Inizia a utilizzare Earth Engine per Python

Logo Colab Esegui in Google Colab Logo di GitHub Visualizza il codice sorgente su GitHub

Questa guida rapida fornisce un'introduzione interattiva alla visualizzazione e all'analisi dei dati geospaziali con l'interfaccia Python di Earth Engine.

Prima di iniziare

Registra o crea un progetto Google Cloud. Ti verrà chiesto di completare i seguenti passaggi. Se hai già un progetto registrato per l'accesso a Earth Engine, vai alla sezione successiva.

  • Seleziona la finalità del progetto: commerciale o non commerciale.
  • Se lo scopo è non commerciale, seleziona un tipo di progetto.
  • Crea un nuovo progetto Google Cloud o selezionane uno esistente.
  • Se lo scopo è commerciale, verifica o configura la fatturazione per il progetto.
  • Conferma le informazioni del progetto.

    Nota:se non prevedi di conservare le risorse che crei in questa procedura, crea un progetto invece di selezionarne uno esistente. Una volta completata questa procedura, puoi eliminare il progetto, rimuovendo tutte le risorse di sua proprietà.

Configurazione del notebook

I Jupyter Notebook ti consentono di utilizzare Earth Engine ed esplorare i risultati in modo interattivo. Il modo più rapido per iniziare è utilizzare un notebook in Google Colab. Puoi aprire un nuovo notebook e copiare i seguenti blocchi di codice in singole celle oppure utilizzare il precompilato notebook di avvio rapido di Python per Earth Engine.
  1. Importa le librerie Earth Engine e geemap. 
    import ee
import geemap.core as geemap

  1. Autentica e inizializza il servizio Earth Engine. Segui le istruzioni visualizzate per completare l'autenticazione. Assicurati di sostituire PROJECT_ID con il nome del progetto configurato per questa guida rapida. 
    ee.Authenticate()
ee.Initialize(project='PROJECT_ID')

Aggiungere dati raster a una mappa

  1. Carica i dati climatici per un determinato periodo e visualizza i relativi metadati. 
    jan_2023_climate = (
    ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY_AGGR')
    .filterDate('2023-01', '2023-02')
    .first()
)
jan_2023_climate

  1. Crea un oggetto mappa e aggiungi la fascia di temperatura come livello con proprietà di visualizzazione specifiche. Visualizza la mappa. 
    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

Aggiungere dati vettoriali a una mappa

  1. Crea un oggetto di dati vettoriali con punti per tre città. 
    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. Aggiungi le località delle città alla mappa e rivisualizzala. 
    m.add_layer(cities, name='Cities')
m

Estrarre i dati e creare grafici

  1. Importa la libreria di grafici Altair. 
    %pip install -q --upgrade altair
import altair as alt

  1. Estrai i dati climatici delle tre città come DataFrame 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. Grafica la temperatura delle città sotto forma di grafico a barre. 
    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)

Passaggi successivi