Usar dados raster para analisar a temperatura

Neste tutorial, descrevemos como realizar uma análise geoespacial em dados raster.

Objetivos

• Encontre dados disponíveis publicamente do Google Earth Engine no compartilhamento do BigQuery (antigo Analytics Hub).
• Use a função ST_REGIONSTATS para calcular a temperatura média em cada país em um determinado momento.
• Visualize os resultados no BigQuery Geo Viz, uma ferramenta da Web para visualização de dados geoespaciais no BigQuery usando as APIs Google Maps.

Custos

Neste tutorial, você vai usar os seguintes componentes faturáveis do Google Cloud:

• BigQuery
• Google Earth Engine

Antes de começar

Recomendamos que você crie um projeto Google Cloud para este tutorial. Verifique se você tem os papéis necessários para concluir este tutorial.

Configurar um projeto do Google Cloud

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the BigQuery, BigQuery sharing, and Google Earth Engine APIs.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the BigQuery, BigQuery sharing, and Google Earth Engine APIs.

Enable the APIs

Funções exigidas

Para receber as permissões necessárias para executar as tarefas neste tutorial, peça ao administrador para conceder a você os seguintes papéis do IAM no seu projeto:

• Leitor de recursos do Earth Engine (roles/earthengine.viewer)
• Consumidor do Service Usage (roles/serviceusage.serviceUsageConsumer)
• Editor de dados do BigQuery (roles/bigquery.dataEditor)

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Esses papéis predefinidos contêm as permissões necessárias para executar as tarefas neste tutorial. Para conferir as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As permissões a seguir são necessárias para executar as tarefas deste tutorial:

• earthengine.computations.create
• serviceusage.services.use
• bigquery.datasets.create

Essas permissões também podem ser concedidas com funções personalizadas ou outros papéis predefinidos.

Inscrever-se em um conjunto de dados

Para encontrar o conjunto de dados usado neste tutorial, siga estas etapas:

1. Acesse a página Compartilhamento (Analytics Hub).

   Acessar Compartilhamento (Analytics Hub)

2. Clique em search Pesquisar fichas.

3. No campo Pesquisar fichas, insira "ERA5-Land Daily Aggregated".

4. Clique no resultado. Um painel de detalhes é aberto com informações sobre o conjunto de dados de reanálise climática ERA5-Land, incluindo uma descrição, um link para informações de banda, a disponibilidade, o tamanho do pixel e os termos de uso.

5. Clique em Assinar.

6. Opcional: atualize o Projeto.

7. Atualize o Nome do conjunto de dados vinculado para era5_climate_tutorial.

8. Clique em Salvar. O conjunto de dados vinculado é adicionado ao projeto e contém uma única tabela chamada climate.

Encontrar o ID do raster

Cada linha na tabela era5_climate_tutorial.climate contém metadados de uma imagem raster com dados climáticos de um dia específico. Execute a consulta a seguir para extrair o ID da imagem rasterizada de 1º de janeiro de 2025:

SELECT
  assets.image.href
FROM
  `era5_climate_tutorial.climate`
WHERE
  properties.start_datetime = '2025-01-01';

O resultado é ee://ECMWF/ERA5_LAND/DAILY_AGGR/20250101. Na próxima seção, você vai usar isso para o argumento raster_id da função ST_REGIONSTATS.

Calcular a temperatura média

Execute a consulta a seguir para calcular a temperatura média de cada país em 1º de janeiro de 2025 usando a função ST_REGIONSTATS:

WITH SimplifiedCountries AS (
  SELECT
    ST_SIMPLIFY(geometry, 10000) AS simplified_geometry,
    names.primary AS name
  FROM
    `bigquery-public-data.overture_maps.division_area`
  WHERE
    subtype = 'country'
)
SELECT
  sc.simplified_geometry AS geometry,
  sc.name,
  ST_REGIONSTATS(
    sc.simplified_geometry,
    'ee://ECMWF/ERA5_LAND/DAILY_AGGR/20250101',
    'temperature_2m'
  ).mean - 273.15 AS mean_temperature
FROM
  SimplifiedCountries AS sc
ORDER BY
  mean_temperature DESC;

Essa consulta é executada na tabela division_area disponível publicamente, que contém valores GEOGRAPHY representando os limites de várias regiões da Terra, incluindo países. A função ST_REGIONSTATS usa a banda temerature_2m da imagem rasterizada, que contém a temperatura do ar a 2 metros acima da superfície da terra no pixel especificado.

