PIE-Engine 遙感云計算平臺上集成了海量遙感數(shù)據(jù)、強(qiáng)大的算力和豐富的算子，使得大規(guī)模尺度長時間序列的遙感數(shù)據(jù)分析可以在線快速完成，其中一大利器便是map算子。本期我們來詳細(xì)介紹map算子的作用，它和傳統(tǒng)for循環(huán)的區(qū)別，以及如何巧用map算子優(yōu)化代碼，提高計算效率。
一、 map算子的作用
map算子是我們在云計算平臺上處理影像時常用的算子，可以對集合（List、FeatureCollection、ImageCollection）中的每一個元素進(jìn)行操作，操作完成返回的結(jié)果仍是一個集合對象。以FeatureCollection調(diào)用map算子為例，其基本形式如下：
var featureCol = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY');
var featureColNew = featureCol.map(function (feature) {
var geometry = feature.geometry();
var featureNew = pie.Feature(geometry.centroid());
return featureNew;
})
上述代碼取出featureCol 中的每一個feature，然后求取各feature的幾何中心，得到一個新的矢量集合-featureColNew。
二、map算子和for循環(huán)的區(qū)別
當(dāng)然，有些map操作用傳統(tǒng)的for/while循環(huán)也可以實(shí)現(xiàn)，但二者在計算機(jī)制上有本質(zhì)區(qū)別，for循環(huán)是在前端控制變量的循環(huán)，且是順序執(zhí)行代碼，效率比較慢，一般在PIE-Engine里很少用。而map則是在后臺服務(wù)器上直接作用于集合中的元素進(jìn)行循環(huán)操作，執(zhí)行效率很快，相當(dāng)于“并行執(zhí)行任務(wù)”， 但在map里一般不再用 print、Map、Export 以及Reducer等方法。下面分別對比在集合中使用map算子和for循環(huán)的不同之處。
針對List中的每個元素進(jìn)行循環(huán)計算
//對List中的每個元素加1，采用map算子
var list1 = pie.List([1,2,3,2]);
var list2 = list1.map(function (value) {
return pie.Number(value).add(1);
});
print("list2",list2);
輸出結(jié)果：
//對List中的每個元素加1，采用for循環(huán)
var list1 = pie.List([1,2,3,2]);
var list2 = [];
for(var i = 0;i
list2.push(pie.Number(list1.get(i)).add(1).getInfo());
}
print("list2",list2);
輸出結(jié)果：
List集合調(diào)用map算子后便可直接作用于其中的元素，而采用for循環(huán)則還需要增加諸多限制，才能實(shí)現(xiàn)相同的功能。
針對FeatureCollection中的每個Feature進(jìn)行循環(huán)計算
利用中國省級行政區(qū)劃矢量數(shù)據(jù)計算每個省的面積，分別采用map算子和for循環(huán)進(jìn)行計算。
（1）取FeatureCollection中的每個元素并計算其面積，采用map算子：
向上滑動閱覽
var featureCol = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var featureColNew = featureCol.map(function (feature) {
var name = feature.get("name");
var geometry = feature.geometry();
var area = geometry.area().divide(1000000);
feature = feature.set("name",name);
feature = feature.set("area",area);
return feature;
})
var result = featureColNew.reduceColumns(pie.Reducer.toList(2),["name","area"]);
print("result",result);
Map.addLayer(featureCol,,"featureCol");
Map.setCenter(118,39.7,3);
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=cbe5f4f5efca4b5faa8344b0ab325c04
采用map算子獲取中國各省的面積
（2）取FeatureCollection中的每個元素并計算其面積，采用for循環(huán)：
向上滑動閱覽
var featureCol = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
print(featureCol)
for(i = 0; i
var name = featureCol.getAt(i).get("name");
var geometry = featureCol.getAt(i).geometry();
var area = geometry.area().divide(1000000);
print(name,area);
}
Map.addLayer(featureCol,,"featureCollection");
Map.setCenter(118,39.7,3);
