Samouczki społeczności

Samouczki w tej sekcji zostały utworzone przez użytkowników Earth Engine dla użytkowników Earth Engine i są przeznaczone dla wszystkich poziomów zaawansowania – od przewodników dla początkujących po opisy bardziej zaawansowanych technik.

Jeśli chcesz dodać samouczek, instrukcje znajdziesz na stronie Pisanie samouczka.

Samouczki dotyczące interfejsu API edytora kodu JavaScript

Analiza wilgotności gleby i opadów w celu wykrywania długotrwałej suszy.

Omówienie typowych klas i metod Earth Engine.

Jak połączyć 2 kolekcje FeatureCollection w jedną.

Utworzenie aplikacji Earth Engine z funkcją wyboru niestandardowej warstwy i sprawdzania danych.

Jak zmienić właściwości mapy podstawowej w Edytorze kodu.

wizualizowanie zbioru danych Dynamic World i tworzenie kompozytów;

obliczanie statystyk strefowych na podstawie zbioru danych Dynamic World,

Poznawanie serii czasowej zbioru danych Dynamic World.

obliczanie i porządkowanie statystyk strefowych dla danych szeregów czasowych obrazów w postaci uporządkowanej tabeli;

Szacowanie powierzchni drzew i jej ubytku na podstawie zbioru danych Hansena dotyczącego zmian powierzchni lasów na całym świecie.

Jak korzystać z interfejsu API narzędzi do rysowania w edytorze kodu.

HISTARFM – jak pracować ze zdjęciami z wypełnionymi lukami

Eksperymentuj z kolekcją miesięcznych danych Landsat z wypełnionymi lukami z systemu fuzji danych HISTARFM.

Użyj MODIS NDSI, aby utworzyć mapę pierwszego dnia w roku bez pokrywy śnieżnej.

Niestandardowe narzędzia do rysowania, które upraszczają interaktywne tworzenie wykresów regionalnych ciągów czasowych.

Dowiedz się, jak wizualizować i analizować dane dotyczące wilgotności gleby z misji SMAP.

Utworzysz wykres ciągu czasowego temperatury i mapę temperatury.

Wygeneruj animowany GIF pokazujący sezonowe zmiany roślinności.

Stan roślinności leśnej na przestrzeni czasu i analiza trendu liniowego.

test Manna-Kendalla, nachylenie Sena i istotność statystyczna.

Względna normalizacja radiometryczna z wykorzystaniem dopasowywania cech pseudoniezmiennych.

Szybka i powtarzalna klasyfikacja binarna gruntów uprawnych kukurydzy w Nigerii.

obliczać statystyki strefowe w czasie i eksportować je jako długie i szerokie tabele w formacie z wartościami rozdzielanymi przecinkami;

Wprowadzenie do podstaw radaru z syntetyczną aperturą (SAR) z wykorzystaniem Sentinel-1.

Podstawy modelowania ciągów czasowych.

Samouczki dotyczące interfejsu Python API

Przykładowe analizy i techniki pracy z interfejsem Python API.

Konwertowanie danych Earth Engine na DataFrame, GeoDataFrame i tablicę uporządkowaną NumPy.

obrazy z radaru z syntetyczną aperturą (SAR): statystyki obrazów z jednego i wielu punktów widzenia;

Obrazy z radaru z syntetyczną aperturą (SAR): testowanie hipotez.

obrazy z radaru z syntetyczną aperturą (SAR): wykrywanie zmian w różnych okresach;

Zdjęcia z radaru z syntetyczną aperturą (SAR): widżet eksploratora.

Implementacja procedury Thornthwaite-Mather do mapowania zasilania wód podziemnych.

Metoda zmiany wyglądu jednego obrazu, aby pasował do innego.

Wykrywanie zmian w GEE – przekształcenie MAD (część 1)

Iteracyjnie ważone wykrywanie zmian wielowymiarowych.

Wykrywanie zmian w GEE – transformacja MAD (część 2)

Iteracyjnie ważone wykrywanie zmian wielowymiarowych.

Wykrywanie zmian w GEE – przekształcenie MAD (część 3)

Iteracyjnie ważone wykrywanie zmian wielowymiarowych.

Maskowanie chmur i ich cieni na zdjęciach współczynnika odbicia powierzchni Sentinel-2.

Proces prognozowania rozmieszczenia gatunków.

generowanie danych szeregów czasowych i wizualizowanie ich za pomocą biblioteki Altair z wykorzystaniem reakcji na suszę i wegetację;