Книги и ресурсы для работы с географическими данными в Python 🗺️

Географические данные вездесущи. Существует множество различных ресурсов и библиотек, область которых находится на пересечении ГИС/географии и мира науки о данных. Ранее я рассказал про ресурсы языка R для специалистов Data Science, которые работают с географическими данными.

Выделю следующие доступные онлайн ресурсы по введению в анализ географических данных на языке Python.

📌 Introduction to Python for Geographic Data Analysis, авторы Henrikki Tenkanen, Vuokko Heikinheimo and David Whipp

📌 Geographic Data Science with Python, авторы Sergio J. Rey, Dani Arribas-Bel and Levi J. Wolf. Книга недавно вышла в издательстве CRC Press

📌 Geocomputation with Python, авторы Michael Dorman, Anita Graser, Jakub Nowosad and Robin Lovelace

📌 Introduction to Spatial Data Programming with Python, автор Michael Dorman. На титульной странице есть большой список ресурсов 💫 по библиотекам, курсам и материалам

📌 An Introduction to Earth and Environmental Data Science, автор Ryan Abernathey

📌 Awesome Open Geoscience - сборник ресурсов, в основном на Python, где-то, возможно, устаревший

📌 Geoprocessing with Python, автор Chris Garrard. Я в свое время попал в акцию издательства Manning, когда эту книгу раздавали бесплатно

✔️ Небольшое актуальное введение в пространственные данные на Python можно посмотреть в докладе Martin Christen: Geospatial Data Processing with Python - A Comprehensive Tutorial на PyConDE.

🚀 Бонус: Awesome Geospatial Python 🌏

P.S. Коллега недавно приобрел книгу Алгоритмы ГИС. Теория и применение геоинформационных систем и технологий, ДМК Пресс, 2021, автор Нинчуань Сяо - рекомендую как хорошее подробное введение в алгоритмы геоинформационных систем.

GeoAI: Искусственный интеллект для пространственных данных

GeoAI — пакет Python для применения методов искусственного интеллекта в анализе и визуализации пространственных данных.

🤖 GeoAI содержит инструменты для обработки, анализа и визуализации пространственных данных с помощью передовых методов машинного обучения. Как сказано в документации: “Независимо от того, работаете ли вы со спутниковыми снимками, облаками точек лидара или векторными данными, GeoAI предлагает интуитивно понятные интерфейс для применения передовых моделей ИИ.”

📖 Документация GeoAI

Среди возможностей GeoAI:

📊 Визуализация пространственных данных

● Интерактивная многослойная визуализация векторных, растровых и облачных данных
● Настраиваемые стили и символика
● Возможности визуализации временных рядов данных

🛠 Подготовка и обработка данных

● Упрощенный доступ к спутниковым и аэрофотоснимкам Sentinel, Landsat, NAIP и другим открытым данных
● Инструменты для загрузки, создания мозаик и предварительной обработки данных дистанционного зондирования
● Автоматизированная генерация обучающих датасетов с чипами изображений (image chips) и соответствующими метками
● Утилиты преобразования векторных данных в растровые и наоборот, оптимизированные для рабочих процессов ИИ
● Методы дополнения (augmentation) данных, специфичные для пространственных данных
● Поддержка интеграции данных Overture Maps и других открытых данных для обучения и проверки

🖼 Сегментация изображений

● Интеграция с моделью Segment Anything Model (SAM) компании Meta для автоматического извлечения признаков
● Специализированные алгоритмы сегментации, оптимизированные для спутниковых и аэрофотоснимков
● Оптимизированные рабочие процессы для сегментации зданий, дорог, растительности и водных объектов
● Возможность экспорта в стандартные форматы геоданных: GeoJSON, Shapefile, GeoPackage, GeoParquet

🔍 Классификация изображений

● Предварительно обученные модели для классификации земного покрова и землепользования (land cover & land use)
● Утилиты трансферного обучения (transfer learning) для тонкой настройки моделей на основе собственных данных
● Поддержка разновременной классификации для обнаружения изменений (change detection)
● Инструменты оценки точности и валидации

🌍 Дополнительные возможности

● Анализ рельефа с извлечением признаков при помощи ИИ
● Классификация и сегментация облаков точек
● Обнаружение объектов на авиационных и спутниковых снимках
● Утилиты геопривязки для результатов ИИ-моделей

Пакет разработан профессором Q. Wu. Для него мы завели на канале именной хештег: #wu

📹 Руководства по GeoAI на YouTube

#python #wu #софт #ИИ

Φ-Down Sentinel-1 Burst Search

Φ-Down — библиотека Python, которая упрощает доступ к данным дистанционного зондирования Земли из Copernicus Data Space Ecosystem (CDSE). Она предоставляет интерфейс для поиска, фильтрации и загрузки спутниковых снимков различных миссий Sentinel и сопутствующих наборов данных.

В новой версии (v0.1.20) Φ-Down поддерживает поиск по “импульсам” (bursts) данных Sentinel-1 SLC, что помогает в создании временных рядов для радарной интерферометрии (InSAR) и во многих задачах регионального мониторинга, не требующих большого охвата.

Поиск по burst’ам активируется настройкой burst_mode=True в запросе. Реализована фильтрация по burst_id, swath, поляризации и относительной орбите (relative orbit).

🖥 Jupyter-блокнот с примером использования Sentinel-1 Burst Search

#sentinel #python #InSAR #SAR #софт

Курсы Spatial Thoughts и Geospatial Python Tutorials

Spatial Thoughts (https://spatialthoughts.com) — образовательная платформа, основанная Уджавалом Ганди (Ujaval Gandhi). Она предлагает курсы по анализу пространственных данных на Python:

🎓 Python Foundation for Spatial Analysis
🎓 Mapping and Data Visualization with Python

Материалы курсов бесплатны, за прохождение курса с инструктором придется заплатить.

🔗Дополняет учебные курсы сайт Geospatial Python Tutorials (https://www.geopythontutorials.com). Он содержит примеры применения пакетов GeoPandas, Xarray, Dask, SamGeo и мн. др. для решения практических задач. Вот, например, извлечение информации из нескольких новостей о конфликтах между людьми и слонами в Индии, и геокодирование мест конфликтов — все с помощью ChatGPT.

В качестве среды для работы рекомендуется Google Colab.

#python #ИИ

Немного GDAL

1️⃣ Курс A Gentle Introduction to GDAL Роберта Симмона (Robert Simmon) продолжается. Всего опубликовано 10 частей:

- A Gentle Introduction to GDAL
- Map Projections & gdalwarp
- Geodesy & Local Map Projections
- Working with Satellite Data
- Shaded Relief
- Visualizing Data
- Transforming Data
- Reading Scientific Data Formats
- Automation with Bash
- Python & the Command Line

В разделе Tutorials на официальном сайте GDAL пока только 8 частей.

2️⃣ 📹 Введение в GDAL c новым интерфейсом командной строки от Ханса ван дер Кваста (Hans van der Kwast): Introduction to GDAL’s New Command Line Interface — из курса Programming for QGIS Users.

#софт #python