Масштабирование пространственного анализа с доверием к государственной земле

Платформа Descartes Labs ускоряет развитие городского слоя теплового острова в 14 000 городов США.

Широко известно, что городские сообщества с низкими доходами непропорционально страдают от стихийных бедствий, связанных с жарой. В целом, у уязвимых групп населения меньше ресурсов, чтобы укрыться от опасной летней жары, и ее негативные последствия усиливаются, когда бетон становится повсеместным, что приводит к повышению температуры до уровней, отличных от спутников в космосе.

Наши партнеры из The Trust for Public Land работают над устранением тепловых островов и связанных с ними экологических проблем в городских сообществах с 1972 года, обеспечивая и защищая доступ к 3,3 миллионам акров земли и создавая 5400 парков и природных территорий, позволяющих городским жителям сбежать. застроенный мир и подзарядка в родной среде. На веб-сайте Trust for Public Land ниже кратко изложена его миссия.

Наша миссия - создавать парки и защищать землю для людей, обеспечивая здоровые, пригодные для жизни сообщества для будущих поколений. Каждый парк, детская площадка и общественное пространство, которые мы создаем, - это открытое приглашение исследовать, удивляться, открывать и играть. Мы с гордостью можем сказать, что объединяем сообщества с окружающей средой и друг с другом с 1972 года. Сегодня миллионы американцев живут в пределах 10 минут ходьбы от парка или природной территории, которую мы помогли создать, и многого другого. посещать каждый год.

Descartes Labs гордится тем, что вносит свой вклад в эти усилия, поддерживая программу The Trust for Public Land Climate-Smart Cities ™. Наша платформа и Python API с 15 петабайтами геопространственных данных помогают масштабировать производство критически важных растровых данных и карт городского теплового острова, лежащих в основе ParkScore ® и ParkServe ™, двух ключевых компонентов, которые помогают улучшить доступ к паркам в городах. города и общины по всей стране.

Через Climate-Smart Cities Trust for Public Land сотрудничает с городскими лидерами и жителями в проектировании, финансировании и строительстве климатически оптимальных парков и зеленых насаждений там, где они больше всего нужны, делая районы с низкими доходами более справедливыми, пригодными для жизни и устойчивыми к последствиям изменения климата.

Данные, лежащие в основе решений о финансировании The Trust for Public Land, получены из ParkScore, наиболее полной оценки доступа и качества парков в 100 крупнейших городах США, и ParkServe, интерактивной платформы, которая отслеживает доступ к городским паркам по всей стране. ParkServe включает данные из 13 931 города, охватывающего более 80% населения США.

Эти бесплатные веб-инструменты позволяют людям находить ближайший к ним парк, определять процент жителей, живущих в пределах 10 минут ходьбы от местного парка, и определять районы, наиболее нуждающиеся в новых парках.

Создание геопространственной аналитики с помощью нашей клиентской библиотеки Python

До начала работы с Descartes Labs Platform and Python API Trust For Public Land выполнила несколько трудоемких шагов для получения растровых данных городского острова тепла. Поскольку обработка только 100 крупнейших городских районов США заняла около недели, их первоначальная цель заключалась в том, чтобы ограничить сбор данных только этими 100 крупными городскими районами. Шаги производства, которым они следовали, перечислены ниже.

  1. Поиск и загрузка сцен со спутника Landsat 8 из USGS Earth Explorer
  2. Извлечение теплового диапазона и перекомпоновка в двухканальный растр
  3. Хранение больших объемов временных данных на локальной машине для обработки геопространственных данных
  4. Обработка цифровых номеров Landsat (DN) до градусов Фаренгейта
  5. Создание сервисов изображений и геообработка по классам степени тяжести городского теплового острова

В целом процесс разработки был медленным, и, увидев демонстрацию платформы Descartes Labs Platform, они решили портировать свой код и попробовать его. Они нашли более оптимизированное решение, которое позволило им обрабатывать каждый город за секунды, а не за часы. Экономия времени была настолько значительной, что позволила Trust for Public Land обработать все 14 000 городов США, а не только 100 крупнейших городских районов. В результате в ближайшие недели TPL планирует добавить данные теплового острова для всех 14 000 городов в базу данных ParkServe.

Платформа Descartes Labs помогла масштабировать анализ несколькими способами:

  • Python API позволяет Trust for Public Land загружать пиксели, а не целые сцены Landsat, в процесс развития городского теплового острова. Эти пиксели можно фильтровать, среди прочего, по дате, проценту отсутствия облачности и температуре. Этот шаг устранил узкое место в начале процесса, требующее человеческого контроля качества для выбора подходящих изображений Landsat.
  • Получая максимальные значения тепловых пикселей из нескольких сцен, Trust for Public Land знала, что они будут получать изображения без облачных вычислений или максимально приближенные к безоблачным изображениям. А поскольку они получали пиксели из нескольких сцен, им не приходилось делать какой-либо ручной выбор сцены или трансграничную радиометрическую настройку.
  • Изображения на платформе Descartes Labs постоянно обновляются, что означает, что Trust for Public Land может регулярно запускать процесс городского теплового острова, чтобы обновлять выходные данные на регулярной основе (ежегодно).

«Чем действительно нам помог Descartes Labs API, так это отказом от внешнего контроля качества и ускорением обработки. А обработка данных с помощью системы Descartes Labs происходит намного быстрее ... Мы даже не используем для этого наш Data Science Machine, мы просто запускаем код Python с одного из наших серверов Citrix. То, что занимало неделю (при условии, что не произошло сбоя) при использовании нашего старого процесса, теперь занимает несколько часов ". - Пит Аниелло, старший менеджер по науке и аналитике, The Trust for Public Land

Платформа Descartes Labs Platform, имеющая более 15 петабайт изображений и постоянно растущая, предоставляет спутниковые изображения и другие геопространственные данные с помощью API-интерфейсов Python, обеспечивая быстрый доступ к данным, готовым для анализа. Наши алгоритмы межсенсорной компенсации атмосферы и облачные маски значительно улучшают опыт работы с различными наборами спутниковых данных, а также мы разработали масштабируемые вычислительные возможности, которые позволяют пользователям запускать и масштабировать собственный код Python в нашей облачной инфраструктуре без необходимости понимать облачная инженерия. Это позволяет проводить анализ в глобальном масштабе за часы, а не за дни или недели.

Фрагмент кода процесса создания городского теплового острова Trust For Public Land:

С недавним выпуском данных о городских тепловых островах The Trust for Public Land в качестве сервиса изображений и картографического приложения в рамках Esri ArcGIS Living Atlas of the World усилия TPL демонстрируют растущее признание в сообществе ГИС и широкую доступность для использования. практикующими специалистами и заинтересованными сторонами по всей стране.

В будущем, один из способов, которым The Trust for Public Land рассматривает возможность использования данных, - это вернуться на несколько лет назад и посмотреть, насколько эффективны их парки в деле смягчения тепловых островов. Существовали ли все еще бывшие острова тепла или добавление немного природы и древесного покрова смягчило наиболее серьезные последствия? Воздействие может быть заметным не сразу, но с помощью платформы Descartes Labs можно выполнить этот анализ и вернуться во времени на столько лет, сколько необходимо, чтобы увидеть результат изменения.

Descartes Labs гордится тем, что предоставляет значительные данные и вычислительные ресурсы нашей платформы для важного социального преимущества, разработанного The Trust for Public Land. Мы надеемся на сотрудничество с TPL и другими в решении аналогичных задач обработки геопространственных данных в будущем.

Лаборатория Декарта строит цифрового двойника нашей планеты. Наша платформа Python и API непрерывно собирают глобальные спутниковые данные из разных созвездий, спектров и модальностей, очищают их и подготавливают к анализу. Свяжитесь с нами, чтобы узнать больше о том, как нашу платформу можно применить в вашей уникальной ситуации.