Come rendere più veloce il tuo JavaScript di Google Earth Engine

Ottimizzazione del tempo di esecuzione degli script di Google Earth Engine

Google Earth Engine (GEE) è una potente piattaforma per l'analisi di dati geospaziali su larga scala. Tuttavia, gli utenti spesso riscontrano problemi con i tempi di esecuzione, anche quando i loro script sembrano basilari. Uno script che richiede diversi minuti per essere eseguito può incidere sulla produttività e ritardare la comprensione.

In questo caso, un utente ha creato un semplice script per elaborare i dati Sentinel e Landsat 8. Nonostante la sua semplicità, l'esecuzione dello script richiede circa 3-5 minuti. Capire perché ciò accade e come ottimizzare lo script è essenziale per un'elaborazione efficiente dei dati.

Le prestazioni di uno script GEE dipendono da diversi fattori, tra cui la dimensione dei dati, il filtraggio e la complessità computazionale. La riduzione del tempo di esecuzione implica l'identificazione dei colli di bottiglia all'interno dello script, come operazioni non necessarie o set di dati di grandi dimensioni che rallentano l'elaborazione.

Questo articolo esplorerà le possibili cause dei tempi di esecuzione lenti in GEE e fornirà suggerimenti pratici per ottimizzare lo script fornito. Implementando queste strategie, gli utenti possono migliorare significativamente la velocità e le prestazioni delle loro attività di analisi dei dati geospaziali.

Ottimizzazione degli script GEE per una migliore efficienza

Nello script fornito, l'obiettivo è estrarre ed elaborare immagini satellitari da due diverse fonti: Sentinel e Landsat. IL Motore di Google Earth (GEE) la piattaforma consente agli utenti di accedere a grandi quantità di dati satellitari e di applicare varie operazioni come filtraggio, indicizzazione e visualizzazione. Una delle funzionalità chiave utilizzate in questo script è il file differenza normalizzata() funzione, che viene utilizzata per calcolare indici importanti come NDVI, NDWI e NDSI. Questi indici sono cruciali per analizzare la vegetazione, l'acqua e la copertura nevosa nella regione specificata. Lo script inizia definendo un punto di interesse e centra la mappa su di esso utilizzando le coordinate fornite.

Lo script applica più filtri, ad esempio datafiltro() E filterBounds(), per ridurre la quantità di dati elaborati, migliorando così i tempi di esecuzione. Ad esempio, filterBounds() garantisce che vengano incluse solo le immagini che intersecano l'area di interesse, mentre datafiltro() limita le immagini a un intervallo di date specifico. Ciò è essenziale per l'elaborazione di set di dati di grandi dimensioni come le immagini Sentinel e Landsat, poiché riduce al minimo il carico computazionale. Inoltre, il filtro per la copertura nuvolosa aiuta a scartare le immagini che hanno troppa nuvola, garantendo un'analisi di migliore qualità.

Un aspetto importante della sceneggiatura è il aggiungiBand() funzione, che aggiunge indici calcolati (NDVI, NDWI, NDSI) alle immagini, rendendole accessibili per ulteriori analisi. Lo script incorpora anche una maschera d'acqua permanente utilizzando i dati del set di dati Global Surface Water del JRC. La maschera dell'acqua aiuta a escludere le aree con un'elevata presenza di acqua (superiore all'80%), che altrimenti potrebbe distorcere i risultati dell'analisi della vegetazione e della neve. Ciò avviene attraverso il gt() E smascherare() funzioni, che consentono allo script di isolare aree in base ai valori dei pixel.

Infine, lo script utilizza il file ridurre() funzione con il riduttore percentile per generare un'immagine composita che rappresenta il 30° percentile dei valori dei pixel selezionati. Questa immagine composita viene quindi ritagliata nella regione di interesse e visualizzata sulla mappa utilizzando clip() funzione. I parametri visivi sono definiti sia per i compositi Sentinel che per Landsat, consentendo all'utente di visualizzarli con le impostazioni di colore appropriate. Combinando varie fasi di elaborazione delle immagini come filtraggio, mascheramento e generazione composita, questo script fornisce un modo efficiente per analizzare le immagini satellitari, sebbene sia possibile applicare un'ulteriore ottimizzazione per ridurre i tempi di esecuzione.

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);

Migliorare l'efficienza degli script di telerilevamento

Una considerazione fondamentale quando si lavora con gli script di Google Earth Engine (GEE) è garantire che le operazioni vengano gestite in modo efficiente. Sebbene l'uso di set di dati di grandi dimensioni come Sentinel e Landsat sia comune nell'analisi ambientale, l'enorme volume di dati può rallentare l'esecuzione degli script. Un metodo per migliorare le prestazioni consiste nel garantire che vengano elaborati solo i dati necessari. Usando comandi come filterBounds() E datafiltro() riduce al minimo le dimensioni del set di dati, il che aiuta a semplificare i calcoli. La selezione di intervalli di date e regioni geografiche specifici può ridurre significativamente i tempi di esecuzione.

Un altro aspetto che influisce sulle prestazioni dello script GEE è il modo in cui vengono elaborati i dati. L'esempio di script utilizza una funzione per calcolare indici importanti come NDVI, NDWI e NDSI. Questi indici vengono aggiunti come fasce alle raccolte di immagini, il che consente un'analisi più approfondita. Tuttavia, un errore comune è applicare tali funzioni a un intero set di dati senza prima filtrarli. È fondamentale applicare tali operazioni dopo il filtraggio per evitare calcoli non necessari su dati irrilevanti.

La visualizzazione è un altro elemento dello script che può essere ottimizzato. L'aggiunta di troppi livelli o visualizzazioni complesse può rallentare i tempi di elaborazione. Lo script utilizza parametri visivi predefiniti per eseguire il rendering dei compositi, ma le prestazioni possono essere migliorate disabilitando determinati livelli a meno che non siano esplicitamente necessari. Ciò aiuta a mantenere lo script leggero pur mantenendo la sua funzionalità. Utilizzando clip() i comandi garantiscono inoltre che venga renderizzata solo l'area necessaria, riducendo il carico di elaborazione complessivo.