Concepts
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
این API دسترسی ساده و یکنواختی را به داده های تصویری جغرافیایی متنوعی فراهم می کند. منظور ما از geospatial این است که داده ها با مکان های روی سطح زمین مرتبط هستند. منظور ما از داده های تصویر، داده هایی است که به صورت شبکه ای یکنواخت از مقادیر پیکسل، بسیار شبیه به یک تصویر سنتی، ساختار یافته اند.
آشناترین نمونه از این نوع داده ها، تصاویر ماهواره ای است، درست مانند آنچه که کاربران به دیدن آن در نقشه های گوگل و زمین عادت دارند. با این حال، بسیاری از مجموعه‌های داده دیگر ساختار مشابهی دارند، از جمله به عنوان مثال مجموعه داده‌های آب و هوا و آب و هوا، مجموعه داده‌های پوشش زمین و زمین، و مجموعه داده‌های تراکم جمعیت.
احراز هویت
Earth Engine API از پروتکل OAuth 2.0 برای احراز هویت و مجوز استفاده می کند. کتابخانه های مناسبی برای استفاده از OAuth 2.0 برای برقراری تماس های API در طیف گسترده ای از زبان ها وجود دارد. اگر قبلاً از OAuth 2.0 برای دسترسی به APIهای Google استفاده نکرده‌اید، ممکن است بخواهید با مستندات استفاده از OAuth 2.0 برای دسترسی به Google API آشنا شوید.
این API از حوزه Earth Engine OAuth 2.0 https://www.googleapis.com/auth/earthengine.readonly استفاده می کند. اگر خودتان در حال پیکربندی اعتبار حساب سرویس هستید، باید آن محدوده را صریحاً درخواست کنید. اگر از اعتبار برنامه های پیش فرض موجود در نمونه های ماشین مجازی Compute Engine استفاده می کنید، باید نمونه VM خود را برای درخواست آن محدوده پیکربندی کنید.
دارایی ها
در قلب مدل داده های Earth Engine یک ساختار فایل سیستم مانند از دارایی ها وجود دارد. سه نوع اصلی از دارایی‌ها وجود دارد که در زیر با جزئیات بیشتر توضیح داده شده است: داده‌های شطرنجی جغرافیایی خود در تصاویر ذخیره می‌شوند، تصاویر را می‌توان در مجموعه‌های بزرگ گروه‌بندی کرد، و تصاویر و مجموعه‌ها بیشتر در سلسله مراتبی از پوشه‌ها سازماندهی می‌شوند.
به عنوان مثال، مسیر زیر یک تصویر خاص Landsat را توصیف می کند:
LANDSAT/LC8_L1T/LC81180562013193LGN00
در این مثال، LANDSAT یک پوشه سطح بالایی است که حاوی تمام داده های Landsat است، LC8_L1T مجموعه خاصی از تصاویر Landsat 8 کالیبره شده و اصلاح شده را شناسایی می کند و LC81180562013193LGN00 یک تصویر خاص را در آن مجموعه شناسایی می کند. مسیرهای دارایی ممکن است حاوی حروف، اعداد، زیرخط و خط تیره باشند که با اسلش رو به جلو از هم جدا شده اند.
هر تصویر دارای ابرداده است که تشخیص داده های مورد علاقه را آسان می کند. این ویژگی‌های فراداده هر تصویر معمولاً عبارتند از:
- هندسه ردپای تصویر، مانند وسعت فضایی یک تصویر ماهواره‌ای یا مجموعه داده زمین.
- مهر زمانی تصویر، مانند زمان دریافت تصویر ماهواره ای، یا روز یا ماه در مجموعه داده مدل آب و هوا.
- ویژگی های کلید/مقدار دلخواه، مانند درصد تخمینی پوشش ابر تصویر ماهواره ای لندست.
پیکسل ها و پیش بینی های نقشه
در Earth Engine هر تصویر از یک یا چند باند داده تشکیل شده است. اینها ممکن است با نوارهای قرمز، سبز و آبی یک تصویر ماهواره‌ای RGB معمولی مطابقت داشته باشند، یا ممکن است با چیزی کاملاً متفاوت، مانند دما و بارندگی در مجموعه داده‌های آب و هوا مطابقت داشته باشند. پیکسل های هر باند دارای یک نوع داده خاص هستند، به عنوان مثال uint8 یا float32 .
پیکسل‌ها در یک شبکه پیکسلی از طریق یک تابع ریاضی که به عنوان پیش‌بینی نقشه شناخته می‌شود، با نقاط روی سطح زمین مطابقت دارند. این رابطه معمولاً دو جزء دارد. ابتدا یک سیستم مرجع مختصات (CRS) مختصات دوبعدی را تعریف می کند که نشان دهنده نقاط روی سطح منحنی زمین است. سیستم های مرجع مختصات مختلف دارای ویژگی های متفاوتی هستند که آنها را برای استفاده با انواع مختلف داده ها در برنامه های مختلف مناسب می کند. سیستم های مرجع مختصات معمولاً با استفاده از کدهای شناسه استاندارد شناسایی می شوند. نمونه‌های رایج مختصات مستطیلی ، وب Mercator و UTM هستند.
سپس مختصات پیکسل معمولاً از طریق یک تبدیل وابسته که مقیاس فیزیکی و مبدأ شبکه پیکسل را کنترل می‌کند، به سیستم مرجع مختصات فضایی مرتبط می‌شود. در Earth Engine یک هرم از داده‌ها را برای هر تصویر ذخیره می‌کنیم: سطح پایه هرم حاوی داده‌های اصلی با وضوح اصلی است و سطوح بالاتر هرم داده‌های مرور کلی با وضوح کاهش یافته را ذخیره می‌کند. این سطوح از هرم با دگرگونی‌های افینی توصیف می‌شوند که مقیاس‌های آنها با دو عامل متوالی متفاوت است.
مجموعه ها و پوشه ها
تصاویر اغلب در مجموعه های بزرگی از داده ها، مانند مجموعه ای از تمام تصاویر به دست آمده توسط یک ماهواره خاص، یا مجموعه ای از تخمین های دمای جهانی در طول زمان ارائه می شوند. Earth Engine فهرست‌های فراداده ایجاد می‌کند که به شما امکان می‌دهد تصاویر موجود در مجموعه‌ها را بر اساس ابرداده‌هایشان، از جمله فیلتر بر اساس مکان و زمان، فیلتر یا پرس و جو کنید . به طور معمول، تمام تصاویر در یک مجموعه واحد دارای ساختار یکسانی هستند، یعنی باندهای یکسان و ویژگی های ابرداده یکسان.
تصاویر و مجموعه ها خود در سلسله مراتبی از پوشه ها سازماندهی می شوند. یک پوشه بسیار شبیه یک پوشه یا دایرکتوری معمولی در یک سیستم فایل سنتی است: یک محفظه ساده برای سایر دارایی ها، به عنوان مثال برای تصاویر، مجموعه ها و پوشه های دیگر. همه تصاویر در مجموعه ها موجود نیستند: برخی از مجموعه داده ها، مانند یک مدل زمین جهانی خاص، ممکن است فقط از یک تصویر تشکیل شده باشد. صرف نظر از این، هر دارایی به طور منحصر به فرد توسط یک مسیر خاص شناسایی می شود که مکان آن را در کاتالوگ داده های Earth Engine مشخص می کند.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eThis API provides access to a wide variety of geospatial image data, including satellite imagery and gridded datasets like weather, climate, terrain, and population density.\u003c/p\u003e\n"],["\u003cp\u003eEarth Engine uses OAuth 2.0 for authentication, requiring the \u003ccode\u003ehttps://www.googleapis.com/auth/earthengine.readonly\u003c/code\u003e scope.\u003c/p\u003e\n"],["\u003cp\u003eEarth Engine data is organized as assets, including images, collections, and folders, with images containing bands of pixels and metadata.\u003c/p\u003e\n"],["\u003cp\u003eImages in Earth Engine are georeferenced using map projections and coordinate reference systems for accurate location representation.\u003c/p\u003e\n"],["\u003cp\u003eCollections allow filtering and querying of images based on metadata, facilitating efficient data discovery and analysis.\u003c/p\u003e\n"]]],["This API offers access to geospatial image data, structured as pixel grids, through a filesystem-like asset system. Access requires OAuth 2.0 authentication with a specific scope. Data is organized into **images**, **collections**, and **folders**. Each image has metadata, including footprint geometry and timestamps. Images have bands of data with defined pixel data types, linked to Earth's surface via a map projection. Images can be filtered in collections using metadata. A pyramid of data is also available.\n"],null,["# Concepts\n\nThis API provides simple, uniform access to a wide variety geospatial image data. By *geospatial* we mean that the data is associated with locations on the Earth's surface. By *image data* we mean data that is structured as a uniform grid of pixel values, much like a traditional image.\n\nThe most familiar example of this type of data is satellite imagery, much like users are accustomed to seeing in Google Maps and Earth. However, many other datasets have the same structure, including for example gridded weather and climate datasets, terrain and land cover datasets, and population density datasets.\n\nAuthentication\n--------------\n\nThe Earth Engine API uses the **OAuth 2.0** protocol for authentication and authorization. There are convenient libraries for using OAuth 2.0 to issue API calls in a wide range of languages. If you have not used OAuth 2.0 to access Google APIs before, you may wish to familiarize yourself with the documentation on [Using OAuth 2.0 to Access Google APIs](https://developers.google.com/identity/protocols/OAuth2).