Объявление : Все некоммерческие проекты, зарегистрированные для использования Earth Engine до
15 апреля 2025 года, должны
подтвердить некоммерческое право на сохранение доступа к Earth Engine.
Concepts
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Этот API обеспечивает простой и единообразный доступ к широкому спектру геопространственных данных изображений. Под геопространственными данными мы подразумеваем данные, связанные с точками на поверхности Земли. Под данными изображений мы подразумеваем данные, структурированные в виде равномерной сетки значений пикселей, подобно традиционному изображению.
Самый распространённый пример такого типа данных — спутниковые снимки, очень похожие на те, к которым пользователи привыкли в Google Картах и Google Планета Земля. Однако многие другие наборы данных имеют ту же структуру, включая, например, наборы данных о погоде и климате с координатной сеткой, