इमेज की खास जानकारी
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
शुरू करें दस्तावेज़ में बताए गए मुताबिक, Earth Engine में रेस्टर डेटा को Image ऑब्जेक्ट के तौर पर दिखाया जाता है. इमेज एक या एक से ज़्यादा बैंड से बनी होती हैं. साथ ही, हर बैंड का अपना नाम, डेटा टाइप, स्केल, मास्क, और प्रोजेक्शन होता है. हर इमेज का मेटाडेटा, प्रॉपर्टी के सेट के तौर पर सेव होता है.
ee.Image कंस्ट्रक्टर
ee.Image
कन्स्ट्रक्टर में Earth Engine ऐसेट आईडी चिपकाकर, इमेज लोड की जा सकती हैं. इमेज आईडी, डेटा कैटलॉग में देखे जा सकते हैं.
उदाहरण के लिए, किसी डिजिटल एलिवेशन मॉडल (NASADEM) में:
कोड एडिटर (JavaScript)
var loadedImage = ee.Image('NASA/NASADEM_HGT/001');
Python सेटअप
Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए,
Python एनवायरमेंट पेज देखें.
import ee
import geemap.core as geemap
Colab (Python)
loaded_image = ee.Image('NASA/NASADEM_HGT/001')
ध्यान दें कि कोड एडिटर के खोज टूल की मदद से इमेज खोजना, ऐसेट इंपोर्ट करने पर, कोड एडिटर के इंपोर्ट सेक्शन में आपके लिए इमेज बनाने का कोड लिखा जाता है. ee.Image कन्स्ट्रक्टर के आर्ग्युमेंट के तौर पर, निजी
ऐसेट आईडी का भी इस्तेमाल किया जा सकता है.
किसी ee.ImageCollection से ee.Image पाना
किसी कलेक्शन से इमेज पाने का स्टैंडर्ड तरीका यह है कि कलेक्शन को फ़िल्टर करें. इसके लिए, सबसे सटीक से लेकर कम सटीक तक के क्रम में फ़िल्टर का इस्तेमाल करें. उदाहरण के लिए, Sentinel-2 के सतह की रोशनी को परावर्तित करने वाले डेटा के कलेक्शन से कोई इमेज पाने के लिए:
कोड एडिटर (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');
Python सेटअप
Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए,
Python एनवायरमेंट पेज देखें.
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)
ध्यान दें कि डेटा को क्रम से लगाने की प्रोसेस, फ़िल्टर लगाने के बाद होती है. पूरे कलेक्शन को क्रम से लगाने से बचें.
Cloud GeoTIFFs से इमेज
Google Cloud Storage में, क्लाउड के लिए ऑप्टिमाइज़ की गई
GeoTIFF से इमेज लोड करने के लिए, ee.Image.loadGeoTIFF() का इस्तेमाल किया जा सकता है.
उदाहरण के लिए, Google Cloud में होस्ट किए गए
सार्वजनिक
Landsat डेटासेट में, यह
GeoTIFF शामिल है. यह Landsat 8 सीन के बैंड 5 से जुड़ा है. इस इमेज को ee.Image.loadGeoTIFF() का इस्तेमाल करके,
Cloud Storage से लोड किया जा सकता है:
कोड एडिटर (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);
Python सेटअप
Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए,
Python एनवायरमेंट पेज देखें.
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)
ध्यान दें कि अगर आपको Earth Engine से Cloud Storage में एक्सपोर्ट की गई, क्लाउड के लिए ऑप्टिमाइज़ की गई GeoTIFF फ़ाइल को फिर से लोड करना है, तो एक्सपोर्ट करते समय cloudOptimized को true पर सेट करें. इसके बारे में यहां बताया गया है.
Zarr v2 ऐरे से मिली इमेज
ee.Image.loadZarrV2Array() का इस्तेमाल करके, Google Cloud Storage में मौजूद Zarr v2 कलेक्शन से इमेज लोड की जा सकती है. उदाहरण के लिए, Google Cloud में होस्ट किए गए सार्वजनिक ERA5 डेटासेट में, यह Zarr v2 कलेक्शन शामिल है. यह कलेक्शन, धरती की सतह से वाष्पित हुए पानी के मीटर से जुड़ा है. ee.Image.loadZarrV2Array() का इस्तेमाल करके, इस कलेक्शन को Cloud Storage से लोड किया जा सकता है:
कोड एडिटर (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');
Python सेटअप
Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए,
Python एनवायरमेंट पेज देखें.
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
एक जैसी इमेज
आईडी के हिसाब से इमेज लोड करने के अलावा, कॉन्स्टेंट, सूचियों या Earth Engine के अन्य सही ऑब्जेक्ट से भी इमेज बनाई जा सकती हैं. यहां इमेज बनाने, बैंड के सबसेट पाने, और बैंड में बदलाव करने के तरीकों के बारे में बताया गया है:
कोड एडिटर (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);
Python सेटअप
Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए,
Python एनवायरमेंट पेज देखें.
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)
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-25 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-25 (UTC) को अपडेट किया गया."],[[["\u003cp\u003eIn Earth Engine, raster data is represented as \u003ccode\u003eImage\u003c/code\u003e objects, which can be created by loading existing assets or by defining them with constant values.\u003c/p\u003e\n"],["\u003cp\u003e\u003ccode\u003eImage\u003c/code\u003e objects can be created from Earth Engine assets, \u003ccode\u003eImageCollection\u003c/code\u003e objects, and Cloud Optimized GeoTIFFs (COG) stored in Google Cloud Storage.\u003c/p\u003e\n"],["\u003cp\u003eImages in Earth Engine are composed of bands, each with its own data type, scale, mask, and projection, and images can be manipulated using methods such as \u003ccode\u003eselect\u003c/code\u003e, \u003ccode\u003eaddBands\u003c/code\u003e, and \u003ccode\u003ecat\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003e\u003ccode\u003eImageCollection\u003c/code\u003e objects can be filtered and sorted to retrieve specific images, and \u003ccode\u003eee.Image.loadGeoTIFF()\u003c/code\u003e is used to load images from Cloud Optimized GeoTIFFs in Cloud Storage.\u003c/p\u003e\n"],["\u003cp\u003eConstant images can be created from numerical values, lists of values, and other suitable Earth Engine objects, allowing for flexible image manipulation and analysis.\u003c/p\u003e\n"]]],[],null,["# Image Overview\n\n|-------------------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------|\n| [Run in Google Colab](https://colab.research.google.com/github/google/earthengine-community/blob/master/guides/linked/generated/image_overview.ipynb) | [View source on GitHub](https://github.com/google/earthengine-community/blob/master/guides/linked/generated/image_overview.ipynb) |\n\nAs mentioned in the [Get Started](/earth-engine/guides/getstarted#earth-engine-data-structures)\ndoc, raster data are represented as `Image` objects in Earth Engine. Images are\ncomposed of one or more bands and each band has its own name, data type, scale, mask\nand projection. Each image has metadata stored as a set of properties.\n\n`ee.Image` constructor\n----------------------\n\nImages can be loaded by pasting an Earth Engine asset ID into the `ee.Image`\nconstructor. You can find image IDs in the [data catalog](/earth-engine/datasets).\nFor example, to a digial elevation model ([NASADEM](/earth-engine/datasets/catalog/NASA_NASADEM_HGT_001)):\n\n### Code Editor (JavaScript)\n\n```javascript\nvar loadedImage = ee.Image('NASA/NASADEM_HGT/001');\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\nloaded_image = ee.Image('NASA/NASADEM_HGT/001')\n```\n\n\nNote that finding an image through\n[the Code Editor search tool](/earth-engine/guides/playground#search-tool)\nis equivalent. When you import the asset, the image construction code is written\nfor you in the [imports section of the\nCode Editor](/earth-engine/guides/playground#imports). You can also use a personal\n[asset ID](/earth-engine/guides/manage_assets#asset_id) as the argument to the\n`ee.Image` constructor.\n\nGet an `ee.Image` from an `ee.ImageCollection`\n----------------------------------------------\n\n\nThe standard way to get an image out of a collection is to filter the collection, with\nfilters in order of decreasing specificity. For example, to get an image out of the\n[Sentinel-2 surface reflectance collection](/earth-engine/datasets/catalog/COPERNICUS_S2_SR):\n\n### Code Editor (JavaScript)\n\n```javascript\nvar first = ee.ImageCollection('COPERNICUS/S2_SR')\n .filterBounds(ee.Geometry.Point(-70.48, 43.3631))\n .filterDate('2019-01-01', '2019-12-31')\n .sort('CLOUDY_PIXEL_PERCENTAGE')\n .first();\nMap.centerObject(first, 11);\nMap.addLayer(first, {bands: ['B4', 'B3', 'B2'], min: 0, max: 2000}, 'first');\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\nfirst = (\n ee.ImageCollection('COPERNICUS/S2_SR')\n .filterBounds(ee.Geometry.Point(-70.48, 43.3631))\n .filterDate('2019-01-01', '2019-12-31')\n .sort('CLOUDY_PIXEL_PERCENTAGE')\n .first()\n)\n\n# Define a map centered on southern Maine.\nm = geemap.Map(center=[43.7516, -70.8155], zoom=11)\n\n# Add the image layer to the map and display it.\nm.add_layer(\n first, {'bands': ['B4', 'B3', 'B2'], 'min': 0, 'max': 2000}, 'first'\n)\ndisplay(m)\n```\n\n\nNote that the sort is *after* the filters. Avoid sorting the entire collection.