Visualizar os resultados da consulta no Geo Viz

Em seguida, visualize os resultados usando o BigQuery Geo Viz.

Iniciar o Geo Viz e autenticar

Antes de usar o Geo Viz, é preciso autenticar e conceder acesso aos dados do Google BigQuery.

Para configurar o Geo Viz, faça o seguinte:

1. Abra a ferramenta da Web do Geo Viz.

   Abrir o Geo Viz

   Ou, no painel Resultados da consulta, clique em Abrir em > GeoViz.

2. Na primeira etapa, Consulta, clique em Autorizar.

3. Na caixa de diálogo Escolher uma conta, clique na sua Conta do Google.

4. Na caixa de diálogo de acesso, clique em Permitir para conceder ao Geo Viz acesso aos dados do BigQuery.

Executar a consulta no Geo Viz

Depois de autenticar e conceder acesso, a próxima etapa é executar a consulta no Geo Viz.

Para executar a consulta, faça o seguinte:

1. Na primeira etapa, Selecionar dados, insira o ID do projeto no campo ID do projeto.

2. Na janela de consulta, insira esta consulta do GoogleSQL. Se você abriu o Geo Viz nos resultados da consulta, esse campo já está preenchido com sua consulta.

   WITH SimplifiedCountries AS (
     SELECT
       ST_SIMPLIFY(geometry, 10000) AS simplified_geometry,
       names.primary AS name
     FROM
       `bigquery-public-data.overture_maps.division_area`
     WHERE
       subtype = 'country'
   )
   SELECT
     sc.simplified_geometry AS geometry,
     sc.name,
     ST_REGIONSTATS(
       sc.simplified_geometry,
       'ee://ECMWF/ERA5_LAND/DAILY_AGGR/20250101',
       'temperature_2m'
     ).mean - 273.15 AS mean_temperature
   FROM
     SimplifiedCountries AS sc
   ORDER BY
     mean_temperature DESC;
   

3. Clique em Executar.

Aplicar estilos

Na seção Estilo, há uma lista de estilos visuais para personalização. Para mais informações sobre cada estilo, consulte Formatar sua visualização.

Para formatar o mapa, faça o seguinte:

1. Para abrir o painel fillColor, clique na etapa 3, Estilo.

2. Clique no botão Baseado em dados para a posição ativada.

3. Em Função, escolha linear.

4. Em Campo, escolha mean_temperature.

5. Em Domínio, insira -20 na primeira caixa e 32 na segunda.

6. Em Intervalo, clique na primeira caixa e insira #0006ff na caixa Hex. Depois, clique na segunda caixa e insira #ff0000. Isso muda a cor de cada país com base na temperatura média em 1º de janeiro de 2025. Azul indica uma temperatura mais fria e vermelho indica uma temperatura mais quente.

7. Clique em fillOpacity.

8. No campo Valor, insira .5.

9. Clique em Aplicar estilo.

10. Examine o mapa. Se você clicar em um país, o nome, a temperatura média e a geometria simplificada dele serão exibidos.

    

Limpar

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

A seguir

• Para saber mais sobre como visualizar opções para análises geoespaciais, consulte Como visualizar dados geoespaciais.
• Para trabalhar com dados raster, consulte Trabalhar com dados raster.
• Para saber mais sobre as funções geográficas que você pode usar na análise geoespacial, consulte Funções geográficas no GoogleSQL.