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=4198d136975841269e367aec1ae47e70
運(yùn)行結(jié)果：
▲for循環(huán)輸出各省面積
上述代碼采用map算子，2秒即可出結(jié)果，而for循環(huán)則需要40秒，等待時間較長，從而體現(xiàn)map算子的優(yōu)勢。
針對ImageCollection中的每個Image進(jìn)行循環(huán)計算
（1）取ImageCollection中的每個元素計算NDVI，采用map算子：
向上滑動閱覽
var featureCol = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var beijing = featureCol.filter(pie.Filter.eq("name", "北京市"));
var bjGeo = beijing.getAt(0).geometry();
var visParams = ;
Map.addLayer(beijing, visParams, "北京市");
Map.centerObject(beijing, 6);
var imageCol = pie.ImageCollection("LC08/01/T1")
.filterDate("2019-12-01", "2019-12-31")
.filterBounds(bjGeo);
print("imageCol", imageCol);
var imageColNDVI = imageCol.map(function (image) {
// NDVI計算
var img_Nir = image.select("B5");
var img_Red = image.select("B4");
var img_NDVI = img_Nir.subtract(img_Red).divide(img_Nir.add(img_Red)).rename("NDVI");
return image.addBands(img_NDVI);
});
print("imageColNDVI", imageColNDVI);
//NDVI繪制樣式
var visParamNDVI = {
min: -0.2,
max: 0.8,
palette: 'CA7A41, CE7E45, DF923D, F1B555, FCD163, 99B718, '+
'74A901, 66A000, 529400,3E8601, 207401, 056201, 004C00,'+
'023B01, 012E01, 011D01, 011301'
};
var imageNDVI = imageColNDVI.select("NDVI").mosaic().clip(bjGeo);
Map.addLayer(imageNDVI, visParamNDVI, "Layer_NDVI");
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=4ec895ce6e3b411daab877713ca81f45
輸出結(jié)果：
（2）取ImageCollection中的每個元素計算NDVI，采用for循環(huán)：
向上滑動閱覽
var featureCol = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var beijing = featureCol.filter(pie.Filter.eq("name", "北京市"));
var bjGeo = beijing.getAt(0).geometry();
var visParams = { color: "ff0000ff", fillColor: "00000000" };
Map.addLayer(beijing, visParams, "北京市");
Map.centerObject(beijing, 6);
var imageCol = pie.ImageCollection("LC08/01/T1")
.filterDate("2019-8-01", "2019-8-30")
.filterBounds(bjGeo);
print("imageCol", imageCol);
var newCol=[];
for (i = 0; i
var image = imageCol.getAt(i);
var img_Nir = image.select("B5");
var img_Red = image.select("B4");
var img_NDVI = img_Nir.subtract(img_Red).divide(img_Nir.add(img_Red))
.rename("NDVI");
image = image.addBands(img_NDVI);
newCol.push(image);
}
var newImageCol=pie.ImageCollection().fromImages(newCol);
print("newImageCol", newImageCol);
//NDVI繪制樣式
var visParamNDVI = {
min: -0.2,
max: 0.8,
palette: 'CA7A41, CE7E45, DF923D, F1B555, FCD163, 99B718, ' +
'74A901, 66A000, 529400,3E8601, 207401, 056201, 004C00,' +
'023B01, 012E01, 011D01, 011301'
};
var imageNDVI = newImageCol.select("NDVI").mosaic().clip(bjGeo);
Map.addLayer(imageNDVI, visParamNDVI, "Layer_NDVI");
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=ef81bdf97c8d45809c3101f5f8dee4c4
