מידע על Google Earth Engine
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
Google Earth Engine הוא מוצר של Google Cloud לניתוח גיאו-מרחבי בקנה מידה נרחב. השירות משלב קטלוג של כמה פטה-בייט של תמונות לוויין ומערכי נתונים גיאו-מרחביים עם חישובים בקנה מידה גלובלי, כדי לזרז את המחקר הסביבתי ואת הפיתוח של אפליקציות.
תכונות עיקריות
ניתוח נתונים גיאו-מרחביים, פשוט וניתן להתאמה
ב-Earth Engine משולב קטלוג נתונים גיאו-מרחבי נרחב עם מחשוב מבוזבז, שניתן לגשת אליו באמצעות ספריות לקוח. המשתמשים יכולים לגשת למגוון רחב של נתוני לוויין ונתונים סביבתיים, וגם לשלב מערכי נתונים משלהם. הפלטפורמה מפשטת את הניתוח הגיאו-מרחבי על ידי טיפול אוטומטי בהקרנה, בהתאמה לעומס ובשילוב של נתונים על סמך פרמטרים שהמשתמשים מציינים. הפונקציות האנליטיות פועלות ביעילות ברמות שונות, בלי צורך בשלבים מפורשים של הכנת נתונים או בחלוקה לקטעים. מערכת Earth Engine מנהלת באופן פנימי את העיבוד המורכב של הנתונים ואת התאמת הקיבולת לצורכי חישוב, ומאפשרת למשתמשים להתמקד בניתוח ולא בהגדרה הטכנית.
סביבות עיבוד
ב-Earth Engine יש שני מצבי ניתוח:
- מצב אינטראקטיבי: לניתוח מהיר של נתונים בזמן אמת ולתצוגה חזותית של כמויות קטנות של נתונים.
- מצב באצווה: למשימות מחשוב אינטנסיביות בקנה מידה גדול על כמויות גדולות של נתונים.
סביבות פיתוח
מפתחים יכולים לבחור בין שתי סביבות פיתוח ראשיות:
- ספריית לקוח Python: ממשק גמיש ל-Earth Engine לשילוב עם הסביבה הרחבה יותר של Python, שמאפשר תהליכי עבודה מתקדמים וניתוח אינטראקטיבי ב-Jupyter notebooks.
- JavaScript Code Editor: סביבה ייעודית לפיתוח מבוסס-אינטרנט ליצירת אב טיפוס מהיר, לניתוח וליצירת אפליקציות של Earth Engine.
תצוגה חזותית ותוצאות
Earth Engine תומך בניתוח גיאו-מרחבי, החל מהיצירה הראשונית של אב טיפוס ועד לייצוא הנתונים הסופי. מערכת החישוב והפריסה היעילה שלו, המשולבת עם ווידג'טים של מפות אינטראקטיביות, מספקת יכולות חזותיות ובדיקה מהירות גם בסביבת Code Editor וגם בסביבת Python. כך אפשר לבחון את הנתונים ולבצע שינויים באופן מיידי. כשהתוצאות מוכנות, המשתמשים יכולים לייצא רסטר וקווים ל-Google Cloud Storage, ל-BigQuery או ל-Google Drive, וגם להוריד נתונים באופן מקומי בפורמטים שתואמים ל-pandas, ל-NumPy ול-Xarray.
בנוסף, Earth Engine תומך ביצירה של אפליקציות אינטרנט אינטראקטיביות, שמאפשרות למשתמשים לשתף את התובנות הגיאו-מרחביות שלהם עם קהל רחב.
למידת מכונה
כלים של למידת מכונה לרגרסיה, לסיווג, לפילוח תמונות ולבדיקת דיוק מובְנים ב-Earth Engine. אחרי האימון, אפשר לשמור את המודלים ולהחיל אותם שוב ושוב. תהליכי העבודה הקלאסיים של למידת מכונה משופר במערכת המשולבת של Earth Engine. לאפשרויות מתקדמות יותר או למודלים שהוכשרו באופן חיצוני, יש שילוב עם Vertex AI שמאפשר להעביר מודלים לנתונים של Earth Engine או ליצור מודלים של למידת עומק וניתוחים מבוססי רשתות נוירונליות.
גישה וניהול
אפשר להשתמש ב-Earth Engine גם לצורך מסחרי וגם לצורך לא מסחרי. השימוש הלא מסחרי זמין ללא תשלום, בעוד שהשימוש המסחרי כפוף לחיוב על מינוי ועל חישובים. כל החישובים והנתונים הפרטיים משויכים לפרויקטים ב-Google Cloud, ומאפשרים למשתמשים לשלוט בגישה, בניהול המשאבים ובמעקב אחר השימוש דרך מסוף Google Cloud. השילוב הזה מאפשר ניהול מרכזי של פרויקטים, נתוני חיוב מפורטים והחלה של מאפייני האבטחה והתאימות החזקים של Google Cloud. המשתמשים יכולים להשתמש בניהול זהויות והרשאות גישה (IAM) כדי לשלוט בהרשאות, וגם לתיעד פעילויות ולעקוב אחרי השימוש במשאבים באמצעות Cloud Monitoring ו-Cloud Logging.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-02-18 (שעון UTC).
[null,null,["עדכון אחרון: 2025-02-18 (שעון UTC)."],[[["\u003cp\u003eGoogle Earth Engine is a cloud-based platform that provides petabytes of satellite imagery and geospatial datasets for environmental analysis.\u003c/p\u003e\n"],["\u003cp\u003eIt offers tools for geospatial analysis, including interactive and batch processing modes, as well as Python and JavaScript development environments.\u003c/p\u003e\n"],["\u003cp\u003eUsers can visualize and export results to various formats and platforms, including Google Cloud Storage, BigQuery, and Google Drive.\u003c/p\u003e\n"],["\u003cp\u003eEarth Engine incorporates machine learning capabilities for tasks like regression, classification, and image segmentation, and integrates with Vertex AI for advanced modeling.\u003c/p\u003e\n"],["\u003cp\u003eAccess is available for both commercial and non-commercial use, with options for managing projects, resources, and permissions through Google Cloud.\u003c/p\u003e\n"]]],["Google Earth Engine enables scalable geospatial analysis by combining a vast data catalog with planetary-scale computation. Users can access, process, and analyze satellite and environmental data using Python or JavaScript. It supports both interactive and batch processing for tasks. Results can be visualized, exported to various platforms (Google Cloud Storage, BigQuery, etc.), or integrated into interactive web applications. Machine learning tools are included, and Vertex AI integration is available for advanced models. Access is managed via Google Cloud projects with commercial and non-commercial options.\n"],null,["# About Google Earth Engine\n\nGoogle Earth Engine is a [Google Cloud product](https://cloud.google.com/earth-engine) for geospatial\nanalysis at scale. It combines a multi-petabyte catalog of satellite imagery and\ngeospatial datasets with planetary-scale computation to accelerate environmental\nresearch and applications.\n\nKey Features\n------------\n\n### Geospatial analysis, simplified and scalable\n\nEarth Engine integrates an extensive geospatial [data\ncatalog](/earth-engine/datasets) with distributed computing, accessible through\nclient libraries. Users can access a wide range of satellite and environmental\ndata, as well as [incorporate their own datasets](/earth-engine/guides/image_upload). The platform\nsimplifies geospatial analysis by automatically handling data projection,\nscaling, and compositing based on user-specified parameters. Its [analytical\nfunctions](/earth-engine/guides/objects_methods_overview) operate efficiently across different scales without\nrequiring explicit data preparation steps or chunking. By managing complex data\nprocessing and computational scaling internally, Earth Engine enables users to\nfocus on analysis rather than technical setup.\n\n### Processing environments\n\nEarth Engine supports [two modes of analysis](/earth-engine/guides/processing_environments):\n\n- **Interactive mode**: For rapid real-time data exploration and visualization of small amounts of data.\n- **Batch mode**: For large-scale computationally intensive tasks on large amounts of data.\n\n### Development environments\n\nDevelopers can choose between two primary development environments:\n\n- **Python client library**: A flexible interface to Earth Engine for integration with the broader Python ecosystem, facilitating advanced workflows, and interactive analysis in Jupyter notebooks.\n- **JavaScript Code Editor**: A dedicated web-based development environment for rapid prototyping, exploration, and Earth Engine App creation.\n\n### Visualization and results\n\nEarth Engine supports geospatial analysis from initial prototyping to final data\nexport. Its efficient tiling and computation system, integrated with interactive\nmap widgets, provides rapid visualization and inspection capabilities in both\nthe Code Editor and Python environments. This allows for immediate data\nexploration and iteration. When ready, users can [export](/earth-engine/guides/exporting) raster\nand vector results to Google Cloud Storage, BigQuery, or Google Drive, as well\nas download data locally in formats compatible with pandas, NumPy, and Xarray.\nAdditionally, Earth Engine supports the creation of [interactive web\napplications](/earth-engine/guides/apps), enabling users to share their geospatial insights with\na wide audience.\n\n### Machine learning\n\n[Machine learning tools](/earth-engine/guides/machine-learning) for regression, classification, image\nsegmentation, and accuracy assessment are built into Earth Engine. Once trained,\nmodels can be saved and applied repeatedly. Classical ML workflows are\nstreamlined within Earth Engine's integrated system. For more advanced options\nor externally trained models, integration with [Vertex AI](https://cloud.google.com/vertex-ai/docs/start/introduction-unified-platform) is\nprovided, allowing models to be brought to Earth Engine's data or enabling the\nconstruction of deep learning models and neural network-based analyses.\n\nAccess and management\n---------------------\n\nEarth Engine is available for both [commercial](https://earthengine.google.com/commercial/) and\n[noncommercial](https://earthengine.google.com/noncommercial/) use. Noncommercial use is offered free of\ncharge, while commercial use is subject to a [subscription fee and compute\ncharges](https://cloud.google.com/earth-engine/pricing). All computation and private data are associated with Google\nCloud projects, providing users with control over access, resource management,\nand usage monitoring through the Google Cloud Console. This integration allows\nfor centralized project management, detailed billing information, and the\napplication of Google Cloud's robust security and compliance features. Users can\ntake advantage of Identity and Access Management (IAM) to [control\npermissions](/earth-engine/cloud/access-control) and can [log activities](/earth-engine/guides/audit_logging) and [monitor\nresource usage](/earth-engine/guides/monitoring_usage) with Cloud Monitoring and Cloud Logging."]]
