Jak zajistit rychlejší běh JavaScriptu vašeho Google Earth Engine

Optimalizace doby provádění skriptů Google Earth Engine Scripts

Google Earth Engine (GEE) je výkonná platforma pro analýzu rozsáhlých geoprostorových dat. Uživatelé se však často setkávají s problémy s dobou provádění, i když se jejich skripty zdají být základní. Skript, jehož spuštění trvá několik minut, může ovlivnit produktivitu a zpozdit statistiky.

V tomto případě uživatel vytvořil jednoduchý skript pro zpracování dat Sentinel a Landsat 8. Navzdory své jednoduchosti trvá spuštění skriptu asi 3-5 minut. Pochopení, proč k tomu dochází a jak optimalizovat skript, je nezbytné pro efektivní zpracování dat.

Výkon skriptu GEE závisí na několika faktorech, včetně velikosti dat, filtrování a výpočetní složitosti. Zkrácení doby provádění zahrnuje identifikaci úzkých míst ve skriptu, jako jsou zbytečné operace nebo velké datové sady, které zpomalují zpracování.

Tento článek prozkoumá možné příčiny pomalého provádění v GEE a poskytne praktické tipy pro optimalizaci daného skriptu. Implementací těchto strategií mohou uživatelé výrazně zlepšit rychlost a výkon svých úloh analýzy geoprostorových dat.

Optimalizace GEE skriptů pro vyšší efektivitu

V poskytnutém skriptu je cílem extrahovat a zpracovat satelitní snímky ze dvou různých zdrojů: Sentinel a Landsat. The Google Earth Engine (GEE) Platforma umožňuje uživatelům přístup k obrovskému množství satelitních dat a použití různých operací, jako je filtrování, indexování a vizualizace. Jednou z klíčových funkcí používaných v tomto skriptu je normalizedDifference() funkce, která se používá k výpočtu důležitých indexů jako NDVI, NDWI a NDSI. Tyto indexy jsou klíčové pro analýzu vegetace, vody a sněhové pokrývky v určené oblasti. Skript začíná definováním bodu zájmu a vycentruje na něj mapu pomocí poskytnutých souřadnic.

Skript aplikuje více filtrů, jako např filterDate() a filterBounds(), snížit množství zpracovávaných dat a zkrátit tak dobu provádění. Například, filterBounds() zajišťuje, že budou zahrnuty pouze snímky protínající oblast zájmu filterDate() omezí snímky na konkrétní časové období. To je nezbytné pro zpracování velkých souborů dat, jako jsou snímky Sentinel a Landsat, protože to minimalizuje výpočetní zátěž. Kromě toho, filtr pro cloudové pokrytí pomáhá vyřadit snímky, které mají příliš mnoho cloudu, a zajistit tak kvalitnější analýzu.

Jedním z důležitých aspektů scénáře je addBands() funkce, která ke snímkům přidává vypočítané indexy (NDVI, NDWI, NDSI) a zpřístupňuje je pro další analýzu. Skript také obsahuje trvalou vodní masku využívající data z datového souboru globálních povrchových vod JRC. Vodní maska ​​pomáhá při vyloučení oblastí s vysokým výskytem vody (nad 80 %), která by jinak mohla zkreslit výsledky rozboru vegetace a sněhu. To se provádí prostřednictvím gt() a odhalit() funkce, které umožňují skriptu izolovat oblasti na základě hodnot pixelů.

Nakonec skript používá snížit() funkce s percentilovým omezovačem pro generování složeného obrazu, který představuje 30. percentil vybraných hodnot pixelů. Tento složený obrázek je poté oříznut do oblasti zájmu a vizualizován na mapě pomocí klip() funkce. Vizuální parametry jsou definovány pro kompozity Sentinel i Landsat, což umožňuje uživateli je prohlížet s příslušným nastavením barev. Kombinací různých kroků zpracování obrazu, jako je filtrování, maskování a generování složených snímků, poskytuje tento skript efektivní způsob analýzy satelitních snímků, i když lze použít další optimalizaci, aby se zkrátila doba provádění.

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);

Zlepšení účinnosti skriptů dálkového průzkumu Země

Jedním z klíčových aspektů při práci se skripty Google Earth Engine (GEE) je zajištění efektivního zpracování operací. Zatímco použití velkých datových sad, jako jsou Sentinel a Landsat, je v analýze životního prostředí běžné, samotný objem dat může zpomalit provádění skriptů. Jednou z metod, jak zlepšit výkon, je zajistit, aby se zpracovávala pouze nezbytná data. Pomocí příkazů jako filterBounds() a filterDate() minimalizuje velikost datové sady, což pomáhá zefektivnit výpočty. Výběr konkrétních období a geografických oblastí může výrazně zkrátit dobu provádění.

Dalším aspektem, který ovlivňuje výkon skriptu GEE, je způsob zpracování dat. Příklad skriptu používá funkci k výpočtu důležitých indexů jako NDVI, NDWI a NDSI. Tyto indexy se přidávají jako pásma do kolekcí obrázků, což umožňuje důkladnější analýzu. Častou chybou je však použití takových funkcí na celou datovou sadu bez předchozího filtrování. Je důležité použít takové operace po filtrování, aby se předešlo zbytečným výpočtům na irelevantních datech.

Vizualizace je dalším prvkem skriptu, který lze optimalizovat. Přidání příliš mnoha vrstev nebo složitých vizualizací může zkrátit dobu zpracování. Skript používá k vykreslení kompozitů předdefinované vizuální parametry, ale výkon lze zlepšit vypnutím určitých vrstev, pokud nejsou výslovně potřeba. To pomáhá udržovat skript lehký při zachování jeho funkčnosti. Použití klip() příkazy také zajišťují, že je vykreslena pouze nezbytná oblast, čímž se snižuje celková zátěž zpracování.