ภาพรวมรูปภาพ

โลโก้ Colab เรียกใช้ใน Google Colab โลโก้ GitHub ดูแหล่งที่มาใน GitHub

ตามที่ระบุไว้ในเอกสารเริ่มต้นใช้งาน ข้อมูลแรสเตอร์จะแสดงเป็นออบเจ็กต์ Image ใน Earth Engine รูปภาพประกอบด้วยแบนด์อย่างน้อย 1 แบนด์ และแต่ละแบนด์จะมีชื่อ ประเภทข้อมูล สเกล มาสก์ และการฉายภาพของตัวเอง รูปภาพแต่ละรูปมีข้อมูลเมตาที่จัดเก็บไว้เป็นชุดพร็อพเพอร์ตี้

ผู้ผลิต ee.Image ราย

คุณโหลดรูปภาพได้โดยวางรหัสชิ้นงาน Earth Engine ลงในคอนสตรัคเตอร์ ee.Image คุณดูรหัสรูปภาพได้ในData Catalog ตัวอย่างเช่น แบบจำลองระดับความสูงแบบดิจิทัล (NASADEM)

ตัวแก้ไขโค้ด (JavaScript)

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

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

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

โปรดทราบว่าการค้นหารูปภาพผ่านเครื่องมือค้นหาของตัวแก้ไขโค้ดก็ให้ผลลัพธ์เหมือนกัน เมื่อนำเข้าชิ้นงาน ระบบจะเขียนโค้ดการสร้างรูปภาพให้คุณในส่วนการนำเข้าของตัวแก้ไขโค้ด นอกจากนี้ คุณยังใช้รหัสเนื้อหาส่วนตัวเป็นอาร์กิวเมนต์สำหรับคอนสตรัคเตอร์ ee.Image ได้ด้วย

รับ ee.Image จาก ee.ImageCollection

วิธีมาตรฐานในการนำรูปภาพออกจากคอลเล็กชันคือการกรองคอลเล็กชัน โดยใช้ตัวกรองตามลำดับความเฉพาะเจาะจงที่ลดลง ตัวอย่างเช่น หากต้องการดึงรูปภาพออกจากคอลเล็กชันการสะท้อนพื้นผิว Sentinel-2 ให้ทำดังนี้

ตัวแก้ไขโค้ด (JavaScript)

var first = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
                .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');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

first = (
    ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
    .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)

โปรดทราบว่าการจัดเรียงจะอยู่หลังตัวกรอง หลีกเลี่ยงการจัดเรียงทั้งคอลเล็กชัน

รูปภาพจาก GeoTIFF ที่เพิ่มประสิทธิภาพสำหรับระบบคลาวด์

คุณสามารถใช้ ee.Image.loadGeoTIFF() เพื่อโหลดรูปภาพจาก Cloud Optimized GeoTIFFs (COG) ใน Google Cloud Storage โดยที่บักเก็ตต้องอยู่ในตำแหน่งที่รองรับ ตัวอย่างเช่น ชุดข้อมูล Landsat สาธารณะที่โฮสต์ใน Google Cloud มี GeoTIFF นี้ ซึ่งสอดคล้องกับแบนด์ 5 จากฉาก Landsat 8 คุณโหลดรูปภาพนี้จาก Cloud Storage ได้โดยใช้ ee.Image.loadGeoTIFF():

ตัวแก้ไขโค้ด (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);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

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)

โปรดทราบว่าหากต้องการโหลด GeoTIFF ที่เพิ่มประสิทธิภาพสำหรับระบบคลาวด์ซ้ำซึ่งคุณส่งออกจาก Earth Engine ไปยัง Cloud Storage เมื่อทำการส่งออก ให้ตั้งค่า cloudOptimized เป็น true

หมายเหตุเกี่ยวกับประสิทธิภาพ: เพื่อให้ได้ประสิทธิภาพสูงสุด เราขอแนะนำให้ลงทะเบียน COG เป็นชิ้นงานแทนการโหลดโดยตรงด้วย ee.Image.loadGeoTIFF() ดูรายละเอียดและการเปรียบเทียบได้ที่ภาพรวมของ Cloud Optimized GeoTIFF (COG)

รูปภาพจากอาร์เรย์ Zarr v2

คุณสามารถใช้ ee.Image.loadZarrV2Array() เพื่อโหลดรูปภาพจากอาร์เรย์ Zarr v2 ใน Google Cloud Storage ได้ ตัวอย่างเช่น ชุดข้อมูล ERA5 สาธารณะที่โฮสต์ใน Google Cloud มีอาร์เรย์ Zarr v2 นี้ ซึ่งสอดคล้องกับปริมาณน้ำ (หน่วยเป็นเมตร) ที่ระเหยจากพื้นผิวโลก คุณสามารถโหลดอาร์เรย์นี้จาก Cloud Storage โดยใช้ ee.Image.loadZarrV2Array():

ตัวแก้ไขโค้ด (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');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

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

รูปภาพคงที่

นอกจากการโหลดรูปภาพตามรหัสแล้ว คุณยังสร้างรูปภาพจากค่าคงที่ รายการ หรือออบเจ็กต์ Earth Engine อื่นๆ ที่เหมาะสมได้ด้วย ตัวอย่างต่อไปนี้แสดงวิธีการสร้างรูปภาพ การรับชุดย่อยของแบนด์ และการจัดการแบนด์

ตัวแก้ไขโค้ด (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);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้าสภาพแวดล้อม Python

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)