نظرة عامة على الصورة

التشغيل في Google Colab

عرض المصدر على GitHub

كما هو موضّح في مستند البدء ، يتم تمثيل البيانات المركّبة كعناصر Image في Earth Engine. تتألّف الصور من نطاق واحد أو أكثر، ولكل نطاق اسمه ونوع البيانات والمقياس والقناع والعرض. تحتوي كل صورة على بيانات وصفية يتم تخزينها كمجموعة من السمات.

ee.Image طريقة وضع التصميم

يمكن تحميل الصور من خلال لصق رقم تعريف مادة عرض في Earth Engine في أداة الإنشاء ee.Image. يمكنك العثور على أرقام تعريف الصور في كتالوج البيانات. على سبيل المثال، إلى نموذج رقمي للارتفاع (NASADEM):

محرِّر الرموز البرمجية (JavaScript)

var loadedImage = ee.Image('NASA/NASADEM_HGT/001');

إعداد Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

loaded_image = ee.Image('NASA/NASADEM_HGT/001')

يُرجى العِلم أنّ العثور على صورة من خلال أداة البحث في "محرر الرموز" يُعدّ إجراءً مكافئًا. عند استيراد مادة العرض، يتم كتابة رمز إنشاء الصورة نيابةً عنك في قسم "الاستيراد" في "محرر الرموز". يمكنك أيضًا استخدام معرّف مادة عرض شخصي كوسيطة للدالة الإنشائية ee.Image.

الحصول على ee.Image من ee.ImageCollection

إنّ الطريقة العادية للحصول على صورة من مجموعة هي فلترة المجموعة باستخدام الفلاتر بترتيب تنازلي حسب النوعية. على سبيل المثال، للحصول على صورة من مجموعة Sentinel-2 لقياس انعكاس سطح الأرض:

محرِّر الرموز البرمجية (JavaScript)

var first = ee.ImageCollection('COPERNICUS/S2_SR')
                .filterBounds(ee.Geometry.Point(-70.48, 43.3631))
                .filterDate('2019-01-01', '2019-12-31')
                .sort('CLOUDY_PIXEL_PERCENTAGE')
                .first();
Map.centerObject(first, 11);
Map.addLayer(first, {bands: ['B4', 'B3', 'B2'], min: 0, max: 2000}, 'first');

إعداد Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

first = (
    ee.ImageCollection('COPERNICUS/S2_SR')
    .filterBounds(ee.Geometry.Point(-70.48, 43.3631))
    .filterDate('2019-01-01', '2019-12-31')
    .sort('CLOUDY_PIXEL_PERCENTAGE')
    .first()
)

# Define a map centered on southern Maine.
m = geemap.Map(center=[43.7516, -70.8155], zoom=11)

# Add the image layer to the map and display it.
m.add_layer(
    first, {'bands': ['B4', 'B3', 'B2'], 'min': 0, 'max': 2000}, 'first'
)
display(m)

يُرجى العلم أنّ الترتيب يتم بعد الفلاتر. تجنَّب ترتيب المجموعة بأكملها.

صور من ملفات GeoTIFF في السحابة الإلكترونية

يمكنك استخدام ee.Image.loadGeoTIFF() لتحميل الصور منملف ملف GeoTIFF محسَّن للاستخدام في السحابة الإلكترونية في Google Cloud Storage. على سبيل المثال، تحتوي مجموعة بيانات Landsat العامةالمستضافة في Google Cloud على ملف GeoTIFF هذا، الذي يتوافق مع النطاق 5 من مشهد Landsat 8. يمكنك تحميل هذه الصورة من Cloud Storage باستخدام ee.Image.loadGeoTIFF():

محرِّر الرموز البرمجية (JavaScript)

var uri = 'gs://gcp-public-data-landsat/LC08/01/001/002/' +
    'LC08_L1GT_001002_20160817_20170322_01_T2/' +
    'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF';
var cloudImage = ee.Image.loadGeoTIFF(uri);
print(cloudImage);

إعداد Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

uri = (
    'gs://gcp-public-data-landsat/LC08/01/001/002/'
    + 'LC08_L1GT_001002_20160817_20170322_01_T2/'
    + 'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF'
)
cloud_image = ee.Image.loadGeoTIFF(uri)
display(cloud_image)

يُرجى العلم أنّه إذا أردت إعادة تحميل ملف GeoTIFF محسّن للاستخدام في السحابة الإلكترونية تم تصديره من Earth Engine إلى Cloud Storage، عليك ضبط قيمة cloudOptimized على true عند إجراء التصدير كما هو описанهنا.

صور من صفائف Zarr v2

يمكنك استخدام ee.Image.loadZarrV2Array() لتحميل صورة من صفيف Zarr v2 في Google Cloud Storage. على سبيل المثال، تحتوي مجموعة بيانات ERA5 العامة التي يتم استضافتها في Google Cloud على صفيف Zarr v2 الذي يمثّل متراً من المياه التي تبخرت من سطح الأرض. يمكنك تحميل هذه الصفيف من Cloud Storage باستخدام ee.Image.loadZarrV2Array():

محرِّر الرموز البرمجية (JavaScript)

var timeStart = 1000000;
var timeEnd = 1000010;
var zarrV2ArrayImage = ee.Image.loadZarrV2Array({
  uri:
      'gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',
  proj: 'EPSG:4326',
  starts: [timeStart],
  ends: [timeEnd]
});
print(zarrV2ArrayImage);
Map.addLayer(zarrV2ArrayImage, {min: -0.0001, max: 0.00005}, 'Evaporation');

إعداد Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

time_start = 1000000
time_end = 1000010
zarr_v2_array_image = ee.Image.loadZarrV2Array(
    uri='gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',
    proj='EPSG:4326',
    starts=[time_start],
    ends=[time_end],
)

display(zarr_v2_array_image)

m.add_layer(
    zarr_v2_array_image, {'min': -0.0001, 'max': 0.00005}, 'Evaporation'
)
m

الصور الثابتة

بالإضافة إلى تحميل الصور حسب رقم التعريف، يمكنك أيضًا إنشاء صور من الثوابت أو القوائم أو عناصر Earth Engine الأخرى المناسبة. توضّح النقاط التالية methods لإنشاء الصور والحصول على مجموعات فرعية من النطاقات وتعديل النطاقات:

محرِّر الرموز البرمجية (JavaScript)

// Create a constant image.
var image1 = ee.Image(1);
print(image1);

// Concatenate two images into one multi-band image.
var image2 = ee.Image(2);
var image3 = ee.Image.cat([image1, image2]);
print(image3);

// Create a multi-band image from a list of constants.
var multiband = ee.Image([1, 2, 3]);
print(multiband);

// Select and (optionally) rename bands.
var renamed = multiband.select(
    ['constant', 'constant_1', 'constant_2'], // old names
    ['band1', 'band2', 'band3']               // new names
);
print(renamed);

// Add bands to an image.
var image4 = image3.addBands(ee.Image(42));
print(image4);

إعداد Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# Create a constant image.
image_1 = ee.Image(1)
display(image_1)

# Concatenate two images into one multi-band image.
image_2 = ee.Image(2)
image_3 = ee.Image.cat([image_1, image_2])
display(image_3)

# Create a multi-band image from a list of constants.
multiband = ee.Image([1, 2, 3])
display(multiband)

# Select and (optionally) rename bands.
renamed = multiband.select(
    ['constant', 'constant_1', 'constant_2'],  # old names
    ['band1', 'band2', 'band3'],  # new names
)
display(renamed)

# Add bands to an image.
image_4 = image_3.addBands(ee.Image(42))
display(image_4)