使用geemap进行全球土地覆盖数据可视化与分析-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00547/article/details/148574946

使用geemap进行全球土地覆盖数据可视化与分析

geemap 项目地址: https://gitcode.com/gh_mirrors/gee/geemap

前言

在环境监测、城市规划、农业评估等领域，土地覆盖数据发挥着重要作用。本文将介绍如何利用geemap这一强大的地理空间分析工具，对全球土地覆盖数据进行可视化和分析。

准备工作

环境配置

首先需要安装必要的Python库：

pip install geemap

然后导入所需模块并初始化：

import ee
import geemap
geemap.ee_initialize()

土地覆盖数据可视化

Dynamic World土地覆盖数据

Dynamic World是一个近实时土地覆盖分类系统，提供9种土地覆盖类型的高分辨率数据。我们可以使用geemap轻松获取并可视化这些数据：

Map = geemap.Map()
Map.add_basemap("HYBRID")

# 设置区域和时间范围
region = ee.Geometry.BBox(-89.7088, 42.9006, -89.0647, 43.2167)
start_date = "2021-01-01"
end_date = "2022-01-01"

# 获取土地覆盖数据
landcover = geemap.dynamic_world(region, start_date, end_date, return_type="class")

# 可视化参数
dwVisParams = {
    "min": 0,
    "max": 8,
    "palette": [
        "#419BDF",  # 水体
        "#397D49",  # 树木
        "#88B053",  # 草地
        "#7A87C6",  # 湿地
        "#E49635",  # 建筑
        "#DFC35A",  # 裸地
        "#C4281B",  # 农田
        "#A59B8F",  # 冰雪
        "#B39FE1",  # 云层
    ],
}

Map.addLayer(landcover, dwVisParams, "Land Cover Class")
Map.add_legend(title="Dynamic World Land Cover", builtin_legend="Dynamic_World")
Map

不同土地覆盖产品对比

geemap支持多种全球土地覆盖产品的可视化与比较：

ESA WorldCover - 欧洲航天局的全球土地覆盖产品
ESRI Land Cover - ESRI提供的10米分辨率土地覆盖数据
Dynamic World - Google开发的近实时土地覆盖数据

# 比较ESA和Dynamic World
Map = geemap.Map(center=[39.3322, -106.7349], zoom=10)

esa = ee.ImageCollection("ESA/WorldCover/v200").first()
esa_vis = {"bands": ["Map"]}

dw = geemap.dynamic_world(region, start_date, end_date, return_type="hillshade")

Map.split_map(
    left_layer=geemap.ee_tile_layer(esa, esa_vis, "ESA LC"),
    right_layer=geemap.ee_tile_layer(dw, {}, "Dynamic World LC")
)

Map.add_legend(title="ESA Land Cover", builtin_legend="ESA_WorldCover", position="bottomleft")
Map.add_legend(title="Dynamic World Land Cover", builtin_legend="Dynamic_World", position="bottomright")

时间序列分析

geemap可以方便地创建和分析土地覆盖时间序列数据：

# 设置时间范围
start_date = "2017-01-01"
end_date = "2023-01-01"

# 获取时间序列数据
images = geemap.dynamic_world_timeseries(
    region, start_date, end_date, frequency="year", return_type="class"
)

# 可视化参数
vis_params = {
    "min": 0,
    "max": 8,
    "palette": [
        "#419BDF", "#397D49", "#88B053", "#7A87C6", 
        "#E49635", "#DFC35A", "#C4281B", "#A59B8F", "#B39FE1"
    ],
}

# 添加时间序列检查器
Map.ts_inspector(images, left_vis=vis_params, date_format="YYYY")

土地覆盖统计分析

全球土地覆盖面积统计

# 获取ESA土地覆盖数据
dataset = ee.ImageCollection("ESA/WorldCover/v200").first()

# 计算各类土地覆盖面积
df = geemap.image_area_by_group(
    dataset, scale=1000, denominator=1e6, decimal_places=4
)

# 可视化统计结果
geemap.bar_chart(
    df,
    x="class",
    y="area",
    x_label="Land Cover Type",
    y_label="Area (km2)",
)

国家尺度的土地覆盖分析

# 加载国家边界数据
countries = ee.FeatureCollection(geemap.examples.get_ee_path("countries"))

# 按国家统计土地覆盖
geemap.zonal_stats_by_group(
    dataset,
    countries,
    "esa_2021_country.csv",
    stat_type="SUM",
    denominator=1e6,
    scale=1000,
)

# 可视化各国森林面积
geemap.bar_chart(
    "esa_2021_country.csv",
    x="NAME",
    y="Class_10",
    max_rows=30,
    x_label="Country",
    y_label="Forest Area (km2)",
)