পাইথনের জন্য আর্থ ইঞ্জিন দিয়ে শুরু করুন

Colab লোগোGoogle Colab-এ চালান GitHub লোগোGitHub-এ উৎস দেখুন

এই কুইকস্টার্ট আপনাকে আর্থ ইঞ্জিন পাইথন ইন্টারফেসের সাথে ভূ-স্থানিক ডেটা ভিজ্যুয়ালাইজ এবং বিশ্লেষণ করার জন্য একটি ইন্টারেক্টিভ ভূমিকা দেবে।

আপনি শুরু করার আগে

নিবন্ধন করুন বা একটি Google ক্লাউড প্রকল্প তৈরি করুন ; আপনাকে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করতে বলা হবে৷ আপনার যদি ইতিমধ্যেই আর্থ ইঞ্জিন অ্যাক্সেসের জন্য নিবন্ধিত একটি প্রকল্প থাকে, তাহলে পরবর্তী বিভাগে যান।

  • প্রকল্পের উদ্দেশ্য নির্বাচন করুন: বাণিজ্যিক বা অবাণিজ্যিক।
  • উদ্দেশ্য অবাণিজ্যিক হলে, একটি প্রকল্পের ধরন নির্বাচন করুন।
  • একটি নতুন Google ক্লাউড প্রকল্প তৈরি করুন বা একটি বিদ্যমান প্রকল্প নির্বাচন করুন৷
  • উদ্দেশ্য বাণিজ্যিক হলে, যাচাই করুন বা আপনার প্রকল্পের জন্য বিলিং সেট আপ করুন।
  • আপনার প্রকল্প তথ্য নিশ্চিত করুন.

    দ্রষ্টব্য: আপনি যদি এই পদ্ধতিতে আপনার তৈরি করা সংস্থানগুলি রাখার পরিকল্পনা না করেন তবে একটি বিদ্যমান প্রকল্প নির্বাচন করার পরিবর্তে একটি প্রকল্প তৈরি করুন৷ আপনি এই পদক্ষেপগুলি শেষ করার পরে, আপনি প্রকল্পটি মুছে ফেলতে পারেন, প্রকল্পের মালিকানাধীন সমস্ত সংস্থান মুছে ফেলতে পারেন৷

নোটবুক সেটআপ

জুপিটার নোটবুক আপনাকে আর্থ ইঞ্জিন ব্যবহার করতে এবং ইন্টারেক্টিভভাবে ফলাফল অন্বেষণ করতে দেয়। শুরু করার দ্রুততম উপায় হল Google Colab নোটবুকের একটি নোটবুক। আপনি হয় একটি নতুন নোটবুক খুলতে পারেন এবং নিম্নলিখিত কোড খণ্ডগুলিকে পৃথক কোষে অনুলিপি করতে পারেন বা প্রিফিল করা আর্থ ইঞ্জিন পাইথন কুইকস্টার্ট নোটবুক ব্যবহার করতে পারেন৷
  1. আর্থ ইঞ্জিন এবং জিম্যাপ লাইব্রেরি আমদানি করুন। 
    import ee
import geemap.core as geemap

  1. আর্থ ইঞ্জিন পরিষেবাটি প্রমাণীকরণ এবং আরম্ভ করুন। প্রমাণীকরণ সম্পূর্ণ করতে ফলাফল প্রম্পট অনুসরণ করুন. এই কুইকস্টার্টের জন্য আপনি যে প্রকল্পটি সেট করেছেন তার নামের সাথে PROJECT_ID প্রতিস্থাপন করতে ভুলবেন না। 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

একটি মানচিত্রে রাস্টার ডেটা যোগ করুন

  1. একটি নির্দিষ্ট সময়ের জন্য জলবায়ু ডেটা লোড করুন এবং এর মেটাডেটা প্রদর্শন করুন। 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. একটি মানচিত্র অবজেক্ট ইনস্ট্যান্টিয়েট করুন এবং নির্দিষ্ট ভিজ্যুয়ালাইজেশন বৈশিষ্ট্য সহ একটি স্তর হিসাবে তাপমাত্রা ব্যান্ড যোগ করুন। মানচিত্র প্রদর্শন করুন। 
    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

একটি মানচিত্রে ভেক্টর ডেটা যোগ করুন

  1. তিনটি শহরের জন্য পয়েন্ট সহ একটি ভেক্টর ডেটা অবজেক্ট তৈরি করুন। 
    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. মানচিত্রে শহরের অবস্থান যোগ করুন এবং এটি পুনরায় প্রদর্শন করুন। 
    m.add_layer(cities, name='Cities')
m

এক্সট্রাক্ট এবং চার্ট ডেটা

  1. Altair চার্টিং লাইব্রেরি আমদানি করুন। 
    %pip install -q --upgrade altair
import altair as alt

  1. একটি পান্ডাস ডেটাফ্রেম হিসাবে তিনটি শহরের জন্য জলবায়ু ডেটা বের করুন। 
    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. একটি বার চার্ট হিসাবে শহরের জন্য তাপমাত্রা প্লট. 
    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)

এরপর কি