- Blog
- Erfahrungsbericht
- 3 Min Lesezeit
Christopher Maier
Christopher Maier (GCP Consultant bei der s-peers AG) hat Ende März 2024 an einem zweitägigen Workshop zum Thema Google Earth Engine im Google Office in Berlin teilgenommen. Im Folgenden berichtet er über seine wichtigsten Learnings zur Google Earth Engine und erläutert die wichtigsten Funktionen der Plattform.
Was ist die Google Earth Engine?
Die Google Earth Engine ist eine Plattform zur Verarbeitung von Geodaten, die es Wissenschaftlern, Forschern und Entwicklern weltweit ermöglicht, Satellitenbilder, Geodaten und Umweltdaten zu analysieren. Die von Google entwickelte Plattform bietet umfangreiche Datenarchive für räumlich und zeitlich umfassende Analysen. Neben der wissenschaftlichen Forschung unterstützt die Google Earth Engine auch die Überwachung, Planung und Verwaltung natürlicher Ressourcen sowie die Katastrophenvorsorge und -reaktion.
Die Google Earth Engine bietet Zugang zu einer umfangreichen Datenbank von Satellitenbildern, die über viele Jahre gesammelt wurden. Diese Bilder stammen von verschiedenen Satellitenmissionen wie Landsat, Sentinel und MODIS. Darüber hinaus enthält die Plattform klimatische und ozeanographische Datensätze, topographische Karten und demographische Informationen. Mit Hilfe dieser Daten können Nutzer navigieren, spezifische Variablen auswählen und diese in ihren Projekten verwenden.
Es gibt verschiedene und vielfältige Anwendungsgebiete:
- Monitoring von Landnutzungsänderungen und Umweltphänomenen
- Erstellung von Karten und Modellen
- Optimierung der Ressourcennutzung
- Vorbereitung auf und Reaktion auf Naturkatastrophen
Anwendungsbeispiel anhand der Veränderung der Vegetation am Bodensee
Bereits vor dem Workshop habe ich mich mit der Google Earth Engine intensiv geschäftigt. Die Earth Engine erlaubt z.B. die Analyse der Vegetation über verschiedene Jahreszeiten mithilfe des Normalized Difference Vegetation Index (NDVI). Dank der aktuellen Daten der Sentinel-2-Satelliten konnte ich verfolgen, wie sich die Vegetation von Frühling bis Herbst in der Bodenseeregion verändert und diese visualisieren (siehe Abbildung 1).
Die Verwendung eines Schiebereglers ermöglichte einen direkten Vergleich dieser saisonalen Übergänge, wodurch die Unterschiede deutlich sichtbar wurden. Die visuelle Darstellung des NDVI zeigte nicht nur die grüne Fülle im Frühjahr (linkes Bild), sondern auch die Entwicklung der Vegetation bis zum Herbst (rechtes Bild). Die Klarheit dieser Bilder unterstreicht die Bedeutung der Earth Engine für die Umweltbeobachtung und -analyse.
Die Erkenntnisse aus diesem einfachen Beispiel verdeutlichen, wie wertvoll präzise Daten und technisches Know-how für das Verständnis unserer natürlichen Umgebung sind. Solche Tools eröffnen neue Perspektiven für den Umweltschutz und die Datenwissenschaft.
Abbildung 1: Vergleich der saisonalen Übergänge und Veränderung der Vegetation am Bodensee.
Funktionalitäten der Google Earth Engine
Die Google Earth Engine bietet eine Reihe von leistungsstarken Funktionalitäten für die Analyse und Verarbeitung von geografischen und umweltbezogenen Daten:
Mapping
Anwendung spezifischer Funktionen auf mehrere Elemente einer Sammlung.
Reduzieren
Operationen auf ganzen Sammlungen, um aggregierte Daten zu erhalten.
Sortieren
Sortieren von Elementen nach bestimmten Kriterien.
Beitritt
Kombinieren von Datensammlungen basierend auf gemeinsamen Attributen.
Bandmathematik
Verarbeitung und Analyse der Spektralbänder von Satellitenbildern.
Filterung
Extraktion bestimmter Daten anhand spezifischer Kriterien.
Diese Funktionalitäten ermöglichen vielfältige Anwendungen in Forschung und Praxis für umfassende Analysen und Auswertungen.
Die Verwendung der eigenen Geometrie und die Bildung von Modellen
Google Earth Engine ermöglicht die Definition spezifischer geografischer Gebiete und die Arbeit mit Geometrien wie Punkten, Linien oder Polygonen, um Regionen für Analysen und Anwendungen präzise auszuwählen. Die Verwendung von Sentinel-2 Level 2A Daten liefert hochauflösende optische Bilder der Erdoberfläche, die insbesondere für Umweltbeobachtungen wie Landbedeckungsklassifizierungen und Vegetationsanalysen relevant sind. Um die Bildqualität zu verbessern und Wolken zu identifizieren, wird die Cloud Score+ Bildsammlung verwendet, um Wolken in den Sentinel-2 Bildern zu maskieren.
Zusätzlich können verschiedenen Gebieten Labels oder Klassen zugewiesen werden, um Trainingsdaten für die Modellierung zu generieren. Ein Klassifikationsmodell wird dann mit den klassifizierten Proben trainiert, typischerweise mit Algorithmen des maschinellen Lernens wie Random Forest. Die Klassifikationsergebnisse können dann visuell auf der Karte dargestellt und analysiert werden, um die Genauigkeit des Modells zu überprüfen und die Landbedeckungsklassifikationen zu bewerten.
Die Anwendung von Google Earth Engine und Google Cloud Architecture in sechs Schritten:
Für einen vertieften Einblick in das Thema stehen wir gerne zur Verfügung.
Weitere Lösungen aus der Google Cloud Platform finden Sie hier:
