بدء استخدام Earth Engine مع لغة Python

شعار Colab التشغيل في Google Colab شعار GitHub عرض المصدر على GitHub

سيقدّم لك هذا الدليل السريع مقدمة تفاعلية لعرض البيانات الجغرافية المكانية وتحليلها باستخدام واجهة Python في Earth Engine.

قبل البدء

سجِّل أو أنشئ مشروعًا على Google Cloud، وسيُطلب منك إكمال الخطوات التالية. إذا كان لديك مشروع مسجَّل للوصول إلى Earth Engine، يمكنك الانتقال إلى القسم التالي.

  • اختَر الغرض من المشروع: تجاري أو غير تجاري.
  • إذا كان الغرض غير تجاري، اختَر نوع مشروع.
  • أنشئ مشروعًا جديدًا في Google Cloud أو اختَر مشروعًا حاليًا.
  • إذا كان الغرض تجاريًا، عليك إثبات ملكية مشروعك أو إعداد الفوترة له.
  • أكِّد معلومات مشروعك.

    ملاحظة: إذا كنت لا تخطّط للاحتفاظ بالموارد التي تنشئها في هذه العملية، أنشئ مشروعًا بدلاً من اختيار مشروع حالي. بعد الانتهاء من هذه الخطوات، يمكنك حذف المشروع، ما يؤدي إلى إزالة جميع الموارد التي يملكها المشروع.

إعداد دفتر الملاحظات

تتيح لك دفاتر Jupyter استخدام Earth Engine واستكشاف النتائج بشكل تفاعلي. أسرع طريقة للبدء هي استخدام دفتر ملاحظات في "دفتر ملاحظات Google Colab". يمكنك فتح دفتر ملاحظات جديد و نسخ أجزاء الرموز البرمجية التالية إلى خلايا فردية أو استخدام دفتر ملاحظات "البدء السريع باستخدام Python في Earth Engine" المعبّأ مسبقًا.
  1. استورِد مكتبتَي Earth Engine وgeemap. 
    import ee
import geemap.core as geemap

  1. مصادقة خدمة Earth Engine وإعدادها اتّبِع الطلبات الناتجة لإكمال المصادقة. احرص على استبدال PROJECT_ID باسم المشروع الذي أعددته لهذا الدليل السريع. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

إضافة بيانات نقطية إلى خريطة

  1. تحميل بيانات المناخ لفترة معيّنة وعرض بياناتها الوصفية 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. أنشئ عنصر خريطة وأضِف نطاق درجة الحرارة كطبقة باستخدام خصائص مرئية محدّدة. اعرض الخريطة. 
    m = geemap.Map(center=[30, 0], zoom=2)

vis_params = {
    'bands': ['temperature_2m'],
    'min': 229,
    'max': 304,
    'palette': 'inferno',
}
m.add_layer(jan_2023_climate, vis_params, 'Temperature (K)')
m

إضافة بيانات رسومية إلى خريطة

  1. أنشئ عنصر بيانات متجهًا يتضمّن نقاطًا لثلاث مدن. 
    cities = ee.FeatureCollection([
    ee.Feature(ee.Geometry.Point(10.75, 59.91), {'city': 'Oslo'}),
    ee.Feature(ee.Geometry.Point(-118.24, 34.05), {'city': 'Los Angeles'}),
    ee.Feature(ee.Geometry.Point(103.83, 1.33), {'city': 'Singapore'}),
])
cities
  1. أضِف مواقع المدن إلى الخريطة وأعِد عرضها. 
    m.add_layer(cities, name='Cities')
m

استخراج البيانات وعرضها في الرسوم البيانية

  1. استورِد مكتبة Altair للرسوم البيانية. 
    %pip install -q --upgrade altair
import altair as alt

  1. استخرِج بيانات المناخ للمدن الثلاث كإطار بيانات pandas. 
    city_climates = jan_2023_climate.reduceRegions(cities, ee.Reducer.first())

city_climates_dataframe = ee.data.computeFeatures(
    {'expression': city_climates, 'fileFormat': 'PANDAS_DATAFRAME'}
)
city_climates_dataframe
  1. اعرض درجة حرارة المدن في رسم بياني شريطي. 
    alt.Chart(city_climates_dataframe).mark_bar(size=100).encode(
    alt.X('city:N', sort='y', axis=alt.Axis(labelAngle=0), title='City'),
    alt.Y('temperature_2m:Q', title='Temperature (K)'),
    tooltip=[
        alt.Tooltip('city:N', title='City'),
        alt.Tooltip('temperature_2m:Q', title='Temperature (K)'),
    ],
).properties(title='January 2023 temperature for selected cities', width=500)

الخطوات التالية