Données mensuelles de la mosaïque de la planète
Produits utilisés : DE Africa Waterbodies, s2_l2a, `Planet API <>`__
Aperçu
L’Initiative internationale norvégienne pour le climat et les forêts (NICFI) est un fonds de développement international qui contribue à préserver les forêts tropicales du monde tout en améliorant les moyens de subsistance de ceux qui vivent de, dans et à proximité des forêts. En septembre 2020, le ministère norvégien du climat et de l’environnement a attribué un contrat international à Kongsberg Satellite Services (KSAT), avec ses partenaires Planet et Airbus, pour fournir un accès complet à la surveillance par satellite haute résolution des tropiques. Dans le cadre de ce programme, Planet s’est associé au NICFI pour mettre gratuitement à la disposition des utilisateurs des images satellite haute résolution des tropiques, faisant ainsi progresser l’objectif du NICFI de réduire et d’inverser la perte de forêts tropicales, de lutter contre le changement climatique, de préserver la biodiversité et de faciliter le développement durable. Des informations supplémentaires sur le programme sont disponibles sur le site Web du programme NICFI <https://www.planet.com/nicfi>.
Digital Earth Africa a permis aux utilisateurs de visualiser les dernières mosaïques mensuelles et semestrielles en haute résolution (< 5 m) du NICFI via sa plateforme (Maps et Sandbox). Ces mosaïques visuelles fournissent des images optimisées en couleurs réelles, ce qui les rend idéales pour l’affichage et l’interprétation visuelle. Pour plus d’informations et pour accéder à d’autres produits visuels et analytiques de Planet, visitez le site Web du programme NICFI <https://www.planet.com/nicfi>`__
Détails importants :
Mosaïque mensuelle de la planète
Résolution spatiale : 4,77 m
Bandes : Rouge, Vert, Bleu (3 bandes)
Résolution temporelle : mensuelle
Période de validité : 2020-09 – présent
Fréquence de mise à jour : mensuelle
Latence de mise à jour : 5 jours maximum par rapport au mois précédent
Accès à l’API :
https://api.digitalearth.africa/planet/tiles/basemaps/v1/planet-tiles/planet_medres_visual_year-month_mosaic/gmap/{z}/{x}/{y}.pngMosaïque biannuelle Archive Planet
Résolution spatiale : 4,77 m
Bandes : Rouge, Vert, Bleu (3 bandes)
Résolution temporelle : 6 mois
Période de temps : 2015-12 – 2020-08
Pour une description détaillée, visitez NICFI_UserGuidesFAQ.pdf.
Description
Ce cahier montre comment utiliser les données de la mosaïque mensuelle Planet en conjonction avec d’autres services DE Africa.
Les sujets abordés comprennent :
Définir la zone d’intérêt
Tracé de la masse d’eau, de l’indice de végétation par différence normalisée (NDVI) et de l’indice de développement (BUI) avec la mosaïque mensuelle de la planète comme carte de base
Commencer
Pour exécuter cette analyse, exécutez toutes les cellules du bloc-notes, en commençant par la cellule « Charger les packages ».
Charger des paquets
Importez les packages Python utilisés pour l’analyse.
[1]:
import geopandas as gpd
from datacube.utils.geometry import Geometry
from deafrica_tools.plotting import display_map
from deafrica_tools.areaofinterest import define_area
from deafrica_tools.app.planetbasemap import loadplanet
Paramètres d’analyse
La cellule suivante définit les paramètres qui définissent la zone d’intérêt et la durée de l’analyse. Les paramètres sont
« lat » : la latitude centrale à analyser (par exemple « 10,338 »).
« lon » : la longitude centrale à analyser (par exemple « -1,055 »).
« buffer » : le nombre de degrés carrés à charger autour de la latitude et de la longitude centrales.
Sélectionnez l’emplacement
Pour définir la zone d’intérêt, deux méthodes sont disponibles :
En spécifiant la latitude, la longitude et la zone tampon. Cette méthode nécessite que vous saisissiez la latitude centrale, la longitude centrale et la valeur de la zone tampon en degrés carrés autour du point central que vous souhaitez analyser. Par exemple, « lat = 10,338 », « lon = -1,055 » et « buffer = 0,1 » sélectionneront une zone avec un rayon de 0,1 degré carré autour du point avec les coordonnées (10,338, -1,055).
