Cara Membuat JavaScript Enjin Google Earth Anda Berjalan Lebih Pantas

Mengoptimumkan Masa Pelaksanaan Skrip Enjin Google Earth

Google Earth Engine (GEE) ialah platform yang berkuasa untuk menganalisis data geospatial berskala besar. Walau bagaimanapun, pengguna sering menghadapi masalah dengan masa pelaksanaan, walaupun skrip mereka kelihatan asas. Skrip yang mengambil masa beberapa minit untuk dijalankan boleh memberi kesan kepada produktiviti dan melambatkan cerapan.

Dalam kes ini, pengguna telah mencipta skrip mudah untuk memproses data Sentinel dan Landsat 8. Walaupun ringkas, skrip mengambil masa kira-kira 3-5 minit untuk dilaksanakan. Memahami sebab ini berlaku dan cara mengoptimumkan skrip adalah penting untuk pemprosesan data yang cekap.

Prestasi skrip GEE bergantung pada beberapa faktor, termasuk saiz data, penapisan dan kerumitan pengiraan. Mengurangkan masa pelaksanaan melibatkan mengenal pasti kesesakan dalam skrip, seperti operasi yang tidak perlu atau set data besar yang memperlahankan pemprosesan.

Artikel ini akan meneroka kemungkinan punca masa pelaksanaan yang perlahan dalam GEE dan memberikan petua praktikal untuk mengoptimumkan skrip yang diberikan. Dengan melaksanakan strategi ini, pengguna boleh meningkatkan kelajuan dan prestasi tugas analisis data geospatial mereka dengan ketara.

Mengoptimumkan Skrip GEE untuk Peningkatan Kecekapan

Dalam skrip yang disediakan, matlamatnya adalah untuk mengekstrak dan memproses imejan satelit daripada dua sumber berbeza: Sentinel dan Landsat. The Enjin Google Earth (GEE) platform membolehkan pengguna mengakses sejumlah besar data satelit dan menggunakan pelbagai operasi seperti penapisan, pengindeksan dan visualisasi. Salah satu ciri utama yang digunakan dalam skrip ini ialah normalizedDifference() fungsi, yang digunakan untuk mengira indeks penting seperti NDVI, NDWI dan NDSI. Indeks ini penting untuk menganalisis tumbuh-tumbuhan, air dan litupan salji di kawasan yang ditentukan. Skrip bermula dengan mentakrifkan tempat menarik dan memusatkan peta di atasnya menggunakan koordinat yang disediakan.

Skrip menggunakan berbilang penapis, seperti filterDate() dan filterBounds(), untuk mengurangkan jumlah data yang sedang diproses, sekali gus meningkatkan masa pelaksanaan. Sebagai contoh, filterBounds() memastikan bahawa hanya imej yang bersilang dengan kawasan yang diminati disertakan, manakala filterDate() mengehadkan imej kepada julat tarikh tertentu. Ini penting untuk memproses set data yang besar seperti imejan Sentinel dan Landsat, kerana ia meminimumkan beban pengiraan. Selain itu, penapis untuk liputan awan membantu untuk membuang imej yang mempunyai terlalu banyak awan, memastikan analisis kualiti yang lebih baik.

Satu aspek penting dalam skrip ialah addBands() fungsi, yang menambahkan indeks terkira (NDVI, NDWI, NDSI) pada imejan, menjadikannya boleh diakses untuk analisis lanjut. Skrip ini juga menggabungkan topeng air kekal menggunakan data daripada set data Air Permukaan Global JRC. Topeng air membantu dalam mengecualikan kawasan dengan kejadian air yang tinggi (lebih daripada 80%), yang sebaliknya boleh memesongkan keputusan analisis tumbuh-tumbuhan dan salji. Ini dilakukan melalui gt() dan buka topeng() fungsi, yang membolehkan skrip mengasingkan kawasan berdasarkan nilai piksel.

Akhirnya, skrip menggunakan mengurangkan() berfungsi dengan pengurang persentil untuk menjana imej komposit yang mewakili persentil ke-30 nilai piksel yang dipilih. Imej komposit ini kemudiannya dipotong ke kawasan yang diminati dan divisualisasikan pada peta menggunakan klip() fungsi. Parameter visual ditakrifkan untuk kedua-dua komposit Sentinel dan Landsat, membolehkan pengguna melihatnya dengan tetapan warna yang sesuai. Dengan menggabungkan pelbagai langkah pemprosesan imej seperti penapisan, penyamaran dan penjanaan komposit, skrip ini menyediakan cara yang cekap untuk menganalisis imejan satelit, walaupun pengoptimuman selanjutnya boleh digunakan untuk mengurangkan masa pelaksanaan.

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);

Meningkatkan Kecekapan Skrip Penderiaan Jauh

Satu pertimbangan utama apabila bekerja dengan skrip Google Earth Engine (GEE) ialah memastikan operasi dikendalikan dengan cekap. Walaupun penggunaan set data yang besar seperti Sentinel dan Landsat adalah perkara biasa dalam analisis alam sekitar, jumlah data yang banyak boleh melambatkan pelaksanaan skrip. Satu kaedah untuk meningkatkan prestasi ialah memastikan hanya data yang diperlukan sedang diproses. Menggunakan arahan seperti filterBounds() dan filterDate() meminimumkan saiz set data, yang membantu memperkemas pengiraan. Memilih julat tarikh dan kawasan geografi tertentu boleh mengurangkan masa pelaksanaan dengan ketara.

Aspek lain yang memberi kesan kepada prestasi skrip GEE ialah cara data diproses. Contoh skrip menggunakan fungsi untuk mengira indeks penting seperti NDVI, NDWI dan NDSI. Indeks ini ditambah sebagai jalur pada koleksi imej, yang membolehkan analisis yang lebih teliti. Walau bagaimanapun, kesilapan biasa ialah menggunakan fungsi sedemikian pada keseluruhan set data tanpa menapis terlebih dahulu. Adalah penting untuk menggunakan operasi sedemikian selepas penapisan untuk mengelakkan pengiraan yang tidak perlu pada data yang tidak berkaitan.

Visualisasi ialah satu lagi elemen skrip yang boleh dioptimumkan. Menambah terlalu banyak lapisan atau visualisasi yang kompleks boleh mengurangkan masa pemprosesan. Skrip menggunakan parameter visual yang dipratentukan untuk menghasilkan komposit, tetapi prestasi boleh dipertingkatkan dengan melumpuhkan lapisan tertentu melainkan ia diperlukan secara eksplisit. Ini membantu dalam memastikan skrip ringan sambil mengekalkan fungsinya. menggunakan klip() arahan juga memastikan bahawa hanya kawasan yang diperlukan diberikan, mengurangkan beban pemprosesan keseluruhan.