Affichage des données et création de graphiques

Bienvenue dans notre prochain module !

Dans ce module, nous allons approfondir notre analyse en affichant les données. C'est la première étape vers l'utilisation de graphiques et de diagrammes pour présenter des résultats quantifiables à partir de nos visualisations. Ensemble, nous examinerons un exemple d'affichage de deux bandes différentes dans une série chronologique à l'aide d'un nuage de points. Nous découvrirons également les réducteurs, des outils permettant de synthétiser de grandes quantités de données pour une région ou une période donnée, facilitant ainsi la compréhension des résultats.

Faire des visualisations

Vous savez maintenant comment créer des visualisations et des calques sur une carte, mais comment afficher les valeurs des pixels de l'image de manière lisible et interprétable ?

Les développeurs de GEE ont élaboré d'excellents guides. Certains d'entre eux (ici) abordent la création de graphiques, ce qui est exactement ce que nous souhaitons !

Exemple : Nuages ​​de points

Consultez les guides du lien ci-dessus pour trouver l'outil de traçage le mieux adapté à vos besoins. Examinons un exemple de nuage de points, généralement utile pour visualiser des points de données discrets.

// Import the example feature collection and subset the forest feature.
var forest = ee.FeatureCollection('projects/google/charts_feature_example')
                 .filter(ee.Filter.eq('label', 'Forest'));
Map.addLayer(forest)

// Load MODIS vegetation indices data and subset a decade of images.
var vegIndices = ee.ImageCollection('MODIS/006/MOD13A1')
                     .filter(ee.Filter.date('2010-01-01', '2020-01-01'))
                     .select(['NDVI', 'EVI']);

Le code ci-dessus importe simplement une région d'intérêt dans la variable « forest ». Nous ajoutons cette région à la carte à l'aide de Map.addLayer afin de visualiser la zone analysée. Ensuite, nous chargeons un jeu de données MODIS dans la variable « vegIndices » et le filtrons par date et par bande. La bande NDVI est un indice de végétation qui renseigne sur la densité et la santé de la végétation. L'EVI est l'indice de végétation amélioré, plus sensible, qui supprime des données des éléments tels que la fumée et les nuages ​​fins. Utilisons le code ci-dessous pour afficher les valeurs en pixels de chaque indice dans un graphique à des fins de comparaison.

// Define the chart and print it to the console.
var chart =
    ui.Chart.image
        .series({
          imageCollection: vegIndices,
          region: forest,
          reducer: ee.Reducer.mean(),
          scale: 500,
          xProperty: 'system:time_start'
        })
        .setSeriesNames(['EVI', 'NDVI'])
        .setOptions({
          title: 'Average Vegetation Index Value by Date for Forest',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {
            title: 'Vegetation index (x1e4)',
            titleTextStyle: {italic: false, bold: true}
          },
          lineWidth: 5,
          colors: ['e37d05', '1d6b99'],
          curveType: 'function'
        });
print(chart);

Cela ressemble à beaucoup de code pour un graphique, mais il s'agit surtout de formatage ! Nous commençons par créer une variable appelée chart et utilisons la fonction ui.Chart.image.series. Cette fonction ui.Chart est utile pour les collections d'images et les séries temporelles.

Pour nos entrées, nous spécifions la collection d'images que nous souhaitons afficher sous forme de vegIndices. La région que nous souhaitons représenter graphiquement est notre région d'intérêt (la variable « forêt »). Nous calculons ensuite la moyenne des valeurs de bande à l'aide du réducteur de moyenne.

(Remarque : un réducteur est une méthode permettant d'agréger des données sur une zone ou une période donnée. Un réducteur est appliqué à une collection d'images ou à une image unique pour produire une valeur de sortie unique, telle qu'une moyenne, une médiane, un maximum, un minimum ou un écart type, pour chaque bande ou combinaison de bandes de l'image. Les réducteurs permettent de synthétiser et d'extraire des informations à partir de grands ensembles de données. Consultez l'onglet « Documentation » dans le volet gauche de l'éditeur de code GEE pour plus de types de réducteurs.)

Le reste est une question de formatage : noms des séries, titre, titres des axes x et y, etc., comme dans MATLAB ou Python.

Enfin, nous imprimons le graphique dans la console à l'aide de la fonction print.

Résumer

Voici ce que nous avons appris lors de cette formation :

  • Nous avons travaillé dur pour visualiser les données satellite de différentes manières. Nous utilisons désormais des graphiques pour présenter les résultats quantifiables de nos visualisations.

  • Les développeurs de GEE ont élaboré des guides pour chaque type de graphique dans GEE. Ensemble, nous avons étudié un exemple d'affichage de deux bandes différentes dans une série chronologique à l'aide d'un nuage de points.

Nouveaux éléments de code :

  • ui.chart est une famille de fonctions utilisées pour créer des graphiques de nombreux types différents.

  • Les réducteurs sont des outils qui nous permettent de résumer de grandes quantités de données pour une région ou une période donnée, afin que nous puissions facilement digérer les résultats.