Pengumuman: Semua project nonkomersial yang terdaftar untuk menggunakan Earth Engine sebelum
15 April 2025 harus
memverifikasi kelayakan nonkomersial untuk mempertahankan akses Earth Engine.
Concepts
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
API ini menyediakan akses yang sederhana dan seragam ke berbagai data gambar geospasial. Yang kami maksud dengan geospasial adalah data yang terkait dengan lokasi di permukaan Bumi. Yang dimaksud dengan data gambar adalah data yang disusun sebagai petak seragam nilai piksel, seperti gambar tradisional.
Contoh paling umum dari jenis data ini adalah citra satelit, seperti yang biasa dilihat pengguna di Google Maps dan Earth. Namun, banyak set data lain yang memiliki struktur yang sama, termasuk misalnya set data cuaca dan iklim yang dikotak-kotakkan, set data medan dan penutupan lahan, serta set data kepadatan populasi.
Autentikasi
Earth Engine API menggunakan protokol OAuth 2.0 untuk autentikasi dan otorisasi. Ada library praktis untuk menggunakan OAuth 2.0 guna mengeluarkan panggilan API dalam berbagai bahasa. Jika Anda belum pernah menggunakan OAuth 2.0 untuk mengakses Google API, sebaiknya Anda membaca dokumentasi tentang Menggunakan OAuth 2.0 untuk Mengakses Google API.
API ini menggunakan cakupan OAuth 2.0 Earth Engine https://www.googleapis.com/auth/earthengine.readonly. Jika Anda mengonfigurasi kredensial akun layanan sendiri, Anda harus meminta cakupan tersebut secara eksplisit. Jika Anda menggunakan kredensial aplikasi default yang tersedia di instance mesin virtual Compute Engine, Anda harus mengonfigurasi instance VM untuk meminta cakupan tersebut.
Aset
Inti dari model data Earth Engine adalah struktur aset yang mirip dengan sistem file. Ada tiga jenis aset utama, yang dijelaskan lebih mendetail di bawah: data raster geospasial itu sendiri disimpan dalam gambar, gambar dapat dikelompokkan ke dalam koleksi besar, dan gambar serta koleksi selanjutnya disusun dalam hierarki folder.
Misalnya, jalur berikut menjelaskan gambar Landsat tertentu:
LANDSAT/LC8_L1T/LC81180562013193LGN00
Dalam contoh ini, LANDSAT adalah folder tingkat teratas yang berisi semua data Landsat, LC8_L1T mengidentifikasi koleksi tertentu dari gambar Landsat 8 yang dikalibrasi dan dikoreksi medan, dan LC81180562013193LGN00 mengidentifikasi gambar tertentu dalam koleksi tersebut. Jalur aset dapat berisi huruf, angka, garis bawah, dan tanda hubung, yang dipisahkan oleh garis miring ke depan.
Setiap gambar memiliki metadata yang memudahkan identifikasi data yang diinginkan. Properti metadata per gambar ini biasanya mencakup:
- Geometri jejak gambar, seperti cakupan spasial gambar satelit atau set data medan.
- Stempel waktu gambar, seperti waktu pengambilan gambar satelit, atau hari atau bulan dalam set data model iklim.
- Properti nilai/kunci arbitrer, seperti perkiraan persentase tutupan awan pada gambar satelit Landsat.
Piksel dan Proyeksi Peta
Di Earth Engine, setiap gambar terdiri dari satu atau beberapa band data. Ini dapat sesuai dengan band merah, hijau, dan biru dari gambar satelit RGB biasa, atau dapat sesuai dengan sesuatu yang sama sekali berbeda, seperti suhu dan presipitasi dalam set data cuaca. Piksel di setiap rentang memiliki jenis data tertentu, misalnya uint8 atau float32.
Piksel dalam petak piksel sesuai dengan titik-titik di permukaan Bumi melalui fungsi matematika yang dikenal sebagai proyeksi peta. Hubungan ini biasanya memiliki dua komponen. Pertama, sistem referensi koordinat (CRS) menentukan koordinat 2D yang merepresentasikan titik di permukaan Bumi yang melengkung. Sistem referensi koordinat yang berbeda memiliki properti yang berbeda yang membuatnya sesuai untuk digunakan dengan berbagai jenis data dalam berbagai aplikasi. Sistem referensi koordinat biasanya diidentifikasi menggunakan kode ID standar; contoh umumnya adalah koordinat equirectangular, web Mercator, dan UTM.
Koordinat piksel kemudian biasanya terkait dengan sistem referensi koordinat spasial melalui transformasi affine yang mengontrol skala fisik dan asal grid piksel. Di Earth Engine, kami menyimpan piramida data untuk setiap gambar: tingkat dasar piramida berisi data asli dalam resolusi aslinya, dan tingkat yang lebih tinggi dari piramida menyimpan data ringkasan dengan resolusi yang lebih rendah. Level piramida ini dijelaskan oleh transformasi affine yang skalanya berbeda dengan faktor dua berturut-turut.
Koleksi dan Folder
Gambar sering kali berupa kumpulan data yang besar, seperti kumpulan semua gambar yang diambil oleh satelit tertentu, atau kumpulan estimasi suhu global dari waktu ke waktu. Earth Engine membuat indeks metadata yang memungkinkan Anda memfilter atau membuat kueri gambar dalam koleksi berdasarkan metadatanya, termasuk memfilter berdasarkan lokasi dan waktu. Biasanya, semua gambar dalam satu koleksi memiliki struktur yang sama, yaitu band yang sama dan properti metadata yang sama.
Gambar dan koleksi itu sendiri disusun menjadi hierarki folder. Folder sangat mirip dengan folder atau direktori biasa dalam sistem file tradisional: folder adalah penampung sederhana untuk aset lain, yaitu untuk gambar, koleksi, dan folder lainnya. Tidak semua gambar terdapat dalam koleksi: beberapa set data, seperti model medan global tertentu, mungkin hanya terdiri dari satu gambar. Terlepas dari itu, setiap aset diidentifikasi secara unik oleh jalur tertentu yang mengidentifikasi lokasinya di katalog data Earth Engine.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 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."]]
