Thông báo: Tất cả dự án phi thương mại đã đăng ký sử dụng Earth Engine trước ngày 15 tháng 4 năm 2025 phải xác minh điều kiện sử dụng phi thương mại để duy trì quyền truy cập vào Earth Engine.
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Bạn có thể xuất FeatureCollection dưới dạng CSV, SHP (tệp shape), GeoJSON, KML, KMZ hoặc TFRecord bằng Export.table. FeatureCollection có thể đại diện cho các vectơ hoặc chỉ đơn giản là một bảng dữ liệu. Trong trường hợp sau, các đặc điểm trong tập hợp sẽ có hình học rỗng.
Lưu ý một số quy tắc ràng buộc khác khi xử lý một số định dạng tệp, bao gồm:
KML: FeatureCollection được xuất sang tệp KML sẽ có tất cả các hình học được chuyển đổi thành toạ độ không chiếu (WGS84).
SHP: FeatureCollection được xuất sang tệp Shapefile phải chứa các đối tượng có cùng loại hình học và phép chiếu, đồng thời phải nằm trong giới hạn kích thước tệp Shapefile. Tên cột được cắt bớt còn 10 ký tự trở xuống và không được tạo tên cột trùng lặp.
Có một số hạn chế về kích thước và hình dạng của tài sản bảng Earth Engine:
Tối đa 100 triệu tính năng
Tối đa 1.000 thuộc tính (cột)
Tối đa 100.000 đỉnh cho mỗi hình học của hàng
Tối đa 100.000 ký tự cho mỗi giá trị chuỗi
vào BigQuery
Bạn có thể xuất FeatureCollection sang bảng BigQuery bằng cách sử dụng Export.table.toBigQuery().
Điều này cho phép bạn tích hợp dữ liệu Earth Engine với các dữ liệu và công cụ khác có trong BigQuery. Để biết thêm thông tin, hãy xem Hướng dẫn xuất sang BigQuery.
Xin lưu ý rằng định dạng đầu ra được chỉ định là KML để xử lý dữ liệu địa lý (SHP cũng phù hợp để xuất một bảng có hình học). Để chỉ xuất một bảng dữ liệu mà không có thông tin địa lý nào, hãy xuất các đối tượng có hình học rỗng ở định dạng CSV. Phần sau đây minh hoạ cách sử dụng Export.table.toDrive() để nhận kết quả của một quá trình giảm có thể kéo dài:
[null,null,["Cập nhật lần gần đây nhất: 2025-07-25 UTC."],[[["\u003cp\u003e\u003ccode\u003eExport.table\u003c/code\u003e allows you to export \u003ccode\u003eFeatureCollection\u003c/code\u003e data from Earth Engine in various formats like CSV, SHP, GeoJSON, KML, KMZ, and TFRecord, which can represent vector data or simply a table.\u003c/p\u003e\n"],["\u003cp\u003eWhen exporting, be aware of format-specific constraints such as coordinate systems for KML and geometry type/size limits for SHP.\u003c/p\u003e\n"],["\u003cp\u003eYou can export \u003ccode\u003eFeatureCollection\u003c/code\u003e data to your Google Drive, Cloud Storage, or as an Earth Engine asset using designated functions like \u003ccode\u003etoDrive()\u003c/code\u003e, \u003ccode\u003etoCloudStorage()\u003c/code\u003e, and \u003ccode\u003etoAsset()\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eFor exporting data without geographic information, use features with null geometry and export in CSV format, but be mindful of potential data type conversions in Google Drive.\u003c/p\u003e\n"],["\u003cp\u003eEarth Engine table assets have limitations on the number of features, properties, geometry vertices, and string value lengths.\u003c/p\u003e\n"]]],[],null,["# Exporting Table and Vector Data\n\nYou can export a `FeatureCollection` as CSV, SHP (shapefile), GeoJSON, KML, KMZ\nor TFRecord using `Export.table`. The `FeatureCollection` may represent vectors\nor simply a table of data. In the latter case, the features in the collection\nwill have null geometry.\n\nNote some additional constraints when working with some file formats, including:\n\n- **KML** : A `FeatureCollection` exported to a KML file will have all the geometries transformed to unprojected (WGS84) coordinates.\n- **SHP** : A `FeatureCollection` exported to a Shapefile must contain features with the same geometry type and projection and must fit within the [Shapefile size\n limits](https://support.esri.com/en/technical-article/000010813). Column names are truncated to 10 characters or fewer, and this must not create duplicate column names.\n- **TFRecord** : See [this page](/earth-engine/guides/tfrecord#exporting-tables).\n\n| **Note:** If you need control over the precision of geometries in your export, `map()` a function over the collection to be exported: `map(function(f) { return f.transform(targetProj, maxErr); })`\n\nto Cloud Storage\n----------------\n\nTo export a `FeatureCollection` to Cloud Storage, use\n`Export.table.toCloudStorage()`. For example, using the `features` defined\npreviously:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Make a collection of points.\nvar features = ee.FeatureCollection([\n ee.Feature(ee.Geometry.Point(30.41, 59.933), {name: 'Voronoi'}),\n ee.Feature(ee.Geometry.Point(-73.96, 40.781), {name: 'Thiessen'}),\n ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {name: 'Dirichlet'})\n]);\n\n// Export a KML file to Cloud Storage.\nExport.table.toCloudStorage({\n collection: features,\n description:'vectorsToCloudStorageExample',\n bucket: 'your-bucket-name',\n fileNamePrefix: 'exampleTableExport',\n fileFormat: 'KML'\n});\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# Make a collection of points.\nfeatures = ee.FeatureCollection([\n ee.Feature(ee.Geometry.Point(30.41, 59.933), {'name': 'Voronoi'}),\n ee.Feature(ee.Geometry.Point(-73.96, 40.781), {'name': 'Thiessen'}),\n ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {'name': 'Dirichlet'}),\n])\n\n# Export a KML file to Cloud Storage.