Kako omogočiti hitrejše delovanje JavaScripta vašega Google Earth Engine

Optimiziranje časa izvajanja skriptov mehanizma Google Earth

Google Earth Engine (GEE) je zmogljiva platforma za analizo obsežnih geoprostorskih podatkov. Vendar pa uporabniki pogosto naletijo na težave s časom izvajanja, tudi če so njihovi skripti videti osnovni. Skript, ki traja nekaj minut, da se izvaja, lahko vpliva na produktivnost in zakasni vpoglede.

V tem primeru je uporabnik ustvaril preprost skript za obdelavo podatkov Sentinel in Landsat 8. Kljub svoji preprostosti traja izvajanje skripta približno 3-5 minut. Za učinkovito obdelavo podatkov je bistvenega pomena razumevanje, zakaj se to zgodi in kako optimizirati skript.

Učinkovitost skripta GEE je odvisna od več dejavnikov, vključno z velikostjo podatkov, filtriranjem in računsko kompleksnostjo. Zmanjšanje časa izvajanja vključuje prepoznavanje ozkih grl v skriptu, kot so nepotrebne operacije ali veliki nabori podatkov, ki upočasnjujejo obdelavo.

Ta članek bo raziskal možne vzroke za počasen čas izvajanja v GEE in zagotovil praktične nasvete za optimizacijo danega skripta. Z implementacijo teh strategij lahko uporabniki znatno izboljšajo hitrost in učinkovitost svojih nalog analize geoprostorskih podatkov.

Optimizacija GEE skriptov za večjo učinkovitost

V priloženem skriptu je cilj pridobiti in obdelati satelitske posnetke iz dveh različnih virov: Sentinel in Landsat. The Google Earth Engine (GEE) platforma omogoča uporabnikom dostop do ogromnih količin satelitskih podatkov in uporabo različnih operacij, kot so filtriranje, indeksiranje in vizualizacija. Ena od ključnih funkcij, uporabljenih v tem skriptu, je normalizirana razlika() funkcijo, ki se uporablja za izračun pomembnih indeksov, kot so NDVI, NDWI in NDSI. Ti indeksi so ključni za analizo vegetacije, vode in snežne odeje v določeni regiji. Skript se začne z definiranjem zanimive točke in centrira zemljevid na njej z uporabo navedenih koordinat.

Skript uporablja več filtrov, kot npr filterDate() in filterBounds(), da se zmanjša količina podatkov, ki se obdelujejo, in tako izboljša čas izvajanja. Na primer, filterBounds() zagotavlja, da so vključene samo slike, ki sekajo območje zanimanja, medtem ko filterDate() omejuje slike na določeno časovno obdobje. To je bistveno za obdelavo velikih naborov podatkov, kot so posnetki Sentinel in Landsat, saj zmanjša računalniško obremenitev. Poleg tega je filter za pokritost z oblaki pomaga zavrniti slike, ki imajo preveč oblakov, kar zagotavlja analizo boljše kakovosti.

Eden od pomembnih vidikov scenarija je addBands() funkcijo, ki posnetkom doda izračunane indekse (NDVI, NDWI, NDSI), tako da so dostopni za nadaljnjo analizo. Skript vključuje tudi trajno vodno masko z uporabo podatkov iz podatkovnega niza JRC Global Surface Water. Vodna maska ​​pomaga pri izključitvi območij z visoko prisotnostjo vode (več kot 80 %), ki bi sicer lahko popačila rezultate analize vegetacije in snega. To se naredi prek gt() in razkriti() funkcije, ki skriptu omogočajo izolacijo območij na podlagi vrednosti slikovnih pik.

Končno, skript uporablja zmanjšati () funkcijo z reduktorjem percentilov za ustvarjanje sestavljene slike, ki predstavlja 30. percentil izbranih vrednosti slikovnih pik. Ta sestavljena slika se nato pripne na območje zanimanja in vizualizira na zemljevidu z uporabo posnetek () funkcijo. Vizualni parametri so definirani tako za kompozite Sentinel kot Landsat, kar uporabniku omogoča ogled z ustreznimi barvnimi nastavitvami. S kombiniranjem različnih korakov obdelave slike, kot so filtriranje, maskiranje in sestavljeno ustvarjanje, ta skript zagotavlja učinkovit način za analizo satelitskih posnetkov, čeprav bi lahko uporabili dodatno optimizacijo za skrajšanje časa izvajanja.

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);

Izboljšanje učinkovitosti skriptov za daljinsko zaznavanje

Eden ključnih dejavnikov pri delu s skripti Google Earth Engine (GEE) je zagotavljanje učinkovitega upravljanja operacij. Medtem ko je uporaba velikih naborov podatkov, kot sta Sentinel in Landsat, pogosta pri analizi okolja, lahko velika količina podatkov upočasni izvajanje skripta. Eden od načinov za izboljšanje zmogljivosti je zagotoviti, da se obdelujejo le potrebni podatki. Uporaba ukazov, kot je filterBounds() in filterDate() zmanjša velikost nabora podatkov, kar pomaga poenostaviti izračune. Izbira določenih časovnih obdobij in geografskih regij lahko znatno skrajša čas izvajanja.

Drug vidik, ki vpliva na delovanje skripta GEE, je način obdelave podatkov. Primer skripta uporablja funkcijo za izračun pomembnih indeksov, kot so NDVI, NDWI in NDSI. Ti indeksi so dodani kot pasovi zbirkam slik, kar omogoča temeljitejšo analizo. Vendar pa je pogosta napaka uporaba takšnih funkcij za celoten nabor podatkov brez predhodnega filtriranja. Ključnega pomena je, da takšne operacije uporabite po filtriranju, da se izognete nepotrebnim izračunom nepomembnih podatkov.

Vizualizacija je še en element skripta, ki ga je mogoče optimizirati. Dodajanje preveč plasti ali zapletenih vizualizacij lahko skrajša čas obdelave. Skript uporablja vnaprej določene vizualne parametre za upodabljanje kompozitov, vendar je zmogljivost mogoče izboljšati z onemogočanjem določenih slojev, razen če so izrecno potrebni. To pomaga ohranjati lahek skript in obenem ohranjati njegovo funkcionalnost. Uporaba posnetek () ukazi prav tako zagotavlja, da je upodobljeno samo potrebno območje, kar zmanjša celotno breme obdelave.