Data Science for Beginners：用 Planetary Computer Explorer 探索可持续性数据集——实战作业全解析

Data Science for Beginners：用 Planetary Computer Explorer 探索可持续性数据集——实战作业全解析

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

导读

本篇文章围绕 Data Science for Beginners 课程最后一课（20-Real-World-Examples）的实战作业展开，任务是利用微软 Planetary Computer 的 Explorer 界面，选择一个与可持续性相关的遥感数据集，通过「选数据集 → 选预设查询 → 选渲染方式」三步完成可视化，并回答五个关于数据特征、洞察、影响、局限与替代可视化的分析问题。读完本文，你将掌握无账号探索地球系统大数据的基本流程，并能把课程前几课学到的 pandas / matplotlib / seaborn 可视化技能迁移到真实地理空间数据上，甚至通过 Launch Hub 在 Notebook 中实现自己的替代可视化。

作业的来龙去脉：数据科学 × 可持续性

这项作业对应课程的最后一节「数据科学在真实世界中的应用」（英文原版、西班牙语翻译）。该课将数据科学的应用划分为四个领域：工业、科研（如 MIT Gender Shades 研究）、数字人文（如 Emily Dickinson 诗歌情感分析）与可持续性——作业正是聚焦最后一个领域。

可持续性议题的宏大背景是 2015 年联合国通过的《2030 年可持续发展议程》及其 17 项目标；微软可持续性倡议进一步将其落到四项可量化的工程目标：碳负排放（carbon negative）、水正效益（water positive）、零废弃物（zero waste）与生物多样性（bio-diverse）。要在大规模、及时的条件下应对气候与生态挑战，必须依赖云规模的算力和大规模数据——这正是 Planetary Computer 项目存在的意义。项目本身处于预览阶段，共提供四个组件：

本作业使用的Explorer即建立在 Data Catalog 之上，是不需要申请账号即可体验的交互式可视化入口；若想走「加分项」的完整流程（申请账号、用 Hub 打开 Notebook），才需要额外申请访问权限。

核心操作流程：Explorer 的三步工作流

Explorer 的界面（见下图）遵循**「数据集 → 查询 → 渲染」**三步筛选逻辑：左侧交互面板提供三个下拉菜单，右侧地图区域实时渲染所选数据的空间分布，顶部导航栏提供 Explore / Data Catalog / Hub / Applications / Documentation 等入口。

作业要求依次完成三个步骤：

1. 阅读 Explorer 文档：先理解界面各选项的含义——数据集下拉菜单决定你要可视化的卫星/遥感数据源；预设查询用于按时间范围、地理区域等条件过滤数据；渲染选项决定数据在地图上的呈现方式（如假彩色合成、植被指数 NDVI 等色带映射）。理解这些选项是后续能提出有质量问题的前提。
2. 浏览数据集目录（Catalog）：逐一了解每个数据集的用途——例如 Landsat、Sentinel-2 等光学遥感数据，以及冰川、土地覆盖、森林等专题数据，判断哪个与可持续性议题（如森林砍伐率、冰川消融、土地利用变化）最相关。
3. 使用 Explorer 完成一次完整探索：从目录中选择一个自己感兴趣的数据集，配合一个相关性强的预设查询与合适的渲染选项，在浏览器中生成可视化。

操作时界面还提供Reset（重置）按钮，便于清空当前设置重新开始筛选，可放心反复尝试不同组合。

分析任务：五个必须回答的核心问题

可视化生成后，作业要求围绕以下五个问题展开书面分析。这五个问题构成了一条完整的「数据 → 洞察 → 行动 → 反思」分析链条：

1. 数据特征（features）：数据集包含哪些特征（字段）？例如时间分辨率（每天/每 8 天/每年）、空间分辨率（米级/公里级）、波段类型、覆盖的地理区域等。需要回到 Catalog 中的数据集元数据确认。
2. 洞察或结果（insights）：当前可视化揭示了什么？例如某区域植被指数在时间序列上的变化趋势、森林覆盖率的空间分布差异等。描述你从图中实际读到的信息，而不是泛泛而谈。
3. 对可持续性目标的含义（implications）：这些洞察对课程中提到的可持续性目标（碳负排放、水正效益、零废弃物、生物多样性，或联合国 17 项 SDG）意味着什么？例如发现某流域水体面积持续缩小，可能指向水正效益目标下的监测需求。
4. 可视化的局限（limitations）：你从当前可视化中没有得到什么信息？例如缺少数值精度、无法量化变化幅度、只有单一时相看不到趋势、渲染色带掩盖了小范围异常等。
5. 替代可视化（alternative visualizations）：如果能拿到原始数据，你会构建哪些替代可视化？为什么？——这是把问题引向本课程可视化专题的关键一步，具体思路见下文。

加分项：申请账号并用 Launch Hub 在 Notebook 中验证假设

基础任务无需账号即可完成；加分项则要求走完整流程：

1. 申请访问权限：在 Planetary Computer 站点提交账号申请，获批后登录。
2. 使用 Launch Hub 打开原始数据：在 Explorer 中通过Launch Hub选项，把当前数据集以原始形式载入 Notebook 环境，得到可编程访问的数据（通常对应 STAC 检索 API 返回的影像与元数据）。
3. 交互式探索并实现替代可视化：在 Notebook 中加载数据，把你在第 5 个问题中设想的可视化逐一实现出来。
4. 复盘对比：分析你的自定义可视化——之前缺失的信息（如精确数值、时间趋势、统计分布）现在拿到了吗？哪些新的局限又浮现出来？

这一流程恰好完整复刻了本课程所教授的数据科学生命周期：数据获取（Acquisition）→ 数据清理 → 数据分析 → 可视化，是把它从教学 Notebook 搬到真实云端数据上的一次演练。

与课程可视化章节的衔接：替代可视化怎么设计

课程在第 3 部分用了五个章节专门讲可视化（数量、分布、比例、关系、有意义可视化），作业第 5 问正是要求你调用这些知识。设计替代可视化时，可参照课程 Notebook 中的成熟做法：

• 时间趋势：若数据集含多个时相（如月/年序列），可参照 09-visualization-quantities 用折线图展现植被指数或水体面积的年际变化，捕捉 Explorer 单帧渲染看不到的趋势。
• 分布刻画：参照 10-visualization-distributions 用直方图或箱线图刻画某指标（如 NDVI 值、地表温度）的总体分布，判断是否存在偏态或离群区域。
• 占比构成：参照 11-visualization-proportions 用饼图/环形图或堆叠条形图展示土地利用类型占比，量化「被占用/被破坏」的结构。
• 关系探索：参照 12-visualization-relationships 用散点图探究两个指标间的关系（如人口密度与植被覆盖、降水量与 NDVI）。
• 相关性分析：参照 13-meaningful-visualizations/correlation-analysis.ipynb 中pandas + seaborn + matplotlib的组合套路（import pandas as pd / import seaborn as sns / import matplotlib.pyplot as plt），在 Notebook 中计算相关系数并用热力图或pairplot呈现多维关系。

快速选型对照表（可直接用于回答第 5 问）：

同时可阅读课程对「有意义可视化」（13-meaningful-visualizations）的讨论：好的可视化要能诚实地传达信息、避免误导性比例与失真的坐标轴——这正好用来审视 Explorer 默认渲染可能带来的局限。

评分标准（Rúbrica）

作业附带的评分标准明确了三个档次，可作为自查清单：

对照此表，建议按「先完成前三个问题 → 补足全部五问 → 再走加分项验证」的次序推进，确保至少达到「合格」档。

小结与延伸

这项作业的价值在于：它把课程前 19 课积累的数据处理与可视化技能，投射到一个真实的、PB 级的地球观测数据生态中，让你以极低门槛（甚至无需账号）体验从「数据源选择」到「空间可视化」再到「洞察评估」的完整闭环。完成后你还可以回到 课程目录 与 整套课程仓库 回顾对应的可视化与数据分析章节，把这次作业的思考沉淀为自己可持续性数据科学作品的起点。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners