Concepts
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
ממשק ה-API הזה מספק גישה פשוטה ואחידה למגוון רחב של נתונים של תמונות גיאוספציאליות. גיאו-מרחבי פירושו שהנתונים משויכים למיקומים על פני כדור הארץ. נתוני תמונה הם נתונים שמובנים כרשת אחידה של ערכי פיקסלים, בדומה לתמונה רגילה.
הדוגמה המוכרת ביותר לסוג הנתונים הזה היא תמונות לוויין, בדומה למה שהמשתמשים רגילים לראות במפות Google וב-Earth. עם זאת, למערכי נתונים רבים אחרים יש את אותה מבנה, כולל לדוגמה מערכי נתונים של מזג אוויר ואקלים, מערכי נתונים של פני השטח וכיסוי הקרקע ומערכי נתונים של צפיפות אוכלוסין.
אימות
ממשק Earth Engine API משתמש בפרוטוקול OAuth 2.0 לאימות ולהרשאה. יש ספריות נוחות לשימוש ב-OAuth 2.0 כדי להנפיק קריאות ל-API במגוון רחב של שפות. אם לא השתמשתם בעבר ב-OAuth 2.0 כדי לגשת ל-Google APIs, מומלץ לעיין במסמכים בנושא שימוש ב-OAuth 2.0 כדי לגשת ל-Google APIs.
ממשק ה-API הזה משתמש בהיקף https://www.googleapis.com/auth/earthengine.readonly של Earth Engine OAuth 2.0. אם אתם מגדירים בעצמכם את פרטי הכניסה של חשבון השירות, תצטרכו לבקש את ההיקף הזה באופן מפורש. אם אתם משתמשים בפרטי הכניסה של האפליקציה שזמינים כברירת מחדל במכונות וירטואליות של Compute Engine, תצטרכו להגדיר את המכונה הווירטואלית כך שתבקש את ההיקף הזה.
נכסים
בבסיס מודל הנתונים של Earth Engine נמצאת מבנה דמוי מערכת קבצים של נכסים. יש שלושה סוגים עיקריים של נכסים, שמתוארים בפירוט בהמשך: נתוני רסטר גיאוספציאליים עצמם מאוחסנים בתמונות, אפשר לקבץ תמונות באוספים גדולים, ותמונות ואוספים מאורגנים בהיררכיה של תיקיות.
לדוגמה, הנתיב הבא מתאר תמונה מסוימת של Landsat:
LANDSAT/LC8_L1T/LC81180562013193LGN00
בדוגמה הזו, LANDSAT היא תיקייה ברמה העליונה שמכילה את כל נתוני Landsat, LC8_L1T מזהה אוסף מסוים של תמונות Landsat 8 שעברו כיול ותיקון טופוגרפי, ו-LC81180562013193LGN00 מזהה תמונה מסוימת באוסף הזה. נתיבי נכסים יכולים להכיל אותיות, מספרים, קווים תחתונים ומקפים, שמופרדים באמצעות לוכסנים.
לכל תמונה יש מטא-נתונים שמקלים על זיהוי הנתונים הרלוונטיים. מאפייני המטא-נתונים האלה לכל תמונה כוללים בדרך כלל:
- הגיאומטריה של טביעת הרגל של התמונה, כמו המידה המרחבית של תמונת לוויין או של מערך נתוני פני השטח.
- חותמת הזמן של התמונה, כמו זמן הצילום של תמונת הלוויין, או היום או החודש במערך נתונים של מודל אקלים.
- מאפיינים שרירותיים של מפתח/ערך, כמו אחוז כיסוי העננים המשוער בתמונה מלוויין Landsat.
פיקסלים והטלות של מפות
ב-Earth Engine כל תמונה מורכבת מפסים של נתונים. יכול להיות שהם יתאימו לפסי האדום, הירוק והכחול של תמונת לוויין רגילה בפורמט RGB, או שהם יתאימו למשהו שונה לחלוטין, כמו טמפרטורה ומשקעים במערך נתונים של מזג אוויר. לפיקסלים בכל פס יש סוג נתונים מסוים, למשל uint8 או float32.
פיקסלים ברשת פיקסלים תואמים לנקודות על פני כדור הארץ באמצעות פונקציה מתמטית שנקראת הטלה קרטוגרפית. בדרך כלל, לקשר הזה יש שני רכיבים. קודם כל, מערכת ייחוס קואורדינטות (CRS) מגדירה קואורדינטות דו-ממדיות שמייצגות נקודות על פני השטח המעוקלים של כדור הארץ. למערכות שונות של הפניות לקואורדינטות יש מאפיינים שונים שמתאימים לשימוש עם סוגים שונים של נתונים באפליקציות שונות. מערכות ייחוס קואורדינטות מזוהות בדרך כלל באמצעות קודי מזהים סטנדרטיים. דוגמאות נפוצות הן קואורדינטות equirectangular, web Mercator ו-UTM.
קואורדינטות הפיקסלים קשורות בדרך כלל למערכת הייחוס של הקואורדינטות המרחביות באמצעות טרנספורמציה אפינית ששולטת בסולם הפיזי ובמקור של רשת הפיקסלים. ב-Earth Engine אנחנו מאחסנים פירמידה של נתונים לכל תמונה: הרמה הבסיסית של הפירמידה מכילה את הנתונים המקוריים ברזולוציה המקורית שלהם, ורמות גבוהות יותר של הפירמידה מכילות נתוני סקירה כללית ברזולוציה מופחתת. הרמות האלה בפירמידה מתוארות על ידי טרנספורמציות אפיניות, שהקנה מידה שלהן שונה בפקטורים עוקבים של שתיים.
אוספים ותיקיות
לעתים קרובות התמונות מגיעות באוספים גדולים של נתונים, כמו אוסף של כל התמונות שצולמו על ידי לוויין מסוים, או אוסף של הערכות טמפרטורה גלובליות לאורך זמן. מערכת Earth Engine יוצרת אינדקסים של מטא-נתונים שמאפשרים לסנן או לשאול שאילתות לגבי התמונות באוספים על סמך המטא-נתונים שלהן, כולל סינון לפי מיקום וזמן. בדרך כלל, לכל התמונות באוסף יש את אותו המבנה, כלומר אותם פסים ואותן מאפייני מטא-נתונים.
התמונות והאוספים מאורגנים בעצמם בהיררכיה של תיקיות. תיקייה דומה מאוד לתיקייה רגילה או לספרייה במערכת קבצים מסורתית: היא מכילה נכסים אחרים, כלומר תמונות, אוספים ותיקיות אחרות. לא כל התמונות כלולות באוספים: יכול להיות שמערכי נתונים מסוימים, כמו מודל טופוגרפי גלובלי מסוים, יכללו רק תמונה אחת. בכל מקרה, כל נכס מזוהה באופן ייחודי על ידי נתיב מסוים שמזהה את המיקום שלו בקטלוג הנתונים של Earth Engine.
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: 2025-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-26 (שעון 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."]]