\ntask = ee.batch.Export.table.toCloudStorage(\n collection=features,\n description='vectorsToCloudStorageExample',\n bucket='your-bucket-name',\n fileNamePrefix='exampleTableExport',\n fileFormat='KML',\n)\ntask.start()\n```\n\nto Asset\n--------\n\nTo export a `FeatureCollection` as an Earth Engine asset, use\n`Export.table.toAsset()`. For example, using the `features` defined previously:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Export an ee.FeatureCollection as an Earth Engine asset.\nExport.table.toAsset({\n collection: features,\n description:'exportToTableAssetExample',\n assetId: 'exampleAssetId',\n});\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# Export an ee.FeatureCollection as an Earth Engine asset.\ntask = ee.batch.Export.table.toAsset(\n collection=features,\n description='exportToTableAssetExample',\n assetId='projects/your-project/assets/exampleAssetId',\n)\ntask.start()\n```\n\nThere are several limitations on the size and shape of Earth Engine table\nassets:\n\n- Maximum of 100 million features\n- Maximum of 1,000 properties (columns)\n- Maximum of 100,000 vertices for each row's geometry\n- Maximum of 100,000 characters per string value\n\nto BigQuery\n-----------\n\nYou can export a `FeatureCollection` to a BigQuery table using\n[`Export.table.toBigQuery()`](/earth-engine/apidocs/export-table-tobigquery).\nThis lets you integrate your Earth Engine data with other data and tools\navailable in BigQuery. For more information, see the\n[Exporting to BigQuery guide](/earth-engine/guides/exporting_to_bigquery).\n\n### Code Editor (JavaScript)\n\n```javascript\nExport.table.toBigQuery({\n collection: features,\n table: 'myproject.mydataset.mytable',\n description: 'put_my_data_in_bigquery',\n append: true,\n overwrite: false\n});\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\ntask = ee.batch.Export.table.toBigQuery(\n collection=features,\n table='myproject.mydataset.mytable',\n description='put_my_data_in_bigquery',\n append=True,\n overwrite=False,\n)\ntask.start()\n```\n\nto Drive\n--------\n\nTo export a `FeatureCollection` to your Drive account, use\n`Export.table.toDrive()`. For example:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Export the FeatureCollection to a KML file.\nExport.table.toDrive({\n collection: features,\n description:'vectorsToDriveExample',\n fileFormat: 'KML'\n});\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# Export the FeatureCollection to a KML file.\ntask = ee.batch.Export.table.toDrive(\n collection=features, description='vectorsToDriveExample', fileFormat='KML'\n)\ntask.start()\n```\n\nNote that the output format is specified as KML to handle geographic data (SHP\nwould also be appropriate for exporting a table with geometry). To export just a\ntable of data, without any geographic information, export features with null\ngeometry in CSV format. The following demonstrates using\n`Export.table.toDrive()` to get the results of a potentially long running\nreduction:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Load a Landsat image.\nvar image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');\nvar projection = image.select('B2').projection().getInfo();\n\n// Create an arbitrary rectangle.\nvar region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413);\n\n// Get a dictionary of means in the region.\nvar means = image.reduceRegion({\n reducer: ee.Reducer.mean(),\n geometry: region,\n crs: projection.crs,\n crsTransform: projection.transform,\n});\n\n// Make a feature without geometry and set the properties to the dictionary of means.\nvar feature = ee.Feature(null, means);\n\n// Wrap the Feature in a FeatureCollection for export.\nvar featureCollection = ee.FeatureCollection([feature]);\n\n// Export the FeatureCollection.\nExport.table.toDrive({\n collection: featureCollection,\n description: 'exportTableExample',\n fileFormat: 'CSV'\n});\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# Load a Landsat image.\nimage = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318')\nprojection = image.select('B2').projection().getInfo()\n\n# Create an arbitrary rectangle.\nregion = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413)\n\n# Get a dictionary of means in the region.\nmeans = image.reduceRegion(\n reducer=ee.Reducer.mean(),\n geometry=region,\n crs=projection['crs'],\n crsTransform=projection['transform'],\n)\n\n# Make a feature without geometry and set the properties to the dictionary of means.\nfeature = ee.Feature(None, means)\n\n# Wrap the Feature in a FeatureCollection for export.\nfeature_collection = ee.FeatureCollection([feature])\n\n# Export the FeatureCollection.\ntask = ee.batch.Export.table.toDrive(\n collection=feature_collection,\n description='exportTableExample',\n fileFormat='CSV',\n)\ntask.start()\n```\n\nNote that the format is set to 'CSV' in this example since there is no geometry\nin the output.\n| **Caution:** Depending on your Google Drive settings, CSV tables that you export from Earth Engine can be converted to XSLX files with unintended effects, such as data type conversions. The behavior can be modified with [Google Drive\n| settings](/earth-engine/faq#tables_exported_to_drive_as_csv_format_are_converted_to_xslx_format)."]]
