Concepts
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Cette API fournit un accès simple et uniforme à une grande variété de données d'images géospatiales. Le terme géospatial signifie que les données sont associées à des emplacements à la surface de la Terre. Par données d'image, nous entendons les données structurées sous la forme d'une grille uniforme de valeurs de pixels, comme une image traditionnelle.
L'exemple le plus connu de ce type de données est l'imagerie satellite, à laquelle les utilisateurs sont habitués dans Google Maps et Google Earth. Toutefois, de nombreux autres ensembles de données ont la même structure, y compris, par exemple, les ensembles de données météorologiques et climatiques maillés, les ensembles de données sur le terrain et la couverture terrestre, ainsi que les ensembles de données sur la densité de population.
Authentification
L'API Earth Engine utilise le protocole OAuth 2.0 pour l'authentification et l'autorisation. Il existe des bibliothèques pratiques pour utiliser OAuth 2.0 afin d'émettre des appels d'API dans un large éventail de langages. Si vous n'avez jamais utilisé OAuth 2.0 pour accéder aux API Google, nous vous conseillons de consulter la documentation sur l'utilisation d'OAuth 2.0 pour accéder aux API Google.
Cette API utilise le champ d'application OAuth 2.0 Earth Engine https://www.googleapis.com/auth/earthengine.readonly. Si vous configurez vous-même les identifiants du compte de service, vous devrez demander explicitement ce champ d'application. Si vous utilisez les identifiants d'application par défaut disponibles dans les instances de machines virtuelles Compute Engine, vous devrez configurer votre instance de VM pour demander ce champ d'application.
Éléments
Au cœur du modèle de données Earth Engine se trouve une structure de composants semblable à un système de fichiers. Il existe trois principaux types d'éléments, décrits plus en détail ci-dessous : les données raster géospatiales elles-mêmes sont stockées dans des images, les images peuvent être regroupées dans de grandes collections, et les images et les collections sont organisées dans une hiérarchie de dossiers.
Par exemple, le chemin d'accès suivant décrit une image Landsat spécifique :
LANDSAT/LC8_L1T/LC81180562013193LGN00
Dans cet exemple, LANDSAT est un dossier de premier niveau qui contient toutes les données Landsat, LC8_L1T identifie une collection particulière d'images Landsat 8 calibrées et corrigées en fonction du terrain, et LC81180562013193LGN00 identifie une image particulière au sein de cette collection. Les chemins d'accès aux composants peuvent contenir des lettres, des chiffres, des traits de soulignement et des tirets, séparés par des barres obliques.
Chaque image comporte des métadonnées qui permettent d'identifier facilement les données qui vous intéressent. Ces propriétés de métadonnées par image incluent généralement les suivantes :
- Géométrie de l'empreinte de l'image, telle que l'étendue spatiale d'une image satellite ou d'un ensemble de données de terrain.
- Code temporel de l'image, tel que l'heure d'acquisition de l'image satellite, ou le jour ou le mois dans un ensemble de données de modèle climatique.
- Propriétés clé/valeur arbitraires, telles que le pourcentage de couverture nuageuse estimé d'une image satellite Landsat.
Pixels et projections cartographiques
Dans Earth Engine, chaque image est constituée d'une ou plusieurs bandes de données. Elles peuvent correspondre aux bandes rouge, verte et bleue d'une image satellite RVB ordinaire, ou à quelque chose de complètement différent, comme la température et les précipitations dans un ensemble de données météorologiques. Les pixels de chaque bande ont un type de données particulier, par exemple uint8 ou float32.
Les pixels d'une grille de pixels correspondent à des points sur la surface de la Terre via une fonction mathématique appelée projection cartographique. Cette relation comporte généralement deux composantes. Tout d'abord, un système de référence de coordonnées (CRS) définit des coordonnées 2D qui représentent des points sur la surface incurvée de la Terre. Les différents systèmes de référence des coordonnées ont des propriétés différentes qui les rendent appropriés pour une utilisation avec différents types de données dans différentes applications. Les systèmes de référence de coordonnées sont généralement identifiés à l'aide de codes d'identifiant standards. Les exemples courants sont les coordonnées équirectangulaires, Web Mercator et UTM.
Les coordonnées en pixels sont ensuite généralement liées au système de référence des coordonnées spatiales via une transformation affine qui contrôle l'échelle physique et l'origine de la grille de pixels. Dans Earth Engine, nous stockons une pyramide de données pour chaque image : le niveau de base de la pyramide contient les données d'origine dans leur résolution native, et les niveaux supérieurs de la pyramide stockent des données de présentation à résolution réduite. Ces niveaux de la pyramide sont décrits par des transformations affines dont les échelles diffèrent par des facteurs successifs de deux.
Collections et dossiers
Les images sont souvent fournies dans de grandes collections de données, comme une collection de toutes les images acquises par un satellite particulier ou une collection d'estimations de la température mondiale au fil du temps. Earth Engine crée des index de métadonnées qui vous permettent de filtrer ou d'interroger les images des collections en fonction de leurs métadonnées, y compris en filtrant par lieu et par heure. En règle générale, toutes les images d'une même collection ont la même structure, c'est-à-dire les mêmes bandes et les mêmes propriétés de métadonnées.
Les images et les collections sont elles-mêmes organisées dans une hiérarchie de dossiers. Un dossier est très semblable à un dossier ou un répertoire ordinaire dans un système de fichiers traditionnel : il s'agit d'un simple conteneur pour d'autres composants, c'est-à-dire pour des images, des collections et d'autres dossiers. Toutes les images ne sont pas contenues dans des collections : certains ensembles de données, tels qu'un modèle de terrain mondial particulier, peuvent ne comporter qu'une seule image. Quoi qu'il en soit, chaque élément est identifié de manière unique par un chemin d'accès spécifique qui indique son emplacement dans le catalogue de données Earth Engine.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/26 (UTC).
[null,null,["Dernière mise à jour le 2025/07/26 (UTC)."],[[["\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."]]
