Springe direkt zu Inhalt

ملخص وأفضل الممارسات

لاختتام الفصل الأول، سنلقي نظرة على كود معدل وملخص من مقتطفات الكود بالإضافة إلى مثال جديد حول كيفية تنزيل بيانات Landsat 8 لمدة 8 سنوات لوحدة إدارية واحدة من اختيارك.

بالنسبة للنص البرمجي الذي نعرفه بالفعل، سننظر في نسختين مختلفتين: واحدة بدون أي تقنيات تصميم وتعليقات، والأخرى تتبع قواعد "أفضل الممارسات" الأساسية لمعرفة الاختلاف الكبير في جودة كودك.

سنقوم بعد ذلك بحفظ البرامج النصية في علامة التبويب "البرامج النصية" لإتاحتها دائمًا للرجوع إليها في المستقبل.

كود فوضوي

هذا مثال على الكيفية التي يجب ألا تبدو بها التعليمات البرمجية الخاصة بك.

 

نقائص:

 • لا توجد تعليقات لإعادة بناء ما يتم القيام به

 • عدم وجود مسافات مناسبة لتوجيه أفضل

 • لا توجد أسماء مخصصة للمطبوعات ورسامي الخرائط ، مما يجعل من الصعب التمييز بينهم

 • لا توجد فاصلة منقوطة لتمييز رمز متماسك منتهي

var extent_lebanon = ee.FeatureCollection("FAO/GAUL/2015/level0")
                  .filter(ee.Filter.eq('ADM0_NAME', 'Lebanon'))

var s2a = ee.ImageCollection('COPERNICUS/S2_SR')
                  .filterBounds(extent_lebanon)
                  .filterDate('2020-01-01', '2020-12-31')
                  .select('B1','B2','B3','B4','B5','B6','B7','B8','B8A','B9','B11','B12')
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))
print(s2a)

var visParams = {'min': 400,'max': [4000,3000,3000],   'bands':'B8,B4,B3'}
Map.addLayer(s2a, visParams ,'Sentinel2', false)
Map.centerObject(s2a,9)

var s2a_image = s2a.mosaic()
print(s2a_image)

var s2a_clip = s2a_image.clip(extent_lebanon)
print(s2a_clip)
Map.addLayer(s2a_clip, visParams)

var s2_mean = s2a.reduce(ee.Reducer.mean())
              .clip(extent_lebanon)
print(s2_mean)

var visParams_mean = {'min': 400,'max': [4000,3000,3000],   'bands':'B8_mean,B4_mean,B3_mean'}
Map.addLayer(s2_mean, visParams_mean, 'IC 2020 reduce mean', false)

var s2_minMax = s2a.reduce(ee.Reducer.minMax())
              .clip(extent_lebanon)
print(s2_minMax)

var visParams_min = {'min': 0,'max': [2000,2000,2000],   'bands':'B8_min,B4_min,B3_min'}
var visParams_max = {'min': 1500,'max': [8000,9000,9000], 'bands':'B8_max,B4_max,B3_max'}
Map.addLayer(s2_minMax, visParams_min, 'IC 2020 reduce min', false)
Map.addLayer(s2_minMax, visParams_max, 'IC 2020 reduce max', false)

var chart = ui.Chart.image
  .series({
    imageCollection: s2a.select('B3','B4','B8'),
    region: extent_lebanon,
    reducer: ee.Reducer.mean(),
    scale: 200
     })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date for Lebanon',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  })
print(chart)

var doychart = ui.Chart.image
  .doySeries({
    imageCollection: s2a.select('B3','B4','B8'),
    region: extent_lebanon,
    regionReducer: ee.Reducer.mean(),
    scale: 200,
    yearReducer: ee.Reducer.mean(),
    startDay: 1,
    endDay: 365
  })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date for Lebanon',
          hAxis: {title: 'Day of year', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  })
print(doychart)

كود نظيف

هذا مثال على الشكل الذي يجب أن تبدو عليه التعليمات البرمجية الخاصة بك.

كما ترى، النتائج النهائية لكلا البرنامجين هي نفسها. ومع ذلك، بالنسبة للنص المعلق، من الأسهل بكثير فهم النص واستعادة الوسائط والمخرجات الفردية. يمكن أن يكون هذا مفيدًا بشكل أساسي ليس فقط للآخرين الذين يقرؤون النص الخاص بك، ولكن أيضًا لنفسك للعودة إليه بسهولة عندما لا تستخدمه لفترة من الوقت.

