Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso ao Earth Engine.
Concepts
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Essa API oferece acesso simples e uniforme a uma ampla variedade de dados de imagens geoespaciais. Por geoespacial, queremos dizer que os dados estão associados a locais na superfície da Terra. Por dados de imagem, entendemos dados estruturados como uma grade uniforme de valores de pixels, muito parecida com uma imagem tradicional.
O exemplo mais conhecido desse tipo de dado são as imagens de satélite, muito parecidas com as que os usuários estão acostumados a ver no Google Maps e no Earth. No entanto, muitos outros conjuntos de dados têm a mesma estrutura, incluindo, por exemplo, conjuntos de dados de clima e meteorologia em grade, de terreno e cobertura do solo e de densidade populacional.
Autenticação
A API Earth Engine usa o protocolo OAuth 2.0 para autenticação e autorização. Há bibliotecas convenientes para usar o OAuth 2.0 e emitir chamadas de API em uma ampla variedade de linguagens. Se você nunca usou o OAuth 2.0 para acessar as APIs do Google, consulte a documentação sobre Como usar o OAuth 2.0 para acessar as APIs do Google.
Essa API usa o escopo https://www.googleapis.com/auth/earthengine.readonly do OAuth 2.0 do Earth Engine. Se você estiver configurando as credenciais da conta de serviço por conta própria, precisará solicitar esse escopo explicitamente. Se você estiver usando as credenciais padrão do aplicativo disponíveis nas instâncias de máquina virtual do Compute Engine, configure a instância de VM para solicitar esse escopo.
Recursos
No centro do modelo de dados do Earth Engine está uma estrutura semelhante a um sistema de arquivos de recursos. Há três tipos principais de recursos, descritos com mais detalhes abaixo: os próprios dados raster geoespaciais são armazenados em imagens, que podem ser agrupadas em grandes coleções, e imagens e coleções são organizadas em uma hierarquia de pastas.
Por exemplo, o caminho a seguir descreve uma imagem específica do Landsat:
LANDSAT/LC8_L1T/LC81180562013193LGN00
Neste exemplo, LANDSAT é uma pasta de nível superior que contém todos os dados do Landsat, LC8_L1T identifica uma coleção específica de imagens do Landsat 8 calibradas e corrigidas para terreno, e LC81180562013193LGN00 identifica uma imagem específica nessa coleção. Os caminhos de recursos podem conter letras, números, sublinhados e hifens, separados por barras.
Cada imagem tem metadados que facilitam a identificação dos dados de interesse. Essas propriedades de metadados por imagem geralmente incluem:
- A geometria da área de cobertura da imagem, como a extensão espacial de uma imagem de satélite ou um conjunto de dados de terreno.
- O carimbo de data/hora da imagem, como o horário de aquisição da imagem de satélite ou o dia ou mês em um conjunto de dados de modelo climático.
- Propriedades arbitrárias de chave/valor, como a porcentagem estimada de cobertura de nuvens de uma imagem de satélite do Landsat.
Pixels e projeções de mapas
No Earth Engine, cada imagem consiste em uma ou mais bandas de dados. Elas podem corresponder às bandas vermelha, verde e azul de uma imagem de satélite RGB comum ou a algo completamente diferente, como temperatura e precipitação em um conjunto de dados climáticos. Os pixels em cada banda têm um tipo de dados específico, por exemplo, uint8 ou float32.
Os pixels em uma grade correspondem a pontos na superfície da Terra por uma função matemática conhecida como projeção cartográfica. Essa relação geralmente tem dois componentes. Primeiro, um sistema de referência de coordenadas (SRC) define coordenadas 2D que representam pontos na superfície curva da Terra. Diferentes sistemas de referência de coordenadas têm propriedades distintas que os tornam adequados para uso com diferentes tipos de dados em diferentes aplicativos. Os sistemas de referência de coordenadas geralmente são identificados usando códigos de identificador padrão. Exemplos comuns são coordenadas equirretangulares, Web Mercator e UTM.
As coordenadas de pixel são relacionadas ao sistema de referência de coordenadas espaciais por uma transformação afim que controla a escala física e a origem da grade de pixels. No Earth Engine, armazenamos uma pirâmide de dados para cada imagem: o nível de base da pirâmide contém os dados originais na resolução nativa, e os níveis mais altos armazenam dados de visão geral de resolução reduzida. Esses níveis da pirâmide são descritos por transformações afins cujas escalas diferem por fatores sucessivos de dois.
Coleções e pastas
As imagens geralmente vêm em grandes coleções de dados, como uma coleção de todas as imagens adquiridas por um satélite específico ou uma coleção de estimativas de temperatura global ao longo do tempo. O Earth Engine cria índices de metadados que permitem filtrar ou consultar as imagens em coleções com base nos metadados delas, incluindo filtragem por local e hora. Normalmente, todas as imagens em uma única coleção têm a mesma estrutura, ou seja, as mesmas bandas e propriedades de metadados.
As imagens e coleções são organizadas em uma hierarquia de pastas. Uma pasta é muito parecida com uma pasta ou diretório comum em um sistema de arquivos tradicional: é um contêiner simples para outros recursos, ou seja, imagens, coleções e outras pastas. Nem todas as imagens estão contidas em coleções. Alguns conjuntos de dados, como um modelo global de terreno específico, podem consistir em apenas uma imagem. De qualquer forma, cada recurso é identificado de maneira exclusiva por um caminho específico que identifica sua localização no catálogo de dados do Earth Engine.
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-26 UTC.
[null,null,["Última atualização 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."]]
