AI Earth 开发者模式—— 如何加载影像?以Landsat 5 影像为例

简介: AI Earth 开发者模式—— 如何加载影像?以Landsat 5 影像为例

新建notebook

image.png

这里和GEE中的python一样,我们首先要进行SDK的导入,然后进行认证和初始化。

导入AIE Python SDK并初始化

第一次执行下面一段代码时,会在后台系统初始化计算资源(通常约1分钟)。在长时间无计算任务运行后,相关的计算资源会被后台系统自动回收,需要执行下面一段代码重新初始化。

初始化代码:

# 每个notebook首次运行需要先运行以下初始化代码
import aie
aie.Authenticate()
aie.Initialize()

这里的的初始化过程比GEE更为简单,因为,这里无需账号的验证,估计后续可能会验证和修改,不过这个简化的过程确实值得称赞,我估计这个就是在登录平台之后你的账号已经被认定了,从登录那里来直接获取你的个人信息。

导入数据

AI Earth平台目前主要分为三类数据分别是影像类、矢量类和数据集三类,其中影像和矢量均采用SpatioTemporal Asset Catalog (STAC)进行管理,对应数据集合或单项数据均有各自全局唯一的STAC ID。也就是每一个在平台上有的数据集都会有单一的ID号来方便引用和分析

  • 影像类:即栅格数据,包括Image和ImageCollection;这里指的就是单景影像和影像集合
  • 矢量类:包括Feature和FeatureCollection;矢量和矢量集合
  • 数据集:除影像、矢量之外的非时空类数据,包括用户上传、代码生成的csv、txt、json、zip等格式的文件。这里相比于GEE还可以上传txt文档。

简单的数据类型介绍:

AIE Python SDK主要提供对影像和矢量相关的处理能力,对应的数据类型主要为:

  • Image: 影像,通常可以类比于一个影像文件,如GeoTIFF、IMG等;
  • ImageCollection: 影像集合,包含一个或多个Image对象;
  • Feature: 矢量,通常可以类比于一个shapefile内的一个矢量;
  • FeatureCollection: 矢量集合,通常可以类比于一个shapefile;
  • Geometry: 几何对象,是Feature中的geometry部分。

导入影像(栅格)类数据

影像类数据可以来自公开数据,也可以来自用户上传数据。如果平台没有你所需的数据,仍然可以利用自己通过其它方式进行数据上传,

导入公开影像集合为ImageCollection

在开发者模式左侧 数据 列表下,选择 公开数据 栏,点击公开数据右侧的 “ + ”号即可将对应的影像集合到Notebook中。如下图所示,LANDSAT_LT05_T02_T1_L2即为该ImageCollection全局唯一的STAC ID。公开数据详情请参见平台 数据资源介绍页

在数据集界面当中我们可以分别点击不同的数据集来完成不同数据集的的ID介绍,这里和GEE当中的Collection Snippet是一样的道理

image.png

当我们尝试加载影像的时候,直接就会将整个影像代码块导入到notebook中,这样只要我们在前期完成了程序的初始化后就可以直接搞定,进行影像的加载了:

image.png

这里以Landsat 5影像为例:

#初始化
import aie
aie.Authenticate()
aie.Initialize()
# 指定需要检索的区域,这里以浙江省为研究区
feature_collection = aie.FeatureCollection('China_Province') \
                        .filter(aie.Filter.eq('province', '浙江省'))
geometry = feature_collection.geometry()
# 指定检索数据集,可设置检索的空间和时间范围,以及属性过滤条件(如云量过滤等)
dataset = aie.ImageCollection('LANDSAT_LT05_T02_T1_L2') \
             .filterBounds(geometry) \
             .filterDate('2004-04-01', '2004-04-31') \
             .filter(aie.Filter.lte('eo:cloud_cover', 10.0)) \
             .limit(10) #这里将影像数量限制导10景
#加载地图的中心点
map = aie.Map(
    center=feature_collection.getCenter(),
    height=800,
    zoom=7
)
#地图的可视化参数
vis_params = {
    'bands': ['SR_B3', 'SR_B2', 'SR_B1'],
    'min': 8000,
    'max': 13000,
}
#加载影像
map.addLayer(
    dataset,
    vis_params,
    'True Color (321)',
    bounds=dataset.getBounds()
)
map

当你点击运行的时候会显示初始化的进程,完成后会提示有计算机初始化完成,然后紧接着就会有一个地图出来,这个地下的MAP地图布局有点像GEE中JavaScript界面当中MAP,可以上下拖动:

image.pngimage.png

以上就完成了Landsat 5影像的加载

image.png

这里介绍一下,在开发者模式的界面的右侧同样出现的是数据集和左侧列表一样,同时如果将鼠标放上去,然后回出现整个数据加载的代码,相比于GEE中的JavaScript代码行数可能会略显多一些,但是和GEE的python同样差不多,所以AI Earth 已经很牛了,未来还将不断更新,期待大家关注

