Concepts
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह एपीआई, भौगोलिक डेटा वाली इमेज के अलग-अलग डेटा को आसानी से और एक जैसा ऐक्सेस करने की सुविधा देता है. जियोस्पेशल का मतलब है कि डेटा, पृथ्वी की सतह पर मौजूद जगहों से जुड़ा है. इमेज डेटा से हमारा मतलब ऐसे डेटा से है जिसे पिक्सल वैल्यू के एक जैसे ग्रिड के तौर पर स्ट्रक्चर किया जाता है. यह पारंपरिक इमेज की तरह होता है.
इस तरह के डेटा का सबसे जाना-पहचाना उदाहरण, सैटलाइट से ली गई इमेज हैं. ये इमेज, Google Maps और Earth पर दिखने वाली इमेज की तरह होती हैं. हालांकि, कई अन्य डेटासेट का स्ट्रक्चर भी ऐसा ही होता है. जैसे, ग्रिड वाले मौसम और जलवायु के डेटासेट, इलाके और पेड़ों से ढकी जगह के डेटासेट, और जनसंख्या घनत्व के डेटासेट.
पुष्टि करना
Earth Engine API, पुष्टि करने और अनुमति देने के लिए OAuth 2.0 प्रोटोकॉल का इस्तेमाल करता है. OAuth 2.0 का इस्तेमाल करके, कई भाषाओं में एपीआई कॉल करने के लिए आसान लाइब्रेरी उपलब्ध हैं. अगर आपने Google API को ऐक्सेस करने के लिए, OAuth 2.0 का इस्तेमाल पहले कभी नहीं किया है, तो Google API को ऐक्सेस करने के लिए OAuth 2.0 का इस्तेमाल करना से जुड़े दस्तावेज़ को पढ़ें.
यह एपीआई, Earth Engine OAuth 2.0 स्कोप https://www.googleapis.com/auth/earthengine.readonly का इस्तेमाल करता है. अगर सेवा खाते के क्रेडेंशियल खुद कॉन्फ़िगर किए जा रहे हैं, तो आपको उस स्कोप के लिए साफ़ तौर पर अनुरोध करना होगा. अगर Compute Engine वर्चुअल मशीन इंस्टेंस में उपलब्ध डिफ़ॉल्ट ऐप्लिकेशन क्रेडेंशियल का इस्तेमाल किया जा रहा है, तो आपको उस स्कोप का अनुरोध करने के लिए, अपने वीएम इंस्टेंस को कॉन्फ़िगर करना होगा.
ऐसेट
Earth Engine के डेटा मॉडल में, ऐसेट का फ़ाइल सिस्टम जैसा स्ट्रक्चर होता है. ऐसेट तीन मुख्य तरह की होती हैं. इनके बारे में यहां ज़्यादा जानकारी दी गई है: जियोस्पेशल रास्टर डेटा को इमेज में सेव किया जाता है. इमेज को बड़े कलेक्शन में ग्रुप किया जा सकता है. साथ ही, इमेज और कलेक्शन को फ़ोल्डर की हैरारकी में व्यवस्थित किया जाता है.
उदाहरण के लिए, यहां दिए गए पाथ में किसी Landsat इमेज के बारे में बताया गया है:
LANDSAT/LC8_L1T/LC81180562013193LGN00
इस उदाहरण में, LANDSAT टॉप-लेवल का फ़ोल्डर है, जिसमें Landsat का सारा डेटा मौजूद है. LC8_L1T से, कैलिब्रेट की गई और इलाके के हिसाब से सही की गई Landsat 8 इमेज के किसी कलेक्शन की पहचान होती है. वहीं, LC81180562013193LGN00 से उस कलेक्शन में मौजूद किसी इमेज की पहचान होती है. ऐसेट के पाथ में अक्षर, संख्याएं, अंडरस्कोर, और हाइफ़न हो सकते हैं. इन्हें फ़ॉरवर्ड स्लैश से अलग किया जाता है.
हर इमेज में मेटाडेटा होता है. इससे काम का डेटा आसानी से पहचाना जा सकता है. आम तौर पर, हर इमेज के मेटाडेटा की इन प्रॉपर्टी में ये शामिल होती हैं:
- इमेज की फ़ुटप्रिंट ज्यामिति, जैसे कि सैटलाइट इमेज या टेरेन डेटासेट का स्पेशल एक्सटेंट.
- इमेज का टाइमस्टैंप, जैसे कि सैटलाइट से ली गई इमेज के मिलने का समय या जलवायु मॉडल के डेटासेट में दिन या महीना.
- आर्बिट्रेरी कुंजी/वैल्यू प्रॉपर्टी, जैसे कि Landsat सैटलाइट इमेज में बादलों के अनुमानित कवरेज का प्रतिशत.
पिक्सल और मैप प्रोजेक्शन
Earth Engine में, हर इमेज में डेटा के एक या उससे ज़्यादा बैंड होते हैं. ये सामान्य आरजीबी सैटलाइट इमेज के लाल, हरे, और नीले बैंड से मेल खा सकते हैं. इसके अलावा, ये किसी दूसरी चीज़ से भी मेल खा सकते हैं. जैसे, मौसम के डेटासेट में तापमान और बारिश. हर बैंड में मौजूद पिक्सेल का डेटा टाइप अलग होता है. जैसे, uint8 या float32.
पिक्सल ग्रिड में मौजूद पिक्सल, पृथ्वी की सतह पर मौजूद पॉइंट से मेल खाते हैं. इसके लिए, मैप प्रोजेक्शन नाम के गणितीय फ़ंक्शन का इस्तेमाल किया जाता है. इस संबंध में आम तौर पर दो कॉम्पोनेंट होते हैं. सबसे पहले, निर्देशांक रेफ़रंस सिस्टम (सीआरएस) 2D निर्देशांकों को तय करता है. ये निर्देशांक, पृथ्वी की घुमावदार सतह पर मौजूद बिंदुओं को दिखाते हैं. अलग-अलग कोऑर्डिनेट रेफ़रंस सिस्टम की अलग-अलग प्रॉपर्टी होती हैं. इसलिए, इनका इस्तेमाल अलग-अलग ऐप्लिकेशन में अलग-अलग तरह के डेटा के साथ किया जा सकता है. आम तौर पर, कोऑर्डिनेट रेफ़रंस सिस्टम की पहचान स्टैंडर्ड आइडेंटिफ़ायर कोड का इस्तेमाल करके की जाती है. इसके सामान्य उदाहरण इक्विरैक्टेंगुलर, वेब मर्कटर, और UTM कोऑर्डिनेट हैं.
इसके बाद, पिक्सल कोऑर्डिनेट को आम तौर पर, अफ़ाइन ट्रांसफ़ॉर्मेशन के ज़रिए स्पेशल कोऑर्डिनेट रेफ़रंस सिस्टम से जोड़ा जाता है. यह पिक्सल ग्रिड के फ़िज़िकल स्केल और ओरिजन को कंट्रोल करता है. Earth Engine में, हम हर इमेज के लिए डेटा का पिरामिड सेव करते हैं: पिरामिड के बेस लेवल में, ओरिजनल डेटा को उसके नेटिव रिज़ॉल्यूशन में सेव किया जाता है. वहीं, पिरामिड के ऊपरी लेवल में, कम रिज़ॉल्यूशन वाला खास जानकारी का डेटा सेव किया जाता है. पिरामिड के इन लेवल को अफ़ाइन ट्रांसफ़ॉर्मेशन से दिखाया जाता है. इनके स्केल में दो के फ़ैक्टर का अंतर होता है.
कलेक्शन और फ़ोल्डर
इमेज अक्सर डेटा के बड़े कलेक्शन में मिलती हैं. जैसे, किसी सैटलाइट से ली गई सभी इमेज का कलेक्शन या समय के साथ दुनिया के तापमान के अनुमानों का कलेक्शन. Earth Engine, मेटाडेटा इंडेक्स बनाता है. इनकी मदद से, मेटाडेटा के आधार पर कलेक्शन में मौजूद इमेज को फ़िल्टर या क्वेरी किया जा सकता है. इसमें जगह और समय के हिसाब से फ़िल्टर करना भी शामिल है. आम तौर पर, किसी एक कलेक्शन में मौजूद सभी इमेज का स्ट्रक्चर एक जैसा होता है. इसका मतलब है कि उनमें एक जैसे बैंड और एक जैसी मेटाडेटा प्रॉपर्टी होती हैं.
इमेज और कलेक्शन को फ़ोल्डर के हिसाब से व्यवस्थित किया जाता है. फ़ोल्डर, पारंपरिक फ़ाइल सिस्टम में मौजूद किसी सामान्य फ़ोल्डर या डायरेक्ट्री की तरह होता है.यह अन्य ऐसेट के लिए एक सामान्य कंटेनर होता है. जैसे, इमेज, कलेक्शन, और अन्य फ़ोल्डर. सभी इमेज, कलेक्शन में शामिल नहीं होती हैं: कुछ डेटासेट में सिर्फ़ एक इमेज हो सकती है. जैसे, कोई खास ग्लोबल टेरेन मॉडल. हालांकि, हर ऐसेट की पहचान एक खास पाथ से होती है. यह पाथ, Earth Engine के डेटा कैटलॉग में ऐसेट की जगह की पहचान करता है.
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\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."]]
