩選方法對於土地掩護分析很有價值，因為它可讓用戶追蹤土地使用模式的變化、監測森林砍伐或造林、觀察城市擴張，以及評估一段時間自然災害或人類活動的影響。

[
  {
    "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"
            ]
          }
        ]
      }
    ]
  }
]

Related content

  • Last updated on