Passer au contenu principal
Ctrl+K
Documentation Digital Earth Africa 2026 - Home Documentation Digital Earth Africa 2026 - Home
  • Maison
  • Données
  • Plateformes
  • Accès direct
  • Alerte technique
  • À propos
  • GitHub
  • Maison
  • Données
  • Plateformes
  • Accès direct
  • Alerte technique
  • À propos
  • GitHub

Navigation dans la section

CARTES ET VISUALISATION

  • Carte de l'Afrique DE
  • Géoportail de l'Afrique

ANALYSE ET DÉCOUVERTE DE DONNÉES

  • Digital Earth Africa Sandbox
    • Commencer
    • Guide du débutant
      • Introduction aux notebooks Jupyter
      • Introduction aux produits et aux mesures
      • Chargement des données depuis Digital Earth Africa
      • Introduction au traçage
      • Effectuer une analyse de base
      • Introduction à Numpy
      • Introduction à xarray
      • Traitement parallèle avec Dask
      • Beginner’s Guide
    • Ensembles de données
      • ALOS/ALOS-2 PALSAR/PALSAR-2 Annual Mosaics
      • OECD/SWAC Africapolis with urban green space indicators
      • Service Copernicus de surveillance des terres - Qualité de l’eau des lacs
      • Données climatiques quadrillées ERA5
      • Littoraux
      • Cartes de l’étendue des terres cultivées en Afrique
      • Modèles numériques d’élévation
      • Couverture fractionnée
      • GeoMAD
      • Surveillance mondiale des mangroves
      • Cartes de densité de population à haute résolution
      • Cartes d’occupation du sol et d’utilisation du sol
      • Landsat Surface Reflectance
      • Landsat Surface Temperature
      • Anomalie mensuelle du NDVI
      • Climatologie NDVI
      • OpenStreetMap
      • Ensembles de données
      • Précipitations - Groupe des risques climatiques Précipitations infrarouges avec données de station (CHIRPS)
      • GéoMAD roulant
      • Sentinel-1
      • Sentinel-1 Monthly Mosaic
      • Sentinel-2 Collection 1
      • Sentinel-3 OLCI Land
      • Température de surface terrestre Sentinel-3 SLSTR
      • Produit Sentinel-3 Synergy Vegetation.
      • Eau Sentinel-3 OLCI
      • Sentinel-5P Tropomi Niveau-2
      • Système mondial d’analyse et de prévision de l’humidité de la zone racinaire (GRAFS)
      • Chargement des données WaPOR
      • Observations de l’eau depuis l’espace (WOfS)
      • Service de surveillance de la qualité de l’eau (WQMS) de Digital Earth Africa
      • Plans d’eau
      • ESA WorldCereal
      • L’empreinte de la colonisation mondiale (WSF)
      • Empreinte de peuplement mondial – Évolution
      • Données sur les sols de l’iSDA
    • Code fréquemment utilisé
      • Exécuter des analyses sur plusieurs polygones
      • Générer des séries chronologiques animées à l’aide de « xr_animation »
      • Application du masquage de bits WOfS
      • Calcul des indices de bande
      • Calcul des indices de bande avec le package Spyndex
      • Masquage de la qualité des nuages et des pixels pour Landsat
      • Extraction des courbes de niveau
      • Téléchargement et diffusion de données à l’aide des métadonnées STAC
      • Exportation de fichiers GeoTIFF optimisés pour le cloud
      • Génération de séries chronologiques animées continentales à l’aide de « xr_animation »
      • Générer des images composites
      • Génération de composites GeoMAD
      • Segmentation d’images
      • Displaying satellite imagery on a web map
      • Intégration de données externes à partir d’un fichier CSV
      • Exporter vers Google Drive depuis le Sandbox
      • Analyse en composantes principales pour les données multispectrales
      • Code fréquemment utilisé
      • Rastériser des vecteurs et vectoriser des rasters
      • Reprojection de données de cube de données et de données raster
      • Combinaison de données satellitaires et de modélisation des marées à l’aide d’OTPS
      • Utilisation de « load_ard » pour charger et masquer plusieurs capteurs satellites
      • Travailler avec le temps dans xarray
    • Exemples du monde réel
      • Animations en vraies couleurs avec des précipitations
      • Cartographie des zones brûlées à l’aide des données Sentinel-2
      • Cartographie des zones brûlées en temps quasi réel à l’aide du datacube Digital Earth Africa
      • Suivi des changements au fil du temps à l’aide de séquences vidéo d’images satellite
      • Surveillance de la chlorophylle-a dans les plans d’eau africains
      • Suivi de l’érosion côtière le long des côtes africaines
      • Mesurer la santé des cultures
      • Suivi de la santé des cultures à l’aide de l’indice de végétation amélioré
      • Exporter des images satellite de haute qualité
      • Détection de débris marins flottants
      • Prévision de l’état de la végétation des terres cultivées
      • Suivi des changements dans l’étendue des forêts
      • Exporter des animations d’images satellite
      • Inspection de WaPOR dans le temps
      • Modélisation de l’élévation intertidale à l’aide de données de marée
      • Modélisation de l’élévation intertidale à l’aide des données de marée et de Sentinel-2
      • Identifier les cultures irriguées actives
      • Besoins en eau des cultures irriguées
      • Apprentissage automatique avec Open Data Cube
      • Suivi des étendues de mangroves
      • Générer des animations NDVI
      • Phénologie de la végétation
      • Phénologie de la végétation par radar avec Sentinel-1
      • Exemples concrets
      • Cartographie des zones urbaines à l’aide des données Sentinel 1
      • Water detection with Sentinel-1
      • Anomalies de précipitations provenant des données de la station de précipitations infrarouges du Climate Hazards Group (CHIRPS)
      • Identification des navires avec Sentinel-1
      • Analyse des séries chronologiques de température
      • Détecter les changements dans l’étendue urbaine
      • Approche OCDE/CSAO d’estimation des espaces verts urbains et du couvert arboré
      • Comparaison de l’indice d’urbanisation avec l’habitat humain mondial (GHS)
      • Cartographie de l’étendue des arbres urbains
      • Anomalies mensuelles de l’état de la végétation
      • Détection des changements de végétation
      • Cartographie des changements à long terme dans l’étendue des eaux avec WOfS
      • Déterminer l’étendue saisonnière des plans d’eau avec Sentinel-2
      • Surveillance par séries temporelles des plantes aquatiques et des algues flottantes
      • Surveillance par séries temporelles de la turbidité
      • Surveillance de la qualité de l’eau
      • Animations à long terme sur les plans d’eau
      • Animations saisonnières sur les plans d’eau
      • Turbidité dans les zones humides
      • Outil d’analyse des zones humides
      • Apprentissage automatique supervisé évolutif
        • Machine learning supervisé évolutif sur Open Data Cube
        • Extraction des données de formation de l’ODC
        • Inspection des données de formation
        • Évaluer, optimiser et ajuster un classificateur
        • Classification des données satellitaires
        • Filtrage basé sur les objets des classifications de pixels
    • Cas d’utilisation
    • Paquet d’outils DE Africa
      • deafrica_tools.areaofinterest
      • deafrica_tools.bandindices
      • deafrica_tools.coastal
      • deafrica_tools.dask
      • deafrica_tools.load_era5
      • deafrica_tools.load_sol_humidité
      • deafrica_tools.plotting
      • deafrica_tools.spatial
      • deafrica_tools.temporal
        • deafrica_tools.temporal.xr_phenology
        • deafrica_tools.temporal.temporal_statistics
      • deafrica_tools.waterbodies
      • deafrica_tools.app.deacoastlines
      • deafrica_tools.app.forestmonitoring
      • deafrica_tools.app.geomedian
      • deafrica_tools.app.imageexport
      • deafrica_tools.app.widgetconstructors
    • Obtenir de l’aide avec le bac à sable
    • Contrôle de version avec Git
      • Qu’est-ce que Git ?
      • Se connecter à Git
      • Git avec le menu Git
      • Git avec Terminal
      • Faire une demande d’extraction (PR)
    • Comprendre Dask
      • Chargement différé des données
      • Opérations paresseuses
      • Client Dask pour les ensembles de données plus volumineux
    • Accès à Google Drive
    • Conditions générales d’utilisation de DE Africa Sandbox

DÉPLOIEMENT LOCAL

  • Cube in a Box
  • Plateformes Digital Earth Africa
  • Bac à sable d’analyse
  • Exemples du monde réel
  • Apprentissage automatique supervisé évolutif

Apprentissage automatique supervisé évolutif#

Ce flux de travail couvre la formation d’un modèle d’apprentissage automatique pour classer les données satellite.

  • Machine learning supervisé évolutif sur Open Data Cube
  • Extraction des données de formation de l’ODC
  • Inspection des données de formation
  • Importance des fonctionnalités
  • Évaluer, optimiser et ajuster un classificateur
  • Classification des données satellitaires
  • Filtrage basé sur les objets des classifications de pixels
Digital Earth Africa is a programme of icipe – International Centre of Insect Physiology and Ecology
© 2026 Digital Earth Africa. All Rights Reserved. Privacy