上述代碼采用map算子和for循環(huán)的計算時間基本相同， 但在使用for循環(huán)時要重新構(gòu)造一個存放新的image集合的數(shù)組，并在循環(huán)結(jié)束后重新構(gòu)造一個由這些image組成的ImageCollection，在步驟上較為復(fù)雜。
因此，在遙感云計算平臺中，涉及到對集合中的每個元素進(jìn)行操作時，推薦使用map算子，快速且便利。但前述提到，在map算子中不宜再用 print、Map、Export 以及Reducer等方法，如果需要對集合中的每個元素進(jìn)行統(tǒng)計操作，則可用for循環(huán)代替，以下代碼展示了使用for循環(huán)統(tǒng)計北京各城區(qū)提取的建筑區(qū)面積：
向上滑動閱覽
var chn = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY');
var beijing = chn.filter(pie.Filter.eq("name", "北京市"));
var bjGeo = beijing.getAt(0).geometry();
var chn2 = pie.FeatureCollection('NGCC/CHINA_COUNTY_BOUNDARY');
var beijing2 = chn2.filter(pie.Filter.eq("cname", "北京市"));
var bjGeo2 = beijing2.getAt(0).geometry();
Map.centerObject(beijing, 7)
var visParams = { color: "ff0000ff", fillColor: "00000000" };
Map.addLayer(beijing, visParams, "北京市邊界");
Map.addLayer(beijing2, visParams, "北京市各區(qū)");
function rmCloud(image) {
var qa = image.select("BQA");
var cloudMask = qa.bitwiseAnd(1
return image.updateMask(cloudMask);
}
var l8 = pie.ImageCollection("LC08/01/T1")
.filterDate("2020-7-1", "2020-8-30")
.filterBounds(bjGeo)
.select(["B2", "B3", "B4", "B5", "B6", "BQA"])
.map(rmCloud);
//計算用到的指數(shù)
function imgCalculate(image) {
var green = image.select("B3");
var red = image.select("B4");
var nir = image.select("B5");
var swir1 = image.select("B6");
var ndvi = (nir.subtract(red)).divide(nir.add(red)).rename("NDVI");
var mndwi = green.subtract(swir1)
.divide(green.add(swir1))
.rename("MNDWI");
return image.addBands(ndvi).addBands(mndwi);
}
var imgCol = l8.map(imgCalculate)
.mean()
.clip(bjGeo);
Map.addLayer(imgCol, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "imgCol");
var ndvi = imgCol.select("NDVI");
var nonVeg = imgCol.updateMask(ndvi.lte(0.6));
Map.addLayer(nonVeg, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "nonVeg");
var mndwi = imgCol.select("MNDWI");
var nonVegWater = nonVeg.updateMask(mndwi.lte(0.3));
Map.addLayer(nonVegWater, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "nonVegWater");
var nonVegWater2 = nonVegWater.select("B2").gt(0);
Map.addLayer(nonVegWater2, { min: 0, max: 1, palette: "ff0000" }, "nonVegWater2");
var areaImage = nonVegWater2.pixelArea().multiply(nonVegWater2.gt(0));
var area = areaImage.reduceRegion(pie.Reducer.sum(), bjGeo, 30);
print("北京市建筑用地面積（單位：平方千米）: ", pie.Number(area.get("constant")).divide(1000000));
var newFeatures = [];
for (var i = 0; i
var temp = nonVegWater2.clip(beijing2.getAt(i).geometry());
var areaImg = temp.pixelArea().multiply(temp.gt(0));
var area = areaImg.reduceRegion(pie.Reducer.sum(), beijing2.getAt(i).geometry(), 30);
newFeatures.push(beijing2.getAt(i).set("area", area.get("constant")));
}
beijing2 = pie.FeatureCollection(newFeatures);