//Step 1: Access your boundary-defining geometry
var extent_lebanon = ee.FeatureCollection("FAO/GAUL/2015/level0")
                  .filter(ee.Filter.eq('ADM0_NAME', 'Lebanon')); //filter for entry that equals the UN country name 'Lebanon'



//Step 2: Access the Sentinel-2 Level-2A data and filter it for all the the images of the year 2020 that lie within the geometries boundaries. Keep only the relevant bands and filter for cloud coverage.
var s2a = ee.ImageCollection('COPERNICUS/S2_SR')
                  .filterBounds(extent_lebanon)
                  .filterDate('2020-01-01', '2020-12-31')
                  .select('B1','B2','B3','B4','B5','B6','B7','B8','B8A','B9','B11','B12')
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10));

//Print your ImageCollection to your console tab to inspect it
print(s2a, 'Image Collection 2020');



//Step 3: Visualizing Data
//Define the visualizing parameters; for this example, we will only define the visualized bands and the min/max values
var visParams = {'min': 400,'max': [4000,3000,3000],   'bands':'B8,B4,B3'}; //bands 8, 4 and 3 are to be visualized; minimum value is 400 for all three bands, maximum value is 4000 for band 8, 3000 for band 4 and 3

Map.addLayer(s2a, visParams ,'Sentinel2', false);   // Visualize the ImageCollection in the Map panel and assign a name to it; Hide the layer by default, as it takes long to render
Map.centerObject(s2a,9);              // Center the map panel on the ImageCollection; zoom level is 9



//Step 4: Further process your ImageCollection
//Turn the ImageCollection to a single layerstack; this is essential for being able to clip it
var s2a_image = s2a.mosaic();
print(s2a_image, 'Layerstack Image 2020 Lebanon, < 10% Cloud Cover');

//Clip the layerstack to the extent of the geometry
var s2a_clip = s2a_image.clip(extent_lebanon);
print(s2a_clip, 'Layerstack Image 2020 Lebanon clipped, < 10% Cloud Cover');

//Add the result to the map
Map.addLayer(s2a_clip, visParams ,'Sentinel-2 Level-2A 2020 clipped');



//Step 5: Use Reducers to have a look at image statistics via the print tab or the Inspector
var s2_mean = s2a.reduce(ee.Reducer.mean())
              .clip(extent_lebanon);        //The result can be clipped, as it is an Image!
print(s2_mean, 'IC 2020 reduce mean');

//the band names have changed, so we will have to define a new visParams
var visParams_mean = {'min': 400,'max': [4000,3000,3000],   'bands':'B8_mean,B4_mean,B3_mean'};
Map.addLayer(s2_mean, visParams_mean, 'IC 2020 reduce mean', false);

//Same for min max values. Take note that this will produce double the bands, one for min and one for max values
var s2_minMax = s2a.reduce(ee.Reducer.minMax())
              .clip(extent_lebanon);
print(s2_minMax, 'IC 2020 reduce minMax');

var visParams_min = {'min': 0,'max': [2000,2000,2000],   'bands':'B8_min,B4_min,B3_min'};
var visParams_max = {'min': 1500,'max': [8000,9000,9000], 'bands':'B8_max,B4_max,B3_max'};
Map.addLayer(s2_minMax, visParams_min, 'IC 2020 reduce min', false);
Map.addLayer(s2_minMax, visParams_max, 'IC 2020 reduce max', false);



//Step 6: Have a look at various charts for your data
//Add a time series chart of the mean surface reflectance values of bands 3, 4 and 8
var chart = ui.Chart.image
  .series({
    imageCollection: s2a.select('B3','B4','B8'),
    region: extent_lebanon,
    reducer: ee.Reducer.mean(),
    scale: 200
     })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date for Lebanon',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  });

print(chart);

//Add a day-of-year-chart of the mean surface reflectance values of bands 3, 4 and 8
var doychart = ui.Chart.image
  .doySeries({
    imageCollection: s2a.select('B3','B4','B8'),
    region: extent_lebanon,
    regionReducer: ee.Reducer.mean(),
    scale: 200,
    yearReducer: ee.Reducer.mean(),
    startDay: 1,
    endDay: 365
  })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date for Lebanon',
          hAxis: {title: 'Day of year', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  });

print(doychart);

مثال على لاندسات 8

دعنا نلقي نظرة على نفس مفهوم البرنامج الكودي لبيانات Landsat 8. يرجى تشغيل الكود في علامة تبويب منفصلة. لإضفاء الإثارة على الأمور، سننظر في طريقة بديلة لاستكشاف مجالات البحث ومراقبة سلسلة زمنية أطول.

//Step 1: Access your boundary-defining geometry
//load the GAUL-Level2 layer to see administrative units. choose one and place a point geometry in it. This code should be commented as soon as you chose one!
//var gaul_l2 = ee.FeatureCollection("FAO/GAUL/2015/level2");
//Map.addLayer(gaul_l2);

//The point geometry will automatically be added to your Imports at the top of your code
//To make this reconstructable, this is the point that was used for this tutorial. If you chose your own, please skip the following line.
var geometry = /* color: #d63000 */ee.Geometry.Point([38.931862676219545, 35.80741370345301]);



//Filter the GAUL-Level2 layer to only contain the desired feature you placed your point geometry in.
var au_layer = ee.FeatureCollection('FAO/GAUL/2015/level2')
                    .filterBounds(geometry);
print(au_layer, 'Administrative Unit');
Map.addLayer(au_layer, {},'Administrative Unit');
/*
We can now see detailed information on the Administrative Unit we selected by browsing 'features' -> 0 -> properties, for example:
ADM0_CODE: 238
ADM0_NAME: Syrian Arab Republic
ADM2_NAME: Raqqa
*/



