Com fer que el vostre JavaScript de Google Earth Engine funcioni més ràpidament

Optimització del temps d'execució dels scripts del motor de Google Earth

Google Earth Engine (GEE) és una plataforma potent per analitzar dades geoespacials a gran escala. Tanmateix, els usuaris sovint es troben amb problemes amb el temps d'execució, fins i tot quan els seus scripts semblen bàsics. Un script que triga diversos minuts a executar-se pot afectar la productivitat i retardar la informació.

En aquest cas, un usuari ha creat un script senzill per processar les dades de Sentinel i Landsat 8. Malgrat la seva senzillesa, l'script triga uns 3-5 minuts a executar-se. Entendre per què passa això i com optimitzar l'script és essencial per al processament de dades eficient.

El rendiment d'un script GEE depèn de diversos factors, com ara la mida de les dades, el filtratge i la complexitat computacional. Reduir el temps d'execució implica identificar colls d'ampolla dins de l'script, com ara operacions innecessàries o grans conjunts de dades que alentiren el processament.

Aquest article explorarà les possibles causes dels temps d'execució lents a GEE i proporcionarà consells pràctics per optimitzar l'script donat. Mitjançant la implementació d'aquestes estratègies, els usuaris poden millorar significativament la velocitat i el rendiment de les seves tasques d'anàlisi de dades geoespacials.

Optimització dels scripts GEE per a una millora de l'eficiència

En el guió proporcionat, l'objectiu és extreure i processar imatges de satèl·lit de dues fonts diferents: Sentinel i Landsat. El Google Earth Engine (GEE) La plataforma permet als usuaris accedir a grans quantitats de dades de satèl·lit i aplicar diverses operacions com ara el filtratge, la indexació i la visualització. Una de les característiques clau utilitzades en aquest script és el Diferència normalitzada () funció, que s'utilitza per calcular índexs importants com NDVI, NDWI i NDSI. Aquests índexs són crucials per analitzar la vegetació, l'aigua i la coberta de neu a la regió especificada. El guió comença definint un punt d'interès i centra el mapa en ell utilitzant les coordenades proporcionades.

L'script aplica diversos filtres, com ara filterDate() i filterBounds(), per reduir la quantitat de dades que s'estan processant, millorant així el temps d'execució. Per exemple, filterBounds() assegura que només s'inclouen les imatges que tallen l'àrea d'interès, mentre que filterDate() limita les imatges a un interval de dates específic. Això és essencial per processar grans conjunts de dades com les imatges de Sentinel i Landsat, ja que minimitza la càrrega computacional. A més, el filtre per a la cobertura del núvol ajuda a descartar imatges que tenen massa núvol, garantint una anàlisi de millor qualitat.

Un aspecte important del guió és el addBands() funció, que afegeix índexs calculats (NDVI, NDWI, NDSI) a les imatges, fent-les accessibles per a una anàlisi posterior. El guió també incorpora una màscara d'aigua permanent que utilitza dades del conjunt de dades del JRC Global Surface Water. La màscara d'aigua ajuda a excloure les zones amb una alta presència d'aigua (superior al 80%), que d'una altra manera podria esbiaixar els resultats de l'anàlisi de la vegetació i la neu. Això es fa a través del gt() i desenmascarar() funcions, que permeten a l'script aïllar àrees en funció dels valors de píxels.

Finalment, el guió utilitza el reduir () funcionen amb el reductor de percentils per generar una imatge composta que representa el percentil 30 dels valors de píxels seleccionats. A continuació, aquesta imatge composta es retalla a la regió d'interès i es visualitza al mapa amb el clip () funció. Els paràmetres visuals es defineixen tant per als compostos Sentinel com Landsat, permetent a l'usuari visualitzar-los amb la configuració de color adequada. En combinar diversos passos de processament d'imatges com el filtratge, l'emmascarament i la generació de compostos, aquest script proporciona una manera eficient d'analitzar imatges de satèl·lit, tot i que es podria aplicar una optimització addicional per reduir els temps d'execució.

var pointJSP = ee.Geometry.Point([86.465263, 20.168076]);
Map.centerObject(pointJSP, 14);
// Combine date variables for flexibility
var startDate = '2024-02-01';
var endDate = '2024-03-01';
// Function to add NDVI, NDWI, NDSI
var addIndices = function(image) {
  var ndvi = image.normalizedDifference(['NIR', 'RED']).rename('NDVI');
  var ndwi = image.normalizedDifference(['NIR', 'SWIR1']).rename('NDWI');
  var ndsi = image.normalizedDifference(['SWIR1', 'SWIR2']).rename('NDSI');
  return image.addBands(ndvi).addBands(ndwi).addBands(ndsi);
};
// Use fewer data points by filtering for cloud-free pixels only once
var sentinel = ee.ImageCollection('COPERNICUS/S2_SR')
  .filterBounds(pointJSP)
  .filterDate(startDate, endDate)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 30));

var landsat8 = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
  .filterBounds(pointJSP)
  .filterDate(startDate, endDate)
  .filter(ee.Filter.lt('CLOUD_COVER', 30));
// Apply water mask for permanent water areas
var waterMask = ee.Image('JRC/GSW1_4/GlobalSurfaceWater').select('occurrence').gt(80).unmask();
// Add indices to Landsat 8 imagery
var landsatIndices = landsat8.map(addIndices);
var composite = landsatIndices.reduce(ee.Reducer.percentile([30])).clip(pointJSP).mask(waterMask.eq(0));
Map.addLayer(composite, {bands: ['RED', 'GREEN', 'BLUE'], min: 0, max: 3000}, 'Landsat Composite');
Map.addLayer(waterMask, {min: 0, max: 1, palette: ['white', 'blue']}, 'Water Mask', false);

Millora de l'eficiència dels scripts de teledetecció

Una consideració clau quan es treballa amb scripts de Google Earth Engine (GEE) és assegurar-se que les operacions es gestionen de manera eficient. Tot i que l'ús de grans conjunts de dades com Sentinel i Landsat és habitual en l'anàlisi ambiental, el gran volum de dades pot frenar l'execució de l'script. Un mètode per millorar el rendiment és assegurar-se que només es processen les dades necessàries. Utilitzant ordres com filterBounds() i filterDate() minimitza la mida del conjunt de dades, cosa que ajuda a racionalitzar els càlculs. La selecció d'intervals de dates i regions geogràfiques específiques pot reduir significativament el temps d'execució.

Un altre aspecte que afecta el rendiment de l'script GEE és com es processen les dades. L'exemple d'script utilitza una funció per calcular índexs importants com NDVI, NDWI i NDSI. Aquests índexs s'afegeixen com a bandes a les col·leccions d'imatges, la qual cosa permet una anàlisi més exhaustiva. Tanmateix, un error comú és aplicar aquestes funcions a un conjunt de dades sencer sense filtrar primer. És crucial aplicar aquestes operacions després del filtratge per evitar càlculs innecessaris amb dades irrellevants.

La visualització és un altre element de l'script que es pot optimitzar. Afegir massa capes o visualitzacions complexes pot reduir el temps de processament. L'script utilitza paràmetres visuals predefinits per representar els compostos, però el rendiment es pot millorar desactivant determinades capes tret que siguin necessàries explícitament. Això ajuda a mantenir el script lleuger alhora que es manté la seva funcionalitat. Utilitzant clip () Les ordres també garanteixen que només es representa l'àrea necessària, reduint la càrrega general del processament.