\n\nImages from Cloud GeoTIFFs\n--------------------------\n\n\nYou can use `ee.Image.loadGeoTIFF()` to load images from\n[Cloud Optimized\nGeoTIFFs](https://github.com/cogeotiff/cog-spec/blob/master/spec.md) in [Google Cloud Storage](https://cloud.google.com/storage).\nFor example, the\n[public\nLandsat dataset](https://console.cloud.google.com/marketplace/details/usgs-public-data/landast) hosted in Google Cloud contains\n[this\nGeoTIFF](https://console.cloud.google.com/storage/browser/_details/gcp-public-data-landsat/LC08/01/001/002/LC08_L1GT_001002_20160817_20170322_01_T2/LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF), corresponding to band 5 from a Landsat 8 scene. You can load this image from\nCloud Storage using `ee.Image.loadGeoTIFF()`:\n\n### Code Editor (JavaScript)\n\n```javascript\nvar uri = 'gs://gcp-public-data-landsat/LC08/01/001/002/' +\n 'LC08_L1GT_001002_20160817_20170322_01_T2/' +\n 'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF';\nvar cloudImage = ee.Image.loadGeoTIFF(uri);\nprint(cloudImage);\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\nuri = (\n 'gs://gcp-public-data-landsat/LC08/01/001/002/'\n + 'LC08_L1GT_001002_20160817_20170322_01_T2/'\n + 'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF'\n)\ncloud_image = ee.Image.loadGeoTIFF(uri)\ndisplay(cloud_image)\n```\n\n\nNote that if you want to reload a Cloud Optimized GeoTIFF that you\n[export from Earth Engine to\nCloud Storage](/earth-engine/guides/exporting#to-cloud-storage), when you do the export, set\n`cloudOptimized` to **true** as\ndescribed [here](/earth-engine/guides/exporting#configuration-parameters).\n\nImages from Zarr v2 arrays\n--------------------------\n\n\nYou can use `ee.Image.loadZarrV2Array()` to load an image from a\n[Zarr v2 array](https://zarr-specs.readthedocs.io/en/latest/v2/v2.0.html) in\n[Google Cloud Storage](https://cloud.google.com/storage). For example, the public\nERA5 dataset hosted in Google Cloud contains\n[this Zarr v2 array](https://console.cloud.google.com/storage/browser/_details/gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray),\ncorresponding to meters of water that has evaporated from the Earth's surface. You can load\nthis array from Cloud Storage using `ee.Image.loadZarrV2Array()`:\n\n### Code Editor (JavaScript)\n\n```javascript\nvar timeStart = 1000000;\nvar timeEnd = 1000010;\nvar zarrV2ArrayImage = ee.Image.loadZarrV2Array({\n uri:\n 'gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',\n proj: 'EPSG:4326',\n starts: [timeStart],\n ends: [timeEnd]\n});\nprint(zarrV2ArrayImage);\nMap.addLayer(zarrV2ArrayImage, {min: -0.0001, max: 0.00005}, 'Evaporation');\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\ntime_start = 1000000\ntime_end = 1000010\nzarr_v2_array_image = ee.Image.loadZarrV2Array(\n uri='gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',\n proj='EPSG:4326',\n starts=[time_start],\n ends=[time_end],\n)\n\ndisplay(zarr_v2_array_image)\n\nm.add_layer(\n zarr_v2_array_image, {'min': -0.0001, 'max': 0.00005}, 'Evaporation'\n)\nm\n```\n\nConstant images\n---------------\n\nIn addition to loading images by ID, you can also create images\nfrom constants, lists or other suitable Earth Engine objects. The following illustrates\nmethods for creating images, getting band subsets, and manipulating bands:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Create a constant image.\nvar image1 = ee.Image(1);\nprint(image1);\n\n// Concatenate two images into one multi-band image.\nvar image2 = ee.Image(2);\nvar image3 = ee.Image.cat([image1, image2]);\nprint(image3);\n\n// Create a multi-band image from a list of constants.\nvar multiband = ee.Image([1, 2, 3]);\nprint(multiband);\n\n// Select and (optionally) rename bands.\nvar renamed = multiband.select(\n ['constant', 'constant_1', 'constant_2'], // old names\n ['band1', 'band2', 'band3'] // new names\n);\nprint(renamed);\n\n// Add bands to an image.\nvar image4 = image3.addBands(ee.Image(42));\nprint(image4);\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# Create a constant image.\nimage_1 = ee.Image(1)\ndisplay(image_1)\n\n# Concatenate two images into one multi-band image.\nimage_2 = ee.Image(2)\nimage_3 = ee.Image.cat([image_1, image_2])\ndisplay(image_3)\n\n# Create a multi-band image from a list of constants.\nmultiband = ee.Image([1, 2, 3])\ndisplay(multiband)\n\n# Select and (optionally) rename bands.\nrenamed = multiband.select(\n ['constant', 'constant_1', 'constant_2'], # old names\n ['band1', 'band2', 'band3'], # new names\n)\ndisplay(renamed)\n\n# Add bands to an image.\nimage_4 = image_3.addBands(ee.Image(42))\ndisplay(image_4)\n```"]]
Google Colab में चलाएं
GitHub पर सोर्स देखें