Microsoft Planetary Computer Pro 數據可視化圖庫

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 拼接、 渲染選項、 切片設定和 SpatioTemporal 資產目錄（STAC）集合 元數據的完整 JSON 設定，適用於您自己的數據集。

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
  • 以索引標籤組織的完整組態設定：
    • 馬賽克 - 如何選擇要顯示的項目並進行篩選
    • 轉譯選項 - 如何設定樣式並可視化數據
    • 圖塊設定 — 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. 將數據匯入到集合中。
  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. 在檔案總管中檢視結果

Sentinel-2-l2a 集合設定

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

馬賽克配置

這個馬賽克設定會告訴檢視器顯示集合中最新的 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
  • 近紅外

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：

  • 自然色彩視覺化 使用 RGB 波段（1-3）來建立看起來與人眼所見相似的影像。
  • 彩色紅外線分析 結合 NIR、紅光和綠光波段來評估植被健康狀況
  • 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

馬賽克配置

拼貼組態定義影像在檔案總管中顯示的組合方式，這個 NAIP 集合使用預設設定。

[
  {
    "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 使用從衛星發送的雷達信號生成地球表面的高解析度圖像，能夠穿透雲層、黑暗和會阻礙傳統光學衛星的天氣條件。 這種合成孔徑雷達技術非常有價值，不僅可以監測基礎設施、偵測城市地區的變化、追蹤船舶和車輛，還能評估自然災害後的損壞，因為它無論天氣狀況、任何時段（白天或夜晚）都能捕捉到詳細的影像。

SAR 設定詳細數據

馬賽克配置

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。 更新的分類模型將先前分別的草地和灌木叢類別合併為單一的牧場類別，在整個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

馬賽克配置

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使用 Common Query Language （CQL） 表達式篩選數據，只顯示屬於特定年份的項目。 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 運算子來篩選 datetime 屬性與特定年份日期範圍交集的項目
  • 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"
            ]
          }
        ]
      }
    ]
  }
]

相關內容

  • Last updated on