圖片總覽

在 Google Colab 中執行

前往 GitHub 查看來源

如開始使用文件所述，Earth Engine 會將光柵資料表示為 Image 物件。影像由一或多個頻帶組成，每個頻帶都有自己的名稱、資料類型、比例、遮罩和投影。每張圖片的中繼資料都會以一組屬性儲存。

ee.Image 建構函式

您可以將 Earth Engine 資產 ID 貼到 ee.Image 建構函式中，藉此載入圖片。您可以在資料目錄中找到圖片 ID。例如，數位高程模型 (NASADEM)：

程式碼編輯器 (JavaScript)

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

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

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

請注意，透過程式碼編輯器搜尋工具尋找圖片的效果相同。匯入素材資源時，系統會在 Code Editor 的匯入部分中為您編寫圖片建構程式碼。您也可以使用個人資產 ID 做為 ee.Image 建構函式的引數。

從 ee.ImageCollection 取得 ee.Image

從集合中取得圖片的標準做法是篩選集合，並依特異性遞減順序排列篩選器。例如，如要從 Sentinel-2 地表反射率集合中取得圖像：

程式碼編輯器 (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 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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)

請注意，排序會在篩選條件「後方」執行。避免排序整個珍藏內容。

來自 Cloud GeoTIFF 的圖片

您可以使用 ee.Image.loadGeoTIFF() 從 Google Cloud Storage 中的 Cloud Optimized GeoTIFF 載入圖片。舉例來說，在 Google Cloud 託管的 公開 Landsat 資料集包含 這個 GeoTIFF，對應 Landsat 8 場景的頻帶 5。您可以使用 ee.Image.loadGeoTIFF() 從 Cloud Storage 載入這張圖片：

程式碼編輯器 (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 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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)

請注意，如果您想重新載入從 Earth Engine 匯出至 Cloud Storage的 Cloud 最佳化 GeoTIFF，請在匯出時將 cloudOptimized 設為 true，如這裡所述。

來自 Zarr v2 陣列的圖片

您可以使用 ee.Image.loadZarrV2Array() 從 Google Cloud Storage 中的 Zarr v2 陣列載入圖片。舉例來說，Google Cloud 託管的公開 ERA5 資料集包含 這個 Zarr v2 陣列，對應地球表面蒸發的水量公尺。您可以使用 ee.Image.loadZarrV2Array() 從 Cloud Storage 載入這個陣列：

程式碼編輯器 (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 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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

常數圖片

除了依 ID 載入圖片，您也可以使用常數、清單或其他合適的 Earth Engine 物件建立圖片。以下是建立圖片、取得頻帶子集和操作頻帶的方法：

程式碼編輯器 (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 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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)