使用geemap进行全球土地覆盖数据可视化与分析

使用geemap进行全球土地覆盖数据可视化与分析

前言

geemap是一个基于Google Earth Engine (GEE)的Python库，它提供了丰富的功能来简化GEE数据的使用和分析。本文将重点介绍如何使用geemap对全球土地覆盖数据进行可视化和分析。

准备工作

安装geemap

首先需要安装geemap库：

pip install geemap

导入必要的库

import ee
import geemap

初始化GEE

geemap.ee_initialize()

可视化全球土地覆盖数据

创建Dynamic World土地覆盖合成图

Dynamic World是一个近实时的全球土地覆盖数据集，提供9种土地覆盖类型的高分辨率分类。

# 创建地图
Map = geemap.Map()
Map.add_basemap("HYBRID")

# 设置感兴趣区域
region = ee.Geometry.BBox(-89.7088, 42.9006, -89.0647, 43.2167)
Map.centerObject(region)

# 设置日期范围
start_date = "2021-01-01"
end_date = "2022-01-01"

# 创建Dynamic World土地覆盖合成图
landcover = geemap.dynamic_world(region, start_date, end_date, clip=True, return_type="class")

# 定义可视化参数
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
    ],
}

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

比较不同全球土地覆盖数据集

ESA全球土地覆盖数据

ESA WorldCover提供10米分辨率的全球土地覆盖数据。

Map = geemap.Map()
esa = ee.ImageCollection("ESA/WorldCover/v200").first()
esa_vis = {"bands": ["Map"]}
Map.addLayer(esa, esa_vis, "ESA LC 2021")
Map.add_legend(title="ESA Land Cover", builtin_legend="ESA_WorldCover")
Map

ESRI全球土地覆盖数据

ESRI提供10米分辨率的全球土地覆盖时间序列数据。

Map = geemap.Map()
esri = ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m_TS").filterDate(start_date, end_date).mosaic()
esri_vis = {
    "min": 1,
    "max": 11,
    "palette": [
        "#1A5BAB",  # 水体
        "#358221",  # 树木
        "#000000",  # 草地
        "#87D19E",  # 湿地
        "#FFDB5C",  # 农田
        "#000000",  # 灌木
        "#ED022A",  # 建筑
        "#EDE9E4",  # 裸地
        "#F2FAFF",  # 冰雪
        "#C8C8C8",  # 云层
        "#C6AD8D",  # 其他
    ],
}
Map.addLayer(esri, esri_vis, "ESRI LC 2021")
Map.add_legend(title="ESRI Land Cover", builtin_legend="ESRI_LandCover_TS")
Map

创建Dynamic World时间序列

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

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

# 创建时间序列
images = geemap.dynamic_world_timeseries(region, start_date, end_date, frequency="year", return_type="class")

# 添加时间序列检查器
Map.ts_inspector(images, left_vis=dwVisParams, date_format="YYYY")
Map.add_legend(title="Dynamic World Land Cover", builtin_legend="Dynamic_World")
Map

分析全球土地覆盖数据

计算各类土地覆盖面积

# 计算ESA土地覆盖各类型面积
df = geemap.image_area_by_group(
    esa, scale=1000, denominator=1e6, decimal_places=4, verbose=True
)

# 添加类别名称
esa_dict = {
    "10 Trees": "006400",
    "20 Shrubland": "ffbb22",
    "30 Grassland": "ffff4c",
    "40 Cropland": "f096ff",
    "50 Built-up": "fa0000",
    "60 Barren / sparse vegetation": "b4b4b4",
    "70 Snow and ice": "f0f0f0",
    "80 Open water": "0064c8",
    "90 Herbaceous wetland": "0096a0",
    "95 Mangroves": "00cf75",
    "100 Moss and lichen": "fae6a0",
}
df["class"] = list(esa_dict.keys())

# 绘制柱状图
geemap.bar_chart(
    df,
    x="class",
    y="area",
    x_label="Land Cover Type",
    y_label="Area (km2)",
)

# 绘制饼图
geemap.pie_chart(df, names="class", values="area", height=500)

按国家统计土地覆盖数据

# 加载国家边界数据
countries = ee.FeatureCollection(geemap.examples.get_ee_path("countries"))
Map.addLayer(countries, {}, "Countries")

# 按国家统计土地覆盖数据
geemap.zonal_stats_by_group(
    esa,
    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)",
)

总结

本文介绍了如何使用geemap对全球土地覆盖数据进行可视化和分析，包括：

1. 可视化Dynamic World、ESA和ESRI等不同来源的土地覆盖数据
2. 创建土地覆盖时间序列动画
3. 计算各类土地覆盖的面积
4. 按国家统计土地覆盖数据并可视化

geemap提供了简单易用的接口，使得在Python环境中处理GEE数据变得更加高效和便捷。通过这些工具，研究人员可以更轻松地进行全球土地覆盖变化的监测和分析。