2 repositorios
Offloading intensive spatial analysis and processing to remote server clusters via APIs.
Distinct from Remote Model Execution: The candidates focus on file transfers or generic model execution; this is specifically about offloading geospatial computations.
Explore 2 awesome GitHub repositories matching devops & infrastructure · Cloud-Based Geospatial Computation. Refine with filters or upvote what's useful.
geemap es una biblioteca de Python y kit de herramientas geoespaciales diseñado para mapeo interactivo, visualización de teledetección y análisis de imágenes satelitales. Sirve como interfaz de Python para Google Earth Engine, permitiendo a los usuarios gestionar flujos de trabajo geoespaciales basados en la nube y visualizar datasets dentro de entornos de notebook. El proyecto se distingue por la conversión automática de código, permitiendo traducir scripts y notebooks entre lenguajes de programación. También proporciona capacidades especializadas de visualización de teledetección, como la generación de GIFs de lapso de tiempo a partir de secuencias de imágenes con soporte para texto animado y barras de color. El kit de herramientas cubre una amplia gama de capacidades geoespaciales, incluyendo clasificación de imágenes satelitales, evaluaciones de precisión e inspección de mapas interactivos para graficar estadísticas de series temporales. Maneja la transformación de datos geoespaciales en formatos como GeoTIFF, GeoJSON, shapefiles y CSV, mientras soporta la integración tanto de datasets locales como de catálogos de datos remotos. Los usuarios pueden exportar su trabajo mediante la publicación de mapas interactivos como archivos HTML o imágenes estáticas.
Offloads intensive geospatial analysis and processing to remote server clusters via cloud APIs.
geemap es una biblioteca de Python y kit de herramientas para análisis geoespacial interactivo, visualización y análisis de imágenes satelitales utilizando datos de Google Earth Engine y computación en la nube. Proporciona una herramienta de mapeo para mostrar datasets geoespaciales dentro de Jupyter notebooks y un conjunto de herramientas para clasificar imágenes y calcular estadísticas zonales. El proyecto incluye una utilidad para convertir scripts de análisis geoespacial de JavaScript a código Python para facilitar la manipulación de datos. También permite la generación de animaciones de lapso de tiempo y visualizaciones de series temporales a partir de catálogos de imágenes satelitales. La biblioteca cubre amplias capacidades geoespaciales, incluyendo cálculos espaciales a gran escala, clasificación de imágenes y visualización de datos geoespaciales. Soporta tareas de gestión de datos como exportar capas geoespaciales a formatos comunes, extraer píxeles de imágenes a arrays de numpy e integrar shapefiles locales con análisis basados en la nube.
Provides the ability to execute heavy geospatial computations on remote server clusters to avoid local memory limits.