//Step 2: Choose a Landsat 8 Catalog for your needs and filter it. In this example, we use Tier 1 Surface Reflectance data. Make sure to check the documentation to learn more about its bands and image properties!
var ls8 = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
        .filterBounds(au_layer)
        .filterDate('2013-04-1', '2021-04-1')
        .filter(ee.Filter.lt('CLOUD_COVER', 10));
print(ls8, 'Image Collection 2013-2021 <10% clouds'); //we receive 439 elements



//Step 3: Define the visualizing parameters
var visParams = {'min': 400,'max': [4000,3000,3000],   'bands':'B5,B4,B3'}; //bands 5, 4 and 3 are to be visualized; minimum value is 400 for all three bands, maximum value is 4000 for band 5, 3000 for band 4 and 3

Map.addLayer(ls8, visParams ,'Landsat 8', false);   // Visualize the ImageCollection in the Map panel and assign a name to it; Hide the layer by default, as it takes long to render
Map.centerObject(ls8,10);              // Center the map panel on the ImageCollection; zoom level is 10



//Step 4: Further process your ImageCollection
//Turn the ImageCollection to a single layerstack; this is essential for being able to clip it
var ls8_image = ls8.mosaic();
print(ls8_image, 'Layerstack Image 2013-2021, < 10% Cloud Cover');

//Clip the layerstack to the extent of the geometry
var ls8_clip = ls8_image.clip(au_layer);
print(ls8_clip, 'Layerstack Image 2013-2021 clipped, < 10% Cloud Cover');

//Add the result to the map
Map.addLayer(ls8_clip, visParams ,'Landsat8 T1 SR 2013-2021 clipped');



//Step 5: Use Reducers to have a look at image statistics via the print tab or the Inspector
var ls8_mean = ls8.reduce(ee.Reducer.mean())
              .clip(au_layer);        //The result can be clipped, as it is an Image!
print(ls8_mean, '2013-2021 reduce mean');

//the band names have changed, so we will have to define a new visParams
var visParams_mean = {'min': 400,'max': [5000,5000,5000],   'bands':'B5_mean,B4_mean,B3_mean'};
Map.addLayer(ls8_mean, visParams_mean, '2013-2021 reduce mean', false);

//Same for min max values. Take note that this will produce double the bands, one for min and one for max values
var ls8_minMax = ls8.reduce(ee.Reducer.minMax())
              .clip(au_layer);
print(ls8_minMax, '2013-2021 reduce minMax');

var visParams_min = {'min': 0,'max': [2000,2000,2000],   'bands':'B5_min,B4_min,B3_min'};
var visParams_max = {'min': 1500,'max': [8000,9000,9000], 'bands':'B5_max,B4_max,B3_max'};
Map.addLayer(ls8_minMax, visParams_min, '2013-2021 reduce min', false);
Map.addLayer(ls8_minMax, visParams_max, '2013-2021 reduce max', false);



//Step 6: Have a look at various charts for your data
//Add a time series chart of the mean surface reflectance values of bands 3, 4 and 5
var chart = ui.Chart.image
  .series({
    imageCollection: ls8.select('B3','B4','B5'),
    region: au_layer,
    reducer: ee.Reducer.mean(),
    scale: 200
     })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  });

print(chart);

//Add a day-of-year-chart of the mean surface reflectance values of bands 3, 4 and 5
var doychart = ui.Chart.image
  .doySeries({
    imageCollection: ls8.select('B3','B4','B5'),
    region: au_layer,
    regionReducer: ee.Reducer.mean(),
    scale: 200,
    yearReducer: ee.Reducer.mean(),
    startDay: 1,
    endDay: 365
  })
  .setOptions({
          title: 'Mean Surface Reflectance Value by Date',
          hAxis: {title: 'Day of year', titleTextStyle: {italic: false, bold: true}},
          vAxis: {title: 'Surface Reflectance',titleTextStyle: {italic: false, bold: true}},
  });

print(doychart);

يمكننا الآن حفظ البرامج البرمجية الخاصة بنا في مستودع البرامج البرمجية الخاص بنا. للقيام بذلك، ما عليك سوى النقر فوق حفظ في محرر التعليمات البرمجية واختيار مسار واسم ملف. مثل هذا، نوفرها دائمًا للرجوع إليها في المستقبل حول كيفية الوصول إلى بيانات S-2 Level-2A أو Landsat 8 Tier 1 SR لمجال بحثنا، وتصفيتها وقصها وتصورها. كل ما يتعين علينا تغييره هو تعديل منطقة البحث وكذلك اختيار النطاق الزمني المناسب. 

قد يكون من المفيد إنشاء هيكل مجلد مشابه لتنظيم البيانات على جهاز الكمبيوتر الخاص بك، حيث يمكن بسهولة إضافة البرامج البرمجية عندما يكون لديك مجلدات منفصلة لمستشعر أو رمز تطبيقات معين، سيكون لديك وقت أسهل في البحث عن البرامج النصية وإدارتها وتنظيمها.