print("beijing2",beijing2);
var result = beijing2.reduceColumns(pie.Reducer.toList(2), ["name", "area"]);
print("result", result);
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=bf885222bf584f33aaa96c2a0093c03d
輸出結(jié)果：
三、巧用map算子，提高計算效率
map算子帶來便利的同時，也將大量的計算轉(zhuǎn)移給了后臺計算服務(wù)。通常我們在影像處理時會計算多個指數(shù)，單個指數(shù)的計算公式通常會寫成函數(shù)的形式方便調(diào)用。多個map算子共同使用時，相當(dāng)于多次循環(huán)，所涉及到的運(yùn)算量也很大，怎樣使用map算子才能優(yōu)化計算邏輯，提高計算效率呢？
下面以去云后計算裸土指數(shù)BSI、改進(jìn)的歸一化差異水體指數(shù)MNDWI、增強(qiáng)型的裸土指數(shù)EBSI、建筑用地指數(shù)NDBI等4個指數(shù)的計算為例，來說明如何在代碼級別進(jìn)行優(yōu)化來減少計算量從而提高計算效率。
方法1，將每個指數(shù)的計算單獨(dú)寫成函數(shù)，在篩選完影像后依次用map算子調(diào)用：
向上滑動閱覽
var chn = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY');
var beijing = chn.filter(pie.Filter.eq("name", "北京市"));
var bjGeo = beijing.getAt(0).geometry();
Map.centerObject(beijing, 7)
var visParams = { color: "ff0000ff", fillColor: "00000000" };
Map.addLayer(beijing, visParams, "北京市邊界");
//去云
function rmCloud(image) {
var qa = image.select("BQA");
var cloudMask = qa.bitwiseAnd(1
return image.updateMask(cloudMask);
}
//裸土指數(shù)BSI: [(B06 + B04)-(B05 + B02)]/[(B06 + B04)+(B05 + B02)]
function BSI(image) {
var nir = image.select("B5");
var swir1 = image.select("B6");
var red = image.select("B4");
var blue = image.select("B2");
var bsi = (swir1.add(red).subtract(nir.add(blue)))
.divide(swir1.add(red).add(nir.add(blue)));
return image.addBands(bsi.rename("BSI"));
}
//改進(jìn)的歸一化差異水體指數(shù)MNDWI: (B03 - B06)/(B03 + B06)
function MNDWI(image) {
var mndwi = image.select("B3").subtract(image.select("B6"))
.divide(image.select("B3").add(image.select("B6")))
return image.addBands(mndwi.rename("MNDWI"));
}
//增強(qiáng)型的裸土指數(shù)EBSI：(BSI - MNDWI)/(BSI + MNDWI)
function EBSI(image) {
var mndwi = image.select("MNDWI");
var bsi = image.select("BSI");
var ebsi = (bsi.subtract(mndwi)).divide(bsi.add(mndwi));
return image.addBands(ebsi.rename("EBSI"));
}
//建筑用地指數(shù)NDBI: (B06 - B05)/(B06 + B05)
function NDBI(image) {
var ndbi = image.select("B6").subtract(image.select("B5"))
.divide(image.select("B6").add(image.select("B5")))
return image.addBands(ndbi.rename("NDBI"));
}
//加載Landsat 8影像數(shù)據(jù)集合
var imgColl8 = pie.ImageCollection("LC08/01/T1")
.filterDate("2020-4-1", "2020-4-30")
.filterBounds(bjGeo)
.select(["B2", "B3", "B4", "B5", "B6", "B7", "BQA"])
.map(rmCloud)
.map(BSI)
.map(MNDWI)
.map(EBSI)
.map(NDBI)
.mean()
.clip(bjGeo);
print("imgColl8",imgColl8);
Map.addLayer(imgColl8, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "imgCol1");
Map.addLayer(imgColl8.select("BSI"), { min: -0.2, max: 0.2 }, "BSI");
Map.addLayer(imgColl8.select("NDBI"), { min: -0.2, max: 0.2 }, "NDBI");