 


相关文章
|
8月前
|
存储 机器学习/深度学习 人工智能
昇腾AI行业案例(六):基于 PraNet 的医疗影像分割
欢迎学习《基于 PraNet 的医疗影像分割》实验。在本实验中,你将深入了解如何运用计算机视觉(CV)领域的 AI 模型,搭建一个高效精准的医疗影像分割系统,专注于息肉分割任务,并利用开源数据集对模型效果加以验证。
214 1
|
10月前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗影像诊断中的应用
探索AI在医疗影像诊断中的应用
|
10月前
|
机器学习/深度学习 人工智能 算法
AI在医疗影像诊断中的应用与未来展望####
本文深入探讨了人工智能(AI)在医疗影像诊断领域的最新进展、当前应用实例及面临的挑战,并展望了其未来的发展趋势。随着深度学习技术的不断成熟,AI正逐步成为辅助医生进行疾病早期筛查、诊断和治疗规划的重要工具。本文旨在为读者提供一个全面的视角,了解AI如何在提高医疗效率、降低成本和改善患者预后方面发挥关键作用。 ####
|
11月前
|
机器学习/深度学习 人工智能 算法
AI辅助医疗影像:提高诊断准确性
【10月更文挑战第2天】医学影像技术是现代医学诊断的关键手段,但传统方法依赖医生经验,存在误诊风险。AI辅助医疗影像通过自动化图像识别、疾病预测和辅助诊断决策,显著提升了诊断准确性与效率。利用深度学习、数据增强及迁移学习等技术,AI不仅能快速分析影像,还能提供个性化诊疗建议,并实时监测疾病变化。尽管面临数据质量、算法可解释性和伦理法律等挑战,但多模态影像分析、跨学科合作及VR融合等趋势将推动AI在医疗影像领域的广泛应用,助力实现更精准、高效的医疗服务。
|
机器学习/深度学习 人工智能 算法
AI在医疗影像识别中的应用与实践
本文综述了人工智能在医疗影像分析的应用,涵盖了基础理论、操作流程、关键算法及实践案例。通过探讨卷积神经网络等技术,展示了如何构建医疗影像分析系统并提高诊断精度和效率,为医疗行业的创新发展提供了有力支持。
|
机器学习/深度学习 人工智能 编解码
他用AI修复了志愿军影像
今天,第八批在韩中国人民志愿军烈士遗骸安葬仪式在沈阳举行,大谷也用一种独特的方法——用AI修复一段志愿军的真实影像,表达了自己的哀思。
846 0
他用AI修复了志愿军影像
|
22小时前
|
机器学习/深度学习 人工智能 自然语言处理
AIGC技术深度解析:生成式AI的革命性突破与产业应用实战
蒋星熠Jaxonic,AI技术探索者,深耕生成式AI领域。本文系统解析AIGC核心技术,涵盖Transformer架构、主流模型对比与实战应用,分享文本生成、图像创作等场景的实践经验,展望技术趋势与产业前景,助力开发者构建完整认知体系,共赴AI原生时代。
22 1
|
2天前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。
19 4
|
5天前
|
人工智能 关系型数据库 OLAP
一键搞定本土认证难题,AnalyticDB版Supabase助力AI应用实现支付宝&微信登录
阿里云AnalyticDB PostgreSQL版推出全新第三方身份认证能力,原生支持微信、支付宝、GitHub、Google、Apple等主流平台登录,助力开发者快速构建本土化用户系统。相比传统开发方式,无需从零开发认证模块,5分钟即可完成集成,大幅降低开发成本。适用于AI应用、创业项目及企业级智能应用,提升用户增长效率,实现安全、便捷的身份管理。
|
5天前
|
人工智能 Kubernetes 安全
重塑云上 AI 应用“运行时”,函数计算进化之路
回顾历史,电网的修建,深刻地改变了世界的经济地理和创新格局。今天,一个 AI 原生的云端运行时的进化,其意义也远不止于技术本身。这是一次设计哲学的升华:从“让应用适应平台”到“让平台主动理解和适应智能应用”的转变。当一个强大、易用、经济且安全的 AI 运行时成为像水电一样的基础设施时,它将极大地降低创新的门槛。一个独立的开发者、一个小型创业团队,将有能力去创造和部署世界级的 AI 应用。这才是技术平权的真谛,是激发全社会创新潜能的关键。

热门文章

最新文章