用 Planetary Computer Explorer 探索地球系统数据集Data-Science-For-Beginners 第 20 课实战作业指南【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本篇文章是围绕 Data-Science-For-Beginners 课程第 6 部分《现实世界中的数据科学》6-Data-Science-In-Wild第 20 课作业撰写的完整实战指南。它基于课程作业文档 assignment.md含其德语翻译版 translations/de/6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md展开带你完成一次真实的可持续性数据分析任务使用 Planetary Computer 的 Explorer 可视化工具从地球系统数据集中挑选数据集、执行查询、生成可视化并据此回答一组关于数据特征、洞察、影响与局限的分析问题。读完本文你将掌握 Explorer 的无账户使用流程、数据集目录的检索思路、以及一套可复用的观察—提问—推演—改进数据分析方法论。上图即为作业文档中展示的 Planetary Computer Explorer 界面左侧可选择数据集、预设查询与渲染选项右侧即时渲染出对应的地球系统数据可视化。作业背景数据科学如何助力可持续发展在进入操作之前先理解这次作业在整门课程中的定位。第 20 课《现实世界中的数据科学》20-Real-World-Examples/README.md讨论了数据科学在产业、研究、数字人文与可持续性等领域的真实应用。其中数据科学 可持续性部分指出联合国 2030 可持续发展议程提出了 17 项目标其中多项聚焦于保护地球免受退化与气候变化影响。要在规模化、及时性的层面应对这些挑战需要云规模的思维与大规模数据——这正是 Planetary Computer 项目的出发点。作业文档明确列出该项目的四类核心组件对应课程 README 中的描述Data Catalog数据目录托管 PB 级、免费的地球系统数据由 Azure 托管Planetary API帮助用户按空间与时间检索相关数据基于 STAC 规范Hub工作环境供科学家处理大规模地理空间数据集的托管环境Applications应用展示可持续性洞察的使用案例与工具。本作业聚焦于其中的Explorer 功能——一个无需注册账户即可使用的可视化入口适合初学者在不搭建任何环境的前提下快速体验真实地球数据。环境前提无账户即可开始的入门路径作业文档给出的关键前提如下Explorer 无需账户Planetary Computer 项目提供数据集与 API账户可申请访问但 Explorer 功能可以直接使用无需创建账户账户用于加分环节只有尝试作业的 Bonus加分步骤——例如用Launch Hub把原始数据加载进 Notebook——才需要先申请账户并等待审批通过。也就是说主体任务五连问分析对任何人开放加分环节则需要申请访问权限。文档同时提示Planetary Computer 项目当前处于预览preview状态这一点意味着数据集目录、API 与界面都可能随时间调整操作时应以网站当前实际呈现为准。三步工作流从文档到可视化作业给出明确的三个步骤构成完整的先理解、再检索、后实践流程阅读 Explorer 文档理解界面中各项选项的含义——数据集、预设查询preset query、渲染选项rendering option分别是什么、如何配合使用浏览数据集目录Catalog了解每个数据集的存在目的为后续挑选感兴趣的数据集做准备使用 Explorer 实操挑选一个感兴趣的数据集选择一条相关查询与一种渲染选项生成可视化。这三步对应了数据科学生命周期4-Data-Science-Lifecycle中捕获Capturing阶段的实践先明确问题与目标再定位、收集并初步探索所需数据。Explorer 正是将检索地球系统数据这一原本需要 STAC API 编程能力的步骤降维为界面上的三次选择。Explorer 三个核心选项数据集、预设查询与渲染根据作业文档Explorer 界面围绕三个选择构成一条数据流水线选项作用对应环节数据集Dataset从目录提供的候选中选择一个数据源如土地覆盖、气候、生物多样性等数据获取预设查询Preset Query对数据进行过滤例如按区域、时间范围或特定波段筛选缩小分析范围数据加工渲染选项Rendering决定如何把数据画出来生成与问题相关的可视化可视化三者结合即可在浏览器中即时得到一张针对特定地域、特定时间的地球观测图。这一查询 渲染的模型与课程第 3 部分可视化专题3-Data-Visualization中反复强调的原则一致先明确你想回答什么问题再选择能表达该问题的图表形态。在 Explorer 里预设查询帮你限定看哪里、看什么时段渲染选项则决定用哪种视觉语言呈现二者共同服务于你预设的分析问题。核心任务围绕可视化的五连问分析框架生成浏览器中的可视化后作业要求回答五个问题。这组问题是一套可以迁移到任何数据分析项目的批判性思维模板1. 数据集有哪些特征features观察数据集的字段、空间分辨率、时间覆盖范围、波段/属性维度。例如数据是逐日的还是逐年的覆盖全球还是特定区域每个像元代表什么物理量这一步对应课程中定义数据与统计与概率部分的知识——只有先搞清楚数据的尺度和语义后续结论才有立足点。2. 可视化提供了哪些洞察insights或结果描述图中能直接读出的模式空间上的分布差异、时间上的趋势变化、异常值或聚类现象等。这一步要求把看到的图翻译成数据在说什么正是课程可视化专题13-meaningful-visualizations/README.md所强调的有意义地看图。3. 这些洞察对项目的可持续性目标有什么影响implications把数据发现连接到项目背景——例如气候变化、森林砍伐、生物多样性等可持续性议题上。比如一张土地覆盖变化图若显示某区域植被覆盖率下降其影响就指向该区域存在生态退化风险可能需要干预或政策响应。这一步训练的是从数据到决策的推理链。4. 可视化的局限limitations是什么明确列出你从这张图中没有得到什么分辨率不足时间跨度有限缺少某类属性如无法区分具体树种渲染方式掩盖了某些细节这一问呼应课程中避免欺骗性图表的章节——任何图表都是一种有损的抽象诚实的数据科学家必须能说出它的盲区。5. 如果拿到原始数据你会做哪些替代可视化alternative visualizations为什么基于前四问的缺口提出改进方案例如从静态图改为时间序列动画以观察变化速率或用散点图/箱线图探究两个变量间的关系可参考课程中的图表选型表趋势用折线、关系用散点、分布用直方图等。这一问把学习者从消费可视化推向设计可视化。加分环节从可视化走向原始数据与 Notebook作业的 Bonus 步骤为有条件需账户的深度探索设计申请账户并登录后使用 Explorer 的Launch Hub选项把原始数据直接打开进 Notebook 环境交互式探索数据并实现你在第五问中设想的替代可视化复盘对比分析你的自定义可视化——之前缺失的洞察现在是否获得了这一环节把任务从观察升级为动手本质上跑通了数据科学生命周期的加工—分析阶段在 Notebook 中用 pandas、numpy、matplotlib 等工具组织与可视化数据这一工作流在课程第 2 部分2-Working-With-Data与第 4 部分的示例中均有体现例如 14-Introduction/README.md 中数据采集—清洗—分析的案例流程。需要注意的是Hub 与账户访问属于项目管理侧的能力是否可用取决于你的访问审批状态操作时以实际环境为准。评分标准如何界定一次合格的探索作业附带的评分表Rubric给出了三个档次的判定基准可作为自我评估清单优秀Exemplary合格Adequate待改进Needs Improvement五个核心问题全部回答清晰阐明当前与替代可视化如何为可持续性目标或结果提供洞察至少详细回答前三个问题展示了对 Explorer 的实际使用经验多个问题未回答或细节不足未对项目做出有意义的尝试可以看出评分重心不在用了多复杂的工具而在是否真正与数据产生了有深度的互动——既包括对现有可视化的解读也包括对改进方案的构思。与其他课程的衔接一次综合实战本作业是整门课程知识的一次收敛性练习可与以下内容相互印证可视化选型回答第五问时可直接套用 13-meaningful-visualizations/README.md 中的图表选型表趋势→折线图、比较→条形/饼图、关系→散点/折线图、分布→散点/直方图/箱线图、占比→饼图/环形图/华夫图数据科学生命周期Explorer 的使用过程即捕获采集与探索阶段Bonus 的 Notebook 分析即加工与分析阶段14-Introduction/README.md伦理与公平课程第 2 课02-ethics强调数据代表性回答第四问局限时可主动思考数据集是否存在空间或时间上的采样偏差这正与第 20 课 README 中 Gender Shades 研究需要更具代表性的数据集的结论形成呼应。注意事项本文基于 assignment.md 撰写德语翻译版见 translations/de/6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md两者内容一致翻译版附有免责声明提示其为机器翻译产物以英文原版为准Planetary Computer 项目处于预览阶段数据集目录、Explorer 界面与账户审批流程可能随项目迭代而变化操作时请以网站当前状态为准本仓库不托管 Planetary Computer 的任何数据集文件作业所涉数据均需通过其在线服务获取。完成本次作业后你将同时收获三项可迁移的能力用无代码界面快速探索地球系统数据的方法、一套批判性解读可视化的五问框架以及把数据洞察连接到可持续性议题的推理习惯——这正是第 20 课想传递的真实世界中的数据科学。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考