បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
ក្រសួងមួយស្នើឱ្យក្រុមរបស់អ្នកធ្វើផែនទី ផ្ទៃទឹកអតិបរមាប្រចាំឆ្នាំ នៃបឹងទន្លេសាប ពីឆ្នាំ ២០១៥ ដល់ ២០២៤ ហើយត្រូវប្រគល់ក្នុងមួយសប្ដាហ៍។ តំបន់នេះគ្របលើ tile Sentinel-2 ប្រហែល ៦ ហើយ tile នីមួយៗមានរូបភាពប្រហែល ៧០ ផ្ទាំងក្នុងមួយឆ្នាំ។
អ្នកគណនាលឿនៗ៖ ៦ tile × ៧០ ផ្ទាំង × ១០ ឆ្នាំ = ៤ ២០០ ផ្ទាំង ហើយនីមួយៗធំប្រហែល ០,៨ GB។ ទិន្នន័យសរុបជាង ៣ TB។ ដោយអ៊ីនធឺណិត ២០ Mbps ការទាញយកតែមួយមុខ ចំណាយពេលជាងពីរសប្ដាហ៍ ហើយកុំព្យូទ័រយួរដៃរបស់អ្នកមានថាសទំនេរត្រឹម ២០០ GB។
តើមានវិធីធ្វើការវិភាគនេះ ដោយមិនទាញយកទិន្នន័យ ៣ TB ទេឬ?
គិតម្នាក់ឯង ១ នាទី · ពិភាក្សាជាគូ ២ នាទី · ចែករំលែកជាមួយថ្នាក់។
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១ ក្នុងចំណោម ១៥
:material-presentation-play: ស្លាយបង្រៀនមេរៀននេះ
ក្នុងសៀវភៅទី៣ យើងបានទាញយករូបភាព Landsat មួយផ្ទាំង (ប្រហែល ១ GB) កែតម្រូវវា ហើយចាត់ថ្នាក់វាក្នុង QGIS។ វិធីនោះល្អសម្រាប់រៀនគោលការណ៍ ប៉ុន្តែវាមិនអាចពង្រីកទៅ ប្រទេសទាំងមូល ក្នុងរយៈពេលដប់ឆ្នាំ បានទេ៖ ការងារបែបនេះត្រូវការរូបភាពរាប់ម៉ឺនផ្ទាំង និងទិន្នន័យរាប់ TB។
មេរៀននេះណែនាំគំនិតដែលប្ដូរវិធីធ្វើការវិភាគរូបភាពផ្កាយរណបក្នុងទសវត្សរ៍ចុងក្រោយ៖ នាំកូដទៅកន្លែងទិន្នន័យ ជំនួសការនាំទិន្នន័យមកកុំព្យូទ័រ។
យើងនឹងស្គាល់ Google Earth Engine ផ្នែកសំខាន់ៗរបស់វា និងសរសេរស្គ្រីបដំបូង។
ផ្កាយរណបសង្កេតផែនដីបង្កើតទិន្នន័យរាល់ថ្ងៃ។
Sentinel-2 តែមួយ ផលិតទិន្នន័យជាង ១ TB ក្នុងមួយថ្ងៃ ហើយបណ្ណសារ Landsat បូក Sentinel មានទំហំរាប់សិប petabyte (PB)។ ចំណុចសំខាន់មិនមែនទំហំបណ្ណសារទាំងមូលទេ ប៉ុន្តែជា ទំហំនៃសំណួររបស់យើង៖ សំណួរដែលប្រើតំបន់ធំ និងរយៈពេលវែង ត្រូវការរូបភាពរាប់ពាន់ផ្ទាំង សូម្បីតែសម្រាប់ប្រទេសតូចមួយដូចកម្ពុជា។
បញ្ហាមានបីកម្រិត៖ ការផ្ទេរ (ពេលទាញយក) ការរក្សាទុក (ថាសរឹង) និង ការគណនា (កុំព្យូទ័រមួយដំណើរការរូបភាពម្ដងមួយៗ)។
បើការងារមួយត្រូវការរូបភាព ៤ ០០០ ផ្ទាំង ហើយផ្ទាំងនីមួយៗប្រើ ៥ នាទីដើម្បីកែតម្រូវ និងគណនា ពេលសរុបគឺ ២០ ០០០ នាទី (ជាង ១៣ ថ្ងៃ) មុនការវិភាគពិតចាប់ផ្ដើម។
ប្ដូរតំបន់ ចំនួនឆ្នាំ និងល្បឿនអ៊ីនធឺណិត ហើយសង្កេតថាទំហំទិន្នន័យ និងពេលទាញយកកើនឡើងយ៉ាងដូចម្ដេច ធៀបនឹងពេលគណនាលើ Earth Engine។
រាយបញ្ហាបីកម្រិត ដែលធ្វើឱ្យការវិភាគទ្រង់ទ្រាយធំពិបាកលើកុំព្យូទ័រផ្ទាល់ខ្លួន។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ដំណោះស្រាយគឺប្ដូរទិសដៅ៖ ជំនួសឱ្យការផ្លាស់ទីទិន្នន័យដ៏ធំ (TB) ទៅកុំព្យូទ័ររបស់យើង យើងផ្ញើ កូដតូចមួយ (ពីរបីគីឡូបៃ) ទៅកន្លែងដែលទិន្នន័យស្ថិតនៅ។
ម៉ាស៊ីនមេរាប់ពាន់ ដំណើរការកូដនោះស្របគ្នាលើផ្នែកផ្សេងៗនៃទិន្នន័យ ហើយបញ្ជូនមកយើងវិញតែ លទ្ធផល៖ ផែនទីមួយ តារាងមួយ ឬក្រាបមួយ។
គំនិតនេះមិនមែនថ្មីទេក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រ ប៉ុន្តែវាប្ដូរការងារភូមិព័ត៌មានវិទ្យាយ៉ាងខ្លាំង៖ ការងារដែលធ្លាប់ត្រូវការក្រុមអ្នកជំនាញ និងម៉ាស៊ីនមេផ្ទាល់ខ្លួន ឥឡូវនិស្សិតម្នាក់ធ្វើបានពីកម្មវិធីរុករក។
វាក៏ប្ដូរ កន្លែងចំណាយពេល៖ ពីការទាញយក និងរៀបចំឯកសារ ទៅការគិតពីសំណួរ ការសរសេរកូដ និងការផ្ទៀងផ្ទាត់លទ្ធផល។
រូបវិទ្យាក្នុងសៀវភៅទី៣ នៅតែពិតដដែល៖ ពពក ស្រមោល មុំព្រះអាទិត្យ ការត្រួតគ្នានៃរូបភាព និងកំហុសចាត់ថ្នាក់ មិនបាត់ទៅវិញទេ ដោយសារយើងគណនាលើពពក។ Earth Engine ធ្វើឱ្យការគណនាលឿន ប៉ុន្តែមិនធ្វើឱ្យការសម្រេចចិត្តខុស ក្លាយជាត្រូវទេ។
Google Earth Engine (ហៅកាត់ GEE ឬ Earth Engine) ជាវេទិកាដែល Google បើកដំណើរការតាំងពីឆ្នាំ ២០១០ ហើយឥតគិតថ្លៃសម្រាប់ការសិក្សា ការស្រាវជ្រាវ និងអង្គការមិនរកប្រាក់ចំណេញ។
វាមានផ្នែកសំខាន់ៗប្រាំមួយ៖
| ផ្នែក | តួនាទី | ឧទាហរណ៍ |
|---|---|---|
| កាតាឡុកទិន្នន័យ | ទិន្នន័យរៀបចំរួច ដែលអាចហៅតាមឈ្មោះ | COPERNICUS/S2_SR_HARMONIZED · UCSB-CHG/CHIRPS/DAILY |
| ម៉ាស៊ីនគណនា | ដំណើរការស្របគ្នាលើម៉ាស៊ីនមេរាប់ពាន់ | composite ប្រទេសទាំងមូលក្នុងពីរបីវិនាទី |
| API | ភាសាសម្រាប់ពិពណ៌នាការគណនា | JavaScript (Code Editor) · Python |
| Code Editor | កន្លែងសរសេរ និងដំណើរការកូដក្នុងកម្មវិធីរុករក | code.earthengine.google.com |
| Earth Engine Apps | ចែករំលែកលទ្ធផលជាគេហទំព័រអន្តរកម្ម | កម្មវិធីតាមដានទឹកជំនន់ (មេរៀនទី១៤) |
| ការនាំចេញ | រក្សាទុកលទ្ធផលជាឯកសារ | GeoTIFF ទៅ Google Drive · CSV |
កាតាឡុកនេះគឺជាអត្ថប្រយោជន៍ធំបំផុតសម្រាប់កម្ពុជា៖ ទិន្នន័យដែលពិបាកទាញយក ឬរៀបចំ ដូចជា ទឹកភ្លៀង CHIRPS (មេរៀនទី៨) ផែនទីការបាត់បង់ព្រៃ Hansen (មេរៀនទី១០) ឬ Sentinel-1 ដែលបានកែតម្រូវរួច (មេរៀនទី៧) អាចប្រើបានភ្លាមៗ។
ពន្យល់គំនិត «នាំកូដទៅកន្លែងទិន្នន័យ» ដោយប្រើឧទាហរណ៍មួយ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
Code Editor មានបួនតំបន់។
print() និងសារកំហុស) និង Tasks (ការនាំចេញ)។Map.addLayer()។ប៊ូតុង Get Link បង្កើតតំណមួយ ដែលអ្នកដទៃបើកបាន ហើយឃើញកូដដូចអ្នកសរសេរ។ នេះងាយស្រួលសម្រាប់ផ្ញើកិច្ចការទៅគ្រូ ឬសួរជំនួយ។ កូដត្រូវបានចែករំលែក ប៉ុន្តែទិន្នន័យផ្ទាល់ខ្លួនក្នុង Assets មិនចែករំលែកដោយស្វ័យប្រវត្តិទេ។
ស្គ្រីបខាងក្រោមរកមើលរូបភាព Sentinel-2 ដែលមានពពកតិចបំផុតលើភ្នំពេញ ក្នុងរដូវប្រាំងឆ្នាំ ២០២៤ ហើយបង្ហាញវាជាពណ៌ពិត៖
```javascript // ចំណុចមួយនៅភ្នំពេញ (រយៈបណ្ដោយ រយៈទទឹង) var pp = ee.Geometry.Point(104.92, 11.55);
// បណ្ណសារ Sentinel-2 Level-2A → ត្រងតាមទីតាំង និងកាលបរិច្ឆេទ var img = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') .filterBounds(pp) .filterDate('2024-01-01', '2024-03-31') .sort('CLOUDY_PIXEL_PERCENTAGE') // …
print('រូបភាពដែលបានជ្រើស', img); // មើលក្នុង Console Map.centerObject(pp, 11); Map.addLayer(img, , 'ពណ៌ពិត'); ```
ចំណាំបីចំណុច៖ (១) យើងមិនបានទាញយកអ្វីទាំងអស់ទេ (២) ពាក្យ ee. ប្រាប់ថាវត្ថុនោះរស់នៅលើម៉ាស៊ីនមេរបស់ Google (មេរៀនទី២) និង (៣) ឈ្មោះក្រុមរលក និង max: 3000 មកពីការយល់ដឹងក្នុងសៀវភៅទី៣៖ Sentinel-2 L2A …
រាយផ្នែកប្រាំមួយនៃ Earth Engine និងតួនាទីរបស់នីមួយៗ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
Earth Engine មិនជំនួស QGIS ទេ។
| កិច្ចការ | ឧបករណ៍សមស្រប |
|---|---|
| Composite ឥតពពកនៃប្រទេសទាំងមូល | Earth Engine |
| ស៊េរីពេលវេលា NDVI ១០ ឆ្នាំ | Earth Engine |
| គូសព្រំដីធ្លីពីរូបភាពដ្រូន | QGIS |
| ប្លង់ផែនទីបោះពុម្ព A3 | QGIS |
| ស្ថិតិតាមខេត្តពីទិន្នន័យ CHIRPS | Earth Engine → CSV → Excel/QGIS |
Earth Engine ឥតគិតថ្លៃសម្រាប់ការសិក្សា និងការស្រាវជ្រាវមិនរកប្រាក់ចំណេញ ប៉ុន្តែការប្រើប្រាស់ពាណិជ្ជកម្មត្រូវការអាជ្ញាប័ណ្ណ ហើយគម្រោងនីមួយៗត្រូវភ្ជាប់ជាមួយ Google Cloud Project។ លក្ខខណ្ឌទាំងនេះអាចប្ដូរ៖ ពិនិត្យគេហទំព័រ Earth Engine មុនចាប់ផ្ដើមគម្រោងធំ។
មុនចាប់ផ្ដើមគម្រោង អ្នកចង់ដឹងថាមានរូបភាព Sentinel-2 ប៉ុន្មានផ្ទាំង ដែលប្រើការបានលើខេត្តកំពង់ឆ្នាំង ក្នុងឆ្នាំ ២០២៤។
ប្រើព្រំរដ្ឋបាលពីកាតាឡុក (FAO GAUL ឬ geoBoundaries) ជំនួសការគូសដោយដៃ៖ ```javascript var prov = ee.FeatureCollection('FAO/GAUL/2015/level1') .filter(ee.Filter.eq('ADM1_NAME', 'Kampong Chhnang')); Map.addLayer(prov, …
```javascript var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') .filterBounds(prov) .filterDate('2024-01-01', '2025-01-01'); print('រូបភាពសរុប', s2.size()); print('ពពក < ២០%', …
ឧបមាថា Console បង្ហាញ ២៩០ និង ៩៥។
