GEE

了解动物对环境的反应对于了解如何管理这些物种至关重要。

虽然动物被迫做出选择以满足其基本需求我们将讨论以下概念

GEE

了解动物对环境的反应对于了解如何管理这些物种至关重要。

虽然动物被迫做出选择以满足其基本需求但它们的选择很可能也受到当地天气条件等动态因素的影响。

除了直接观察之外很难将动物行为与天气条件联系起来。

在这个单元中我们将从美洲狮收集的

GPS

在加利福尼亚州洛杉矶的顶级旅游目的地之一附近拍摄的山狮的相机陷阱照片。

照片地球岛杂志

2.1

只土狼的运动。

这些数据用于了解这两个物种个体的一些行为模式。

任何人都可以在Movebank网站上访问这些研究人员在研究期间收集的数据。

该网站托管来自世界各地的动物运动数据集。

虽然某些

Movebank

公里的空间分辨率提供每天的数据是美洲狮与景观相互作用的时间和空间尺度的重要资源。

总共有七个测量值。

这使我们能够检查天气的多个方面以评估它如何影响行为。

GEE

的过程一直在迅速变化与大多数事情一样最好直接转到文档以查看最新更新。

该信息可以在这里找到。

3.1清理数据

R。

下面的代码包含进行此转换所需的所有内容。

可以在此处找到有关如何在

csv

对命名约定的要求这是必要的。

虽然此特定细节不在文档中但它在帮助论坛上的帖子中有所描述。

您不需要运行此代码它供您将来参考

%%filter(individual.local.identifier

F53)

sort(cougarF53$timestamp)print(paste0(The

first

sp::SpatialPointsDataFrame(coords

cougarF53[,3:4],

上传后您可以通过代码编辑器左侧的资产窗格编辑资产。

这允许您设置共享参数。

对于此示例任何人都可以读取资产。

这意味着运行代码的任何人都将能够使用数据集即使他们不拥有它或没有下载它。

shapefile

的过程可能需要一段时间因此我们提供了一个脚本链接而不是让您完成该过程该脚本已经加载了本课程所需的数据。

带有预加载数据集的代码。

请将此脚本用作本课剩余部分的起点。

shapefile。

这可以是您的数据或者如果您想要快速简便的数据请尝试使用Natural

Earth

。

这是一个用于各种地图比例的地理数据的绝佳站点。

上面的链接将带您进入的

1:110m

加载资产后通过双击资产面板中的资产名称或将鼠标悬停在名称上时按下出现在功能右侧的小箭头图标将其导入脚本。

将功能重命名为具有描述性的名称。

然后在地图上将其可视化以确保该功能看起来符合您的预期。

在预加载的脚本中您可以看到我们已经完成了这些步骤。

我们还添加了一个打印语句来访问数据结构。

Imported

将这些点可视化后制作一个包含我们感兴趣区域的几何特征。

我们将使用几何特征来过滤我们的气候数据。

您可以通过选择方形几何特征并绘制一个包含这些点的框来完成此操作。

3.2.1上传栅格

进行的过程相同。

图像集合栅格集是更复杂的数据类型还有一些其他要求您可以在此处阅读。

3.3定义天气变量

作为将遥感数据即我们的栅格与我们的点位置相关联的方法。

虽然这个过程在概念上是直截了当的但它确实需要一些工作才能完成。

加载我们的点后下一步是导入

Daymet

公里的空间分辨率并且它可以测量美洲狮所经历的环境条件。

我们将通过调用数据集的唯一

Call

ee.ImageCollection(NASA/ORNL/DAYMET_V3)

2017-08-01)

image.clip(geometry)});print(Daymet,Daymet);

Map.addLayer(Daymet,

张图像的图像集合尽管您的图像总数可能会随着数据集的变化而变化。

每幅图像都有七个与特定天气测量相关的波段。

现在两个数据集都已加载我们将把美洲狮的发生数据与天气数据相关联。

3.4提取值

加载我们的点和图像后我们可以调用一个函数根据美洲狮的已知位置从底层栅格中提取值。

我们将使用该ee.Image.sampleRegions函数来执行此操作。

在

Docs

选项卡下搜索ee.Image.sampleRegions()函数以熟悉它所需的参数。

ee.Image.sampleRegions()是一个图像的函数所以如果我们试图在

Daymet

上调用它ImageCollection我们会得到一个错误。

为了解决这个问题我们将把

Daymet

图像集合转换为多波段图像。

每天的七次测量中的每一次都将成为我们多波段图像中的一个特定波段。

这个过程最终将对我们有所帮助因为每个波段都是由收集日期和显示的变量定义的。

我们可以使用这些信息来确定哪些数据与美洲狮在特定日期的位置有关。

重要提示在图像集合中有许多图像我们将创建具有大量波段的单个图像。

因为

GEE

Daymet.toBands().filterBounds(geometry);print(DaymetImage,

DaymetImage);​

现在我们有了一个多波段图像我们可以使用该sampleRegions函数。

您需要考虑此函数的三个参数。

Properties定义将保留矢量数据集的哪些列。

在这种情况下我们希望保留“id”列因为我们将使用它来将此数据集连接回

GEE

Scale这是指数据集的空间尺度像元大小。

比例应始终与栅格数据的分辨率相匹配。

如果您不确定栅格的分辨率是多少请使用搜索栏搜索数据集该信息将出现在文档中。

Call

DaymetImage.sampleRegions({collection:

[id],scale:

从打印语句中我们可以看到我们的点位置现在具有与之关联的天气测量值。

同样您的结果可能看起来略有不同。

3.5

Excel。

有几个选项可以定义导出数据的最终位置。

一般来说将数据保存到

Google

帐户是一个安全的选择。

我们将使用字典用大括号表示来定义export.table.toDrive()函数的参数。

shapefile

Export.table.toDrive({collection:

samples,description:cougarDaymetToDriveExample,fileFormat:

csv

});当您导出某些内容时您的任务窗格将亮起。

您需要通过选择运行按钮单独运行任务。

当您选择运行按钮时将出现以下弹出窗口。

这允许您编辑导出的详细信息。

GEE

在处理所有这些空间数据时您可能已经意识到在美洲狮上收集数据的时间段内显示中值的栅格可能是非常有用的信息。

有关使用栅格的更多信息请参阅5

为此我们将对median()Daymet

函数为每个单元格中的每个参数生成一个中值。

就像表格数据一样我们将把这个多波段图像导出到

Google

Drive。

一旦我们使用该函数将图像集合转换为图像median()我们就可以将其剪辑到geometry特征对象中。

此要素将导出为多波段栅格。

Apply

Daymet.median().clip(geometry);print(Daymet1);//

Export

});有很多选项。

最重要的选项之一是max.pixels设置。

一般来说GEE

10^9

像素的栅格。

使用该max.pixels参数您可以将其提高到每张图像大约

10^12

地球引擎可用于行星尺度分析但它也是一种有效的资源可用于使用您自己的数据快速访问和分析大量信息。

本模块中介绍的方法是为您自己的数据集增加价值的好方法。

在此示例中我们使用了天气数据但这绝不是唯一的选择您可以将您的数据连接到

Google

地球引擎中的许多其他数据集。

由您决定什么是重要的以及为什么重要。

4.1

ee.ImageCollection(NASA/ORNL/DAYMET_V3)

2017-08-01)

image.clip(geometry)});print(Daymet,Daymet);

Map.addLayer(Daymet,

Daymet.toBands().clip(geometry);print(DaymetImage,

DaymetImage);//

DaymetImage.sampleRegions({collection:

[id],scale:

Export.table.toDrive({collection:

samples,description:cougarDaymetToDriveExample,fileFormat:

csv

Daymet.median().clip(geometry);

print(Daymet1);//