Map.addLayer(imgColl8.select("MNDWI"), , "MNDWI");
Map.addLayer(imgColl8.select("EBSI"), { min: 0, max: 1 }, "EBSI");
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=402cadc45985400c8650620b9d93bad9
上述代碼共調(diào)用了5次map算子，相當(dāng)于對篩選后的影像進(jìn)行了5次遍歷，除去云操作外，每一次都是對每景影像進(jìn)行波段運(yùn)算完后添加計算后的指數(shù)，將大量的算力消耗在了重復(fù)讀取和寫入上，輸出計算結(jié)果用時85秒，完整顯示用時135秒。
依次調(diào)用多個map計算每個指數(shù)
方法2，將去云及指數(shù)運(yùn)算封裝成一個函數(shù)，在篩選完影像后僅用map算子調(diào)用一次：
向上滑動閱覽
var chn = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY');
var beijing = chn.filter(pie.Filter.eq("name", "北京市"));
var bjGeo = beijing.getAt(0).geometry();
Map.centerObject(beijing, 7)
var visParams = { color: "ff0000ff", fillColor: "00000000" };
Map.addLayer(beijing, visParams, "北京市邊界");
var imgColl8 = pie.ImageCollection("LC08/01/T1")
.filterDate("2020-4-1", "2020-4-30")
.filterBounds(bjGeo)
.select(["B2", "B3", "B4", "B5", "B6", "B7", "BQA"]);
//影像處理函數(shù)
function imgCalculate(image) {
var qa = image.select("BQA");
var cloudMask = qa.bitwiseAnd(1
image = image.updateMask(cloudMask);
var blue = image.select("B2");
var green = image.select("B3");
var red = image.select("B4");
var nir = image.select("B5");
var swir1 = image.select("B6");
var bsi = (swir1.add(red).subtract(nir.add(blue)))
.divide(swir1.add(red).add(nir.add(blue)))
.rename("BSI");
var mndwi = green.subtract(swir1)
.divide(green.add(swir1))
.rename("MNDWI");
var ebsi = (bsi.subtract(mndwi)).divide(bsi.add(mndwi))
.rename("EBSI");
var ndbi = swir1.subtract(nir)
.divide(swir1.add(nir))
.rename("NDBI");
return image.addBands(mndwi).addBands(bsi).addBands(ebsi)
.addBands(ndbi);
}
imgColl8 = imgColl8.map(imgCalculate).mean().clip(bjGeo);
print("imgColl8", imgColl8);
Map.addLayer(imgColl8, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "imgCol1");
Map.addLayer(imgColl8.select("BSI"), { min: -0.2, max: 0.2 }, "BSI");
Map.addLayer(imgColl8.select("NDBI"), { min: -0.2, max: 0.2 }, "NDBI");
Map.addLayer(imgColl8.select("MNDWI"), , "MNDWI");
Map.addLayer(imgColl8.select("EBSI"), { min: 0, max: 1 }, "EBSI");
代碼鏈接：
https://engine.piesat.cn/engine-share/shareCode.html?id=ce08fdb1cca147acb6ae6da7629fb49f
將指數(shù)計算封裝到一個函數(shù)中調(diào)用
上述代碼僅調(diào)用了1次map算子，對篩選后的影像進(jìn)行了去云操作以及4個指數(shù)波段的添加，僅需對每景影像讀取寫入一次，大大節(jié)省了算力，只用8秒即可輸出結(jié)果并完整顯示，相比于方法1，計算速度提升近10倍。
學(xué)會了這種思路后，平常我們在編寫代碼時，注意將計算過程優(yōu)化，就可以提高計算效率，減少等待時間。
本文地址：http://www.dayishuiji.com/new/17613.html - 轉(zhuǎn)載請保留原文鏈接。| 免責(zé)聲明：本文轉(zhuǎn)載上述內(nèi)容出于傳遞更多信息之目的，不代表本網(wǎng)的觀點(diǎn)和立場，故本網(wǎng)對其真實(shí)性不負(fù)責(zé)，也不構(gòu)成任何其他建議；本網(wǎng)站圖片，文字之類版權(quán)申明，因?yàn)榫W(wǎng)站可以由注冊用戶自行上傳圖片或文字，本網(wǎng)站無法鑒別所上傳圖片或文字的知識版權(quán)，如果侵犯，請及時通知我們，本網(wǎng)站將在第一時間及時刪除。 |