មានន័យថា ប្រហែល ៣៣% នៃរូបភាពមានពពកតិច។ រូបភាពមួយក្នុងចំណោម ២៩០ អាចជា tile ពីរត្រួតគ្នាលើថ្ងៃតែមួយ ដូច្នេះ «ចំនួនថ្ងៃ» តិចជាងចំនួនរូបភាព។
CLOUDY_PIXEL_PERCENTAGE គិតលើ tile ទាំងមូល (១០០ × ១០០ គម) មិនមែនលើខេត្តរបស់អ្នកទេ។ រូបភាពដែលមានពពក ៥០% អាចស្អាតលើខេត្តរបស់អ្នក ហើយផ្ទុយមកវិញ។ មេរៀនទី៣ បង្ហាញការលុបពពកតាមក្រឡា ដែលត្រឹមត្រូវជាង។
លំហាត់ដំណើរការក្នុង Earth Engine Code Editor ជាមួយទិន្នន័យកាតាឡុក ហើយមានរូបលទ្ធផលគំរូ តារាងកំហុសទូទៅ និងប្រអប់ពិនិត្យលទ្ធផលដោយខ្លួនឯង។
ការវិភាគលើតំបន់ធំ និងរយៈពេលវែង ត្រូវការរូបភាពរាប់ពាន់ផ្ទាំង ដែលហួសសមត្ថភាពកុំព្យូទ័រផ្ទាល់ខ្លួន ទាំងក្នុងការទាញយក ការរក្សាទុក និងការគណនា។ ការគណនាលើពពកដោះស្រាយបញ្ហានេះ ដោយនាំកូដទៅកន្លែងទិន្នន័យ ហើយបញ្ជូនមកវិញតែលទ្ធផល។
Google Earth Engine រួមបញ្ចូលកាតាឡុកទិន្នន័យដ៏ធំ ម៉ាស៊ីនគណនាស្របគ្នា និង Code Editor ក្នុងកម្មវិធីរុករក។ វាល្អសម្រាប់ការងារធំ ដែលប្រើទិន្នន័យក្នុងកាតាឡុក ហើយប្រើរួមជាមួយ QGIS សម្រាប់ការងារបញ្ចប់។
នៅពេលទិន្នន័យធំជាងកុំព្យូទ័ររបស់អ្នក កុំផ្លាស់ទីទិន្នន័យ៖ ផ្លាស់ទីកូដ។ ប៉ុន្តែការគណនាលឿន មិនជំនួសការគិតឱ្យត្រឹមត្រូវទេ។
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការគណនាលើពពក | Cloud computing | គណនាលើម៉ាស៊ីនមេតាមអ៊ីនធឺណិត |
| កាតាឡុកទិន្នន័យ | Data catalog | បញ្ជីទិន្នន័យដែលរៀបចំរួច |
| ម៉ាស៊ីនមេ | Server | កុំព្យូទ័រដែលគណនាសម្រាប់អ្នក |
| ស្គ្រីប | Script | បណ្ដុំកូដដែលដំណើរការជាលំដាប់ |
| ស្រទាប់ផែនទី | Map layer | អ្វីដែលបង្ហាញលើផែនទី Code Editor |
| ការនាំចេញ | Export | រក្សាលទ្ធផលជាឯកសារ |
| Asset | Asset | ទិន្នន័យផ្ទាល់ខ្លួនក្នុង Earth Engine |
| ការគណនាស្របគ្នា | Parallel computing | គណនាលើផ្នែកច្រើនក្នុងពេលតែមួយ |
CLOUDY_PIXEL_PERCENTAGE មិនប្រាប់ពពកលើតំបន់សិក្សារបស់អ្នកឱ្យបានត្រឹមត្រូវ?max: 3000 សម្រាប់ Sentinel-2 L2A?ស្វែងរកក្នុងកាតាឡុក Earth Engine (developers.google.com/earth-engine/datasets) នូវទិន្នន័យបីដែលអ្នកគិតថាមានប្រយោជន៍សម្រាប់កម្ពុជា។ សម្រាប់នីមួយៗ សរសេរ៖ ឈ្មោះ ID គុណភាពបង្ហាញលំហ រយៈពេល និងសំណួរមួយដែលវាអាចឆ្លើយ។
ស្គ្រីបដំបូងដំណើរការ ប៉ុន្តែយើងនៅមិនទាន់យល់ថាហេតុអ្វីត្រូវសរសេរ ee.Geometry.Point ជំនួស [104.92, 11.55] ឬហេតុអ្វី for loop ធម្មតាមិនដំណើរការលើ ImageCollection។
អានមេរៀនពេញ និងធ្វើលំហាត់ទី១
https://khgeo.github.io/applied-gis-rs/lessons/lesson-01/