Pythonによる地理空間データ分析 ―例題で学ぶロケーションインテリジェンス

10章Pythonによる気候データの測定

Pythonや地理空間データ分析の技術的なスキルや学習手順を習得することは重要ですが、コンテキストを提供したり、共有するストーリーを作ったりしない限り、すべては机上のデータにすぎません。

この最後の章では、Landsat（https://www.usgs.gov/landsat-missions）、China-Brazil Earth Resources Satellite（CBERS、https://www.eoportal.org/satellite-missions/cbers-1-2）、Sentinel（https://www.sentinel-hub.com/）からの衛星画像レイヤにアクセスして、時系列データを探索する3つのアプローチを調べます。地理空間データ分析のスキルを活用して、気候変動や森林破壊に関する問題を検討します。

空間モデリングは、地球の気温上昇と森林破壊のリアルタイムな状況を予測、監視する重要なツールです。その結果、これらの現象がもたらす結果を予測し、それに対して介入または準備することができるでしょう。

本節では、Pythonの強力なパッケージの中から、3つの例（Xarray、WTSS（Web Time Series Service）、FAR（Forest at Risk））を紹介します。これらは新しいツールのように見えますが、以前の章で依存パッケージとしてすでに利用しています。最後の例は、森林破壊の分析に使用する予測モデリング用に設計されたパッケージの統計的能力をより深く掘り下げたものです。付属のNotebook（https://github.com/datamongerbonny/geopy-notebooks/blob/main/10_wtss.ipynb ...