Concepts
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Ten interfejs API zapewnia prosty i jednolity dostęp do różnorodnych danych obrazów geoprzestrzennych. Przez dane geoprzestrzenne rozumiemy dane powiązane z lokalizacjami na powierzchni Ziemi. Przez dane obrazu rozumiemy dane, które są ustrukturyzowane jako jednolita siatka wartości pikseli, podobnie jak tradycyjny obraz.
Najbardziej znanym przykładem tego typu danych są zdjęcia satelitarne, które użytkownicy znają z Map Google i Google Earth. Wiele innych zbiorów danych ma jednak taką samą strukturę, np. zbiory danych o pogodzie i klimacie w postaci siatki, zbiory danych o terenie i pokryciu terenu oraz zbiory danych o gęstości zaludnienia.
Uwierzytelnianie
Interfejs Earth Engine API używa protokołu OAuth 2.0 do uwierzytelniania i autoryzacji. Dostępne są wygodne biblioteki do używania protokołu OAuth 2.0 w celu wysyłania wywołań interfejsu API w wielu językach. Jeśli nie masz jeszcze doświadczenia w używaniu OAuth 2.0 do uzyskiwania dostępu do interfejsów API Google, zapoznaj się z dokumentacją na temat używania OAuth 2.0 do korzystania z interfejsów API Google.
Ten interfejs API korzysta z zakresu https://www.googleapis.com/auth/earthengine.readonly Earth Engine OAuth 2.0. Jeśli samodzielnie konfigurujesz dane logowania do konta usługi, musisz wyraźnie poprosić o ten zakres. Jeśli używasz domyślnych danych logowania aplikacji dostępnych w instancjach maszyn wirtualnych Compute Engine, musisz skonfigurować instancję maszyny wirtualnej, aby zażądać tego zakresu.
Zasoby
Podstawą modelu danych Earth Engine jest struktura zasobów przypominająca system plików. Istnieją 3 główne typy zasobów, które zostały opisane poniżej: dane rastrowe geoprzestrzenne są przechowywane w obrazach, obrazy można grupować w duże kolekcje, a obrazy i kolekcje są dodatkowo uporządkowane w hierarchii folderów.
Na przykład poniższa ścieżka opisuje konkretny obraz Landsat:
LANDSAT/LC8_L1T/LC81180562013193LGN00
W tym przykładzie LANDSAT to folder najwyższego poziomu zawierający wszystkie dane Landsat, LC8_L1T identyfikuje konkretną kolekcję skalibrowanych i skorygowanych pod kątem terenu obrazów Landsat 8, a LC81180562013193LGN00 identyfikuje konkretny obraz w tej kolekcji. Ścieżki zasobów mogą zawierać litery, cyfry, podkreślenia i łączniki rozdzielone ukośnikami.
Każdy obraz ma metadane, które ułatwiają identyfikację interesujących danych. Te właściwości metadanych poszczególnych obrazów zwykle obejmują:
- Geometria obszaru obrazu, np. zasięg przestrzenny zdjęcia satelitarnego lub zbioru danych o terenie.
- Sygnatura czasowa obrazu, np. czas pozyskania zdjęcia satelitarnego lub dzień lub miesiąc w zbiorze danych modelu klimatycznego.
- Dowolne właściwości klucz/wartość, np. szacowany procent zachmurzenia na zdjęciu satelitarnym Landsat.
Piksele i projekcje mapy
W Earth Engine każdy obraz składa się z co najmniej 1 pasma danych. Mogą one odpowiadać pasmom czerwonym, zielonym i niebieskim zwykłego obrazu satelitarnego RGB lub zupełnie innym danym, np. temperaturze i opadom w zbiorze danych pogodowych. Piksele w każdym paśmie mają określony typ danych, np. uint8 lub float32.
Piksele w siatce pikseli odpowiadają punktom na powierzchni Ziemi za pomocą funkcji matematycznej zwanej projekcją mapy. Zwykle składa się ona z 2 elementów. Najpierw układ odniesienia przestrzennego (CRS) definiuje współrzędne 2D, które reprezentują punkty na zakrzywionej powierzchni Ziemi. Różne układy odniesienia przestrzennego mają różne właściwości, które sprawiają, że nadają się do używania z różnymi typami danych w różnych aplikacjach. Układy odniesienia współrzędnych są zwykle identyfikowane za pomocą standardowych kodów identyfikatorów. Typowe przykłady to współrzędne równokątne, Web Mercator i UTM.
Współrzędne pikseli są zwykle powiązane z przestrzennym układem odniesienia współrzędnych za pomocą przekształcenia afinicznego, które kontroluje fizyczną skalę i punkt początkowy siatki pikseli. W Earth Engine przechowujemy piramidę danych dla każdego obrazu: podstawowy poziom piramidy zawiera oryginalne dane w ich natywnej rozdzielczości, a wyższe poziomy piramidy przechowują dane przeglądowe o zmniejszonej rozdzielczości. Poziomy piramidy są opisane przez przekształcenia afiniczne, których skale różnią się o kolejne czynniki równe 2.
Kolekcje i foldery
Obrazy często występują w dużych zbiorach danych, np. w zbiorze wszystkich zdjęć uzyskanych przez danego satelitę lub w zbiorze globalnych szacunków temperatury w czasie. Earth Engine tworzy indeksy metadanych, które umożliwiają filtrowanie lub wyszukiwanie obrazów w kolekcjach na podstawie ich metadanych, w tym filtrowanie według lokalizacji i czasu. Zwykle wszystkie obrazy w jednej kolekcji mają tę samą strukturę, czyli te same pasma i te same właściwości metadanych.
Obrazy i kolekcje są uporządkowane w hierarchii folderów. Folder przypomina zwykły folder lub katalog w tradycyjnym systemie plików: jest prostym kontenerem na inne zasoby, czyli obrazy, kolekcje i inne foldery. Nie wszystkie obrazy są zawarte w kolekcjach: niektóre zbiory danych, np. konkretny globalny model terenu, mogą składać się tylko z jednego obrazu. Każdy zasób jest jednoznacznie identyfikowany przez ścieżkę, która określa jego lokalizację w katalogu danych Earth Engine.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 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."]]
