공지사항:
2025년 4월 15일 전에 Earth Engine 사용을 위해 등록된 모든 비상업용 프로젝트는 Earth Engine 액세스를 유지하기 위해
비상업용 자격 요건을 인증해야 합니다.
Concepts
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
이 API는 다양한 지리 공간 이미지 데이터에 대한 간단하고 균일한 액세스를 제공합니다. 지리 공간은 데이터가 지구 표면의 위치와 연결되어 있음을 의미합니다. 이미지 데이터는 기존 이미지와 마찬가지로 픽셀 값의 균일한 그리드로 구성된 데이터를 의미합니다.
이러한 유형의 데이터 중 가장 친숙한 예는 사용자가 Google 지도 및 어스에서 보는 데 익숙한 위성 이미지입니다. 하지만 격자형 날씨 및 기후 데이터 세트, 지형 및 토지 피복 데이터 세트, 인구 밀도 데이터 세트 등 많은 다른 데이터 세트의 구조도 동일합니다.
인증
Earth Engine API는 인증 및 승인에 OAuth 2.0 프로토콜을 사용합니다. 다양한 언어로 OAuth 2.0을 사용하여 API 호출을 실행하는 데 편리한 라이브러리가 있습니다. 이전에 OAuth 2.0을 사용하여 Google API에 액세스한 적이 없는 경우 OAuth 2.0을 사용하여 Google API에 액세스하기에 관한 문서를 숙지하는 것이 좋습니다.
이 API는 Earth Engine OAuth 2.0 범위 https://www.googleapis.com/auth/earthengine.readonly를 사용합니다. 서비스 계정 사용자 인증 정보를 직접 구성하는 경우 해당 범위를 명시적으로 요청해야 합니다. Compute Engine 가상 머신 인스턴스에서 사용할 수 있는 기본 애플리케이션 사용자 인증 정보를 사용하는 경우 해당 범위를 요청하도록 VM 인스턴스를 구성해야 합니다.
애셋
Earth Engine 데이터 모델의 핵심은 파일 시스템과 유사한 애셋 구조입니다. 기본 애셋 유형은 세 가지이며 아래에 자세히 설명되어 있습니다. 지리공간 래스터 데이터 자체는 이미지에 저장되고, 이미지는 대규모 컬렉션으로 그룹화될 수 있으며, 이미지와 컬렉션은 폴더의 계층 구조로 추가로 정리됩니다.
예를 들어 다음 경로는 특정 Landsat 이미지를 설명합니다.
LANDSAT/LC8_L1T/LC81180562013193LGN00
이 예에서 LANDSAT은 모든 Landsat 데이터를 포함하는 최상위 폴더이고, LC8_L1T은 보정되고 지형 보정된 Landsat 8 이미지의 특정 컬렉션을 식별하며, LC81180562013193LGN00은 해당 컬렉션 내의 특정 이미지를 식별합니다. 애셋 경로에는 영문자, 숫자, 밑줄, 하이픈이 포함될 수 있으며 슬래시로 구분됩니다.
각 이미지에는 관심 있는 데이터를 쉽게 식별할 수 있는 메타데이터가 있습니다. 이러한 이미지별 메타데이터 속성에는 일반적으로 다음이 포함됩니다.
- 위성 이미지 또는 지형 데이터 세트의 공간 범위와 같은 이미지의 발자국 형상입니다.
- 위성 이미지 획득 시간 또는 기후 모델 데이터 세트의 일 또는 월과 같은 이미지의 타임스탬프입니다.
- Landsat 위성 이미지의 예상 구름 덮개 비율과 같은 임의의 키/값 속성입니다.
픽셀 및 지도 투영
Earth Engine에서 각 이미지는 하나 이상의 데이터 밴드로 구성됩니다. 일반적인 RGB 위성 이미지의 빨간색, 녹색, 파란색 밴드에 해당할 수도 있고, 날씨 데이터 세트의 온도 및 강수량과 같이 완전히 다른 항목에 해당할 수도 있습니다. 각 밴드의 픽셀에는 uint8 또는 float32과 같은 특정 데이터 유형이 있습니다.
픽셀 그리드의 픽셀은 지도 투영이라는 수학 함수를 통해 지표면의 점에 대응됩니다. 이 관계는 일반적으로 두 가지 구성요소로 이루어집니다. 먼저 좌표 참조 시스템 (CRS)은 지구의 곡면상의 점을 나타내는 2D 좌표를 정의합니다. 좌표 참조 시스템마다 속성이 다르므로 다양한 애플리케이션에서 다양한 유형의 데이터와 함께 사용하기에 적합합니다. 좌표 참조 시스템은 일반적으로 표준 식별자 코드를 사용하여 식별됩니다. 일반적인 예로는 직교, 웹 메르카토르, UTM 좌표가 있습니다.
그런 다음 픽셀 좌표는 일반적으로 픽셀 그리드의 물리적 크기와 원점을 제어하는 어핀 변환을 통해 공간 좌표 참조 시스템과 관련됩니다. Earth Engine에서는 각 이미지의 데이터 피라미드를 저장합니다. 피라미드의 기본 수준에는 기본 해상도의 원본 데이터가 포함되어 있고 피라미드의 상위 수준에는 해상도가 감소된 개요 데이터가 저장되어 있습니다. 피라미드의 이러한 수준은 연속적인 2의 인수로 규모가 다른 아핀 변환으로 설명됩니다.
컬렉션 및 폴더
이미지는 특정 위성에서 획득한 모든 이미지 모음이나 시간 경과에 따른 전 세계 온도 추정치 모음과 같은 대규모 데이터 컬렉션으로 제공되는 경우가 많습니다. Earth Engine은 위치 및 시간별 필터링을 비롯하여 메타데이터를 기반으로 컬렉션의 이미지를 필터링하거나 쿼리할 수 있는 메타데이터 색인을 빌드합니다. 일반적으로 단일 컬렉션 내의 모든 이미지는 동일한 구조(동일한 밴드 및 동일한 메타데이터 속성)를 갖습니다.
이미지와 컬렉션은 폴더의 계층 구조로 구성됩니다. 폴더는 기존 파일 시스템의 일반 폴더 또는 디렉터리와 매우 유사합니다. 이미지, 컬렉션, 기타 폴더와 같은 다른 애셋을 위한 간단한 컨테이너입니다. 모든 이미지가 컬렉션에 포함되는 것은 아닙니다. 특정 전역 지형 모델과 같은 일부 데이터 세트는 단일 이미지로만 구성될 수 있습니다. 어떤 경우든 모든 애셋은 Earth Engine 데이터 카탈로그에서 위치를 식별하는 특정 경로로 고유하게 식별됩니다.
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-07-26(UTC)
[null,null,["최종 업데이트: 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."]]