By uploading a polygon as a
GeoJSON or Esri Shapefile. If you choose this option, you will need to upload the geojson or ESRI shapefile into the Sandbox using Upload Files button
in the top left corner of the Jupyter Notebook interface. ESRI shapefiles must be uploaded with all the related files (.cpg, .dbf, .shp, .shx). Once uploaded, you can use the shapefile or geojson to define the area of interest. Remember to update the code to call the file you have uploaded.
Pour utiliser l’une de ces méthodes, vous pouvez décommenter la ligne de code concernée et commenter l’autre. Pour commenter une ligne, ajoutez le symbole "#" avant le code que vous souhaitez commenter. Par défaut, la première option qui définit l’emplacement à l’aide de la latitude, de la longitude et du tampon est utilisée.
Si vous exécutez le bloc-notes pour la première fois, conservez les paramètres par défaut ci-dessous. Cela montrera comment fonctionne l’analyse et fournira des résultats significatifs. L’exemple porte sur le barrage de Bui dans la région d’Ashanti, au Ghana.
[2]:
# Method 1: Specify the latitude, longitude, and buffer
aoi = define_area(lat=6.74248, lon=-1.69340, buffer=0.05)
# Method 2: Use a polygon as a GeoJSON or Esri Shapefile.
# aoi = define_area(vector_path='aoi.shp')
geopolygon = Geometry(aoi["features"][0]["geometry"], crs="epsg:4326")
geopolygon_gdf = gpd.GeoDataFrame(geometry=[geopolygon.geom], crs=geopolygon.crs)
# Get the latitude and longitude range of the geopolygon
lon_range = (geopolygon_gdf.total_bounds[0], geopolygon_gdf.total_bounds[2])
lat_range = (geopolygon_gdf.total_bounds[1], geopolygon_gdf.total_bounds[3])
Afficher l’emplacement sélectionné
La cellule suivante affichera la zone sélectionnée sur une carte interactive. N’hésitez pas à zoomer et dézoomer pour mieux comprendre la zone que vous allez analyser. En cliquant sur n’importe quel point de la carte, vous découvrirez les coordonnées de latitude et de longitude de ce point.
[3]:
display_map(x=lon_range, y=lat_range, zoom_bias=1)
[3]:
Tracé du résultat
La cellule ci-dessous trace la carte avec les fonctions « ipyleaflet », qui chargent « opensteetmap » et la « Latest Planet monthly mosaic » comme fond de carte. Elle charge également le
« Zone construite » : générée à l’aide de l’indice de construction (BUI)
« Végétation » : généré à l’aide de l’indice de végétation par différence normalisée (NDVI)
« Masses d’eau » : étendue maximale cartographiée dans le service Plans d’eau
Le NDVI et le BUI ont été calculés à partir du GeoMad annuel Sentinel-2. Plus d’informations sur le GeoMAD.
La fonction loadplanet prend deux paramètres
lon_range: tampon de longitude pour la zone d’étudelat_range: tampon de latitude pour la zone d’étude
La cellule suivante affichera la zone sélectionnée sur une carte interactive. N’hésitez pas à zoomer et dézoomer pour mieux comprendre la zone que vous allez analyser.
[4]:
# NDVI threshold can be adjusted below; the NDVI value range is between 0 and 1, default value used is 0.6
threshold_nvdi = 0.6
# BUI threshold can be adjsuted below, BUI value range is between -1 and 1, default value used is 0
threshold_bui = 0
loadplanet(lon_range, lat_range, threshold_nvdi, threshold_bui)
[4]:
Informations Complémentaires
Licence : Le code de ce carnet est sous licence Apache, version 2.0 <https://www.apache.org/licenses/LICENSE-2.0>. Les données de Digital Earth Africa sont sous licence Creative Commons par attribution 4.0 <https://creativecommons.org/licenses/by/4.0/>.
Contact : Si vous avez besoin d’aide, veuillez poster une question sur le canal Slack Open Data Cube <http://slack.opendatacube.org/>`__ ou sur le GIS Stack Exchange en utilisant la balise open-data-cube (vous pouvez consulter les questions posées précédemment ici). Si vous souhaitez signaler un problème avec ce bloc-notes, vous pouvez en déposer un sur Github.
Version de Datacube compatible :
[5]:
import datacube
print(datacube.__version__)
1.8.20
Dernier test :
[6]:
from datetime import datetime
datetime.today().strftime("%Y-%m-%d")
[6]:
'2025-01-14'