Многоиндексный экологический мониторинг с использованием снимков Landsat 9 в GEE Python

Создайте полноценную систему многоиндексного экологического мониторинга, используя снимки Landsat 9 в Google Earth Engine (GEE) на Python. В этом пошаговом руководстве вы узнаете, как предварительно обрабатывать спутниковые снимки, рассчитывать несколько экологических индексов, интегрировать данные Dynamic World о землепользовании и проводить корреляционный анализ для исследования изменений окружающей среды, таких как эффект городского теплового острова и охлаждение растительности. Используя Landsat 9 Collection 2 Level-2, Dynamic World и мощные библиотеки Python, включая GeoMap, Xarray, XEE, Shapely и Pandas, вы разработаете профессиональный геопространственный рабочий процесс для экологического мониторинга и наблюдения за Землей. 📌 Что вы узнаете ✅ Настройка Python API Google Earth Engine ✅ Установка и настройка XEE, GeoMap, Xarray и вспомогательных библиотек ✅ Аутентификация Earth Engine в Google Colab ✅ Создание интерактивной области интереса (AOI) ✅ Обработка изображений поверхностного отражения Landsat 9 ✅ Маскирование облаков и теней от облаков с помощью QA_PIXEL ✅ Расчет NDVI, NDWI, NDBI, EVI и температуры поверхности земли (LST) ✅ Интеграция динамической классификации землепользования в мире ✅ Создание многоканального куба данных об окружающей среде ✅ Преобразование изображений Earth Engine в наборы данных Xarray с помощью XEE ✅ Создание профессиональных экологических карт и визуализаций ✅ Проведение корреляционного анализа между переменными окружающей среды ✅ Исследование эффекта городского теплового острова и охлаждения растительности 📊 Выполненные анализы • Анализ корреляционной матрицы • Коэффициент Пирсона Корреляция с LST • Взаимосвязь NDVI–LST • Взаимосвязь NDBI–LST • Анализ городского теплового острова • Оценка охлаждающего эффекта растительности • Многофакторный анализ окружающей среды 🛰️ Используемые наборы данных Landsat 9 Collection 2 Level-2 Surface Reflectance https://developers.google.com/earth-e... Dynamic World Land Cover https://developers.google.com/earth-e... 🎯 Этот учебник идеально подходит для: Специалистов по ГИС Аналитиков дистанционного зондирования Экологов Исследователей климата Градостроителей Гидрологов Специалистов по обработке данных Аспирантов Студентов, изучающих Python API Google Earth Engine 💙 Поддержите Канал Полный исходный код доступен бесплатно для всех. Если этот урок помог вам в ваших исследованиях, учебе или проектах, пожалуйста, рассмотрите возможность поддержки канала, оформив подписку Terra Spatial Membership (59 рупий / 0,62 доллара США в месяц). Ваша поддержка позволяет мне уделять больше времени созданию высококачественных уроков по ГИС, дистанционному зондированию, ArcGIS Pro, HEC-RAS и Google Earth Engine, а также продолжать делиться ценными ресурсами с сообществом. 👉 Присоединиться здесь:    / @terraspatial   Спасибо за вашу поддержку! 🙏 Скачать полный блокнот Google Colab и исходный код можно здесь: Ссылка на код: https://drive.google.com/file/d/1N11E... 🚀 К концу этого урока вы сможете создать полный рабочий процесс мониторинга окружающей среды на основе спутниковых данных для анализа растительности, воды, урбанизации, температуры и земельного покрова с использованием Google Earth Engine Python. 👍 Лайк • Поделиться • Подписаться • Включить уведомления 🔔 ----------------------------------------------------------------- 💰🤝🏻Присоединяйтесь к членству, чтобы получить доступ к бонусам и поддержать нас🤝🏻💰 00:00 - Введение Важность многоиндексного мониторинга окружающей среды с использованием Landsat 9, Google Earth Engine и Python. 02:05 - Обзор экологических индексов Понимание NDVI, EVI, NDWI, NDBI и температуры поверхности земли (LST). 04:00 - Динамический мир землепользования Введение в Dynamic World V1 и его роль в анализе окружающей среды. 04:47 - Полный обзор рабочего процесса От предварительной обработки изображений до статистического анализа. 06:36 - Настройка среды Google Colab Установка geemap, wxee и необходимых библиотек Python. 08:32 - Импорт библиотек Python Загрузка Earth Engine, Pandas, Matplotlib, Xarray и вспомогательных пакетов. 12:07 - Аутентификация в Google Earth Engine 14:54 - Определение области исследования (ROI) Создание интерактивной карты и выбор области интереса. Аутентификация и инициализация проекта Earth Engine. 19:11 - Функция обработки данных Landsat: Создание пользовательской функции для маскирования облаков, применения коэффициентов масштабирования/смещения и расчета всех пяти индексов. 35:47 - Импорт данных: Загрузка коллекции изображений Landsat 9 с фильтрами по дате и облакам. 38:40 Импорт Dynamic World V1 43:01 Создание композитного изображения с несколькими индексами. 45:25 Преобразование изображения EE в Xarray 51:04 Извлечение значений пикселей 55:10 Визуализация индексов и LST 1:01:00 Анализ эф...