Ga naar inhoud

Tijdseries

Tijdserie-analyse is een veelgebruikte techniek in remote sensing. Het stelt ons in staat om temporele patronen, zoals seizoensgebonden of langetermijnveranderingen, te modelleren en landbedekking te monitoren. Dankzij het grote historische aanbod aan remote sensing-data is Google Earth Engine een bijzonder geschikt platform voor het analyseren van tijdseries.

Tijdserieplots aanmaken in Google Earth Engine

De Normalized Difference Snow Index (NDSI)


In dit voorbeeld analyseren we de aanwezigheid van sneeuw in de Alpen door de jaren heen. Hiervoor maken we gebruik van de Normalized Difference Snow Index (NDSI). Deze index benadrukt de aanwezigheid van sneeuw en ijs ten opzichte van andere landbedekkingstypen, zoals wolken. Houd er echter rekening mee dat de NDSI geen onderscheid maakt tussen waterlichamen en sneeuw.

De NDSI wordt berekend met de formule:

\[NDSI = { GREEN - SWIR \over GREEN + SWIR}.\]

Opdracht: NDSI-tijdseries

Zet ergens een willekeurig punt in de Alpen.

In dit voorbeeld gebruiken we de Sentinel-2-collectie. Ditmaal maken we gebruik van de TOA-collectie (Top of Atmosphere), die niet atmosferisch is gecorrigeerd. De reden hiervoor is dat deze collectie een langer beschikbaar temporeel bereik heeft binnen Google Earth Engine (vanaf 2015), terwijl de 'Surface Reflectance'-collectie pas sinds 2019 wereldwijd systematisch beschikbaar is.

Aangezien we voor tijdseries meerdere beelden nodig hebben, passen we geen reducer toe op onze finale collectie.

Met het onderstaande script worden de volgende stappen uitgevoerd:

  • De Sentinel-2 TOA collectie wordt toegevoegd, samen met de S2-cloud-probability via de getS2_CLOUD_PROBABILITY methode
  • Een functie addNDSI wordt aangemaakt en gemapt over de collectie.
  • De beeldcollectie wordt gefilterd op basis van de ROI (Region of Interest).
  • Het beeld met de minste wolkbedekking wordt gevisualiseerd.
  • De NDSI van dit beeld wordt apart gevisualiseerd.
Scriptje

code

Visualisatie van de tijdserie: CHARTS

Naast de mogelijkheid om beelden te verwerken en te visualiseren, biedt Google Earth Engine ook functies voor het genereren van standaardgrafieken, zoals pie charts, bar charts, column charts en line charts.

In dit voorbeeld maken we een lijnplot (line chart) voor de NDSI. Aangezien we de gemiddelde NDSI-waarde willen plotten over de volledige beeldcollectie voor een bepaald punt, gebruiken we de functie ui.Chart.image.series.


De Chart.image.series-functie, met de voornaamste functie-parameters.

De functie ziet er als volgt uit wanneer deze is ingevuld met de noodzakelijke parameters. Net als andere functies in Google Earth Engine wordt de Chart eerst als een variabele aangemaakt.

// Create and display a time series chart
print('Time series of NDSI at a random point in the Alpes');
var Chart = ui.Chart.image.series(S2.select('NDSI'), ROI, ee.Reducer.mean(), 100);

De lay-out van de grafiek kan worden aangepast met de functie setOptions(). Met de parameters hAxis & vAxis kun je een titel toekennen aan de assen.

print(Chart.setOptions({
  hAxis: {title: 'Time (-)'},   //hAxis is een functie op zich
  vAxis: {title: 'Index mean (-)'},
  lineWidth: 2,
  pointSize: 4,
  interpolateNulls: true,
  legend: {position: 'upper right'}
}));

Day of Year (DOY) plot.

Een andere visualisatiemogelijkheid is om de NDSI per jaar te plotten als 'Day of Year' (DOY). In plaats van een doorlopende lijnplot worden de NDSI-waarden binnen elk jaar als afzonderlijke lijnen geplot. Dit is nuttig om verschillende jaren met elkaar te vergelijken.

// Create and display a DOY time series chart
print(ui.Chart.image.doySeriesByYear(S2, 'NDSI', ROI, ee.Reducer.mean(), 10).setOptions({
  hAxis: {title: 'DOY (-)'},
  vAxis: {title: 'NDSI (-)'},
  lineWidth: 2,
  pointSize: 4,
  interpolateNulls: true,
  legend: {position: 'upper right'}
}));

Opdrachten

Visualiseer en analyseer de landdynamica op 3 locaties gebaseerd op basis van Sentinel-2 beelden:

  • Verdeel één der volgende locaties onder je buren en vergelijk:

    • Groenland
    • Amazone
    • Botswana
    • Portugal
    • Namibië
    • Indonesië
    • Slovenië

  • Plot verschillende indices: NDVI, MNDWI en NDSI

  • Deel de resultaten met elkaar bespreek de variatie binnen doorheen de verschillende jaren.
Oplossingen

Overige voorbeelden