\n\nThis API uses the Earth Engine OAuth 2.0 **scope** `https://www.googleapis.com/auth/earthengine.readonly`. If you are configuring service account credentials yourself then you will need to request that scope explicitly. If you are using the default application credentials available in Compute Engine virtual machine instances, you will need to configure your VM instance to request that scope.\n\nAssets\n------\n\nAt the heart of the Earth Engine data model is a filesystem-like structure of **assets** . There are three primary types of assets, described in more detail below: geospatial raster data itself is stored in **images** , images can be grouped into large **collections** , and images and collections are further organized in a hierarchy of **folders**.\n\nFor example, the following path describes a particular Landsat image: \n\n LANDSAT/LC8_L1T/LC81180562013193LGN00\n\nIn this example, `LANDSAT` is a top-level folder that contains all the Landsat data, `LC8_L1T` identifies a particular collection of calibrated and terrain-corrected Landsat 8 images, and `LC81180562013193LGN00` identifies a particular image within that collection. Asset paths may contain letters, numbers, underscores, and hyphens, separated by forward slashes.\n\nEach image has metadata that makes it easy to identify data of interest. These per-image metadata properties typically include:\n\n- The footprint geometry of the image, such as the spatial extent of a satellite image or terrain dataset.\n- The timestamp of the image, such as the satellite image acquisition time, or the day or month in a climate model dataset.\n- Arbitrary key/value properties, such as the estimated cloud cover percentage of a Landsat satellite image.\n\nPixels and Map Projections\n--------------------------\n\nIn Earth Engine each image consists of one or more **bands** of data. These might correspond to the red, green, and blue bands of an ordinary RGB satellite image, or they might correspond to something completely different, such as temperature and precipitation in a weather dataset. The **pixels** in each band have a particular data type, e.g. `uint8` or `float32`.\n\nPixels in a pixel grid correspond to points on the Earth's surface via a mathematical function known as a **map projection** . This relationship typically has two components. First a **coordinate reference system** (CRS) defines 2D coordinates that represent points on the curved surface of the Earth. Different coordinate reference systems have different properties that make them appropriate to use with different types of data in different applications. Coordinate reference systems are typically identified using [standard identifier codes](http://epsg.io/); common examples are [equirectangular](https://en.wikipedia.org/wiki/Equirectangular_projection), [web Mercator](https://en.wikipedia.org/wiki/Web_Mercator), and [UTM](https://en.wikipedia.org/wiki/Universal_Transverse_Mercator_coordinate_system) coordinates.\n\nPixel coordinates are then typically related to the spatial coordinate reference system via an **affine transformation** that controls the physical scale and origin of the pixel grid. In Earth Engine we store a **pyramid** of data for each image: the base level of the pyramid contains the original data in its native resolution, and higher levels of the pyramid store reduced-resolution overview data. These levels of the pyramid are described by affine transformations whose scales differ by successive factors of two.\n\nCollections and Folders\n-----------------------\n\nImages often come in large **collections** of data, such as a collection of all images acquired by a particular satellite, or a collection of global temperature estimates over time. Earth Engine builds metadata indexes that allow you to **filter** or **query** the images in collections based on their metadata, including filtering by location and time. Typically, all images within a single collection have the same structure, i.e. the same bands and the same metadata properties.\n\nImages and collections are themselves organized into a hierarchy of **folders**. A folder is much like an ordinary folder or directory in a traditional filesystem: it is a simple container for other assets, i.e. for images, collections, and other folders. Not all images are contained in collections: some datasets, such as a particular global terrain model, may consist of only a single image. Regardless, every asset is uniquely identified by a particular path that identifies its location in the Earth Engine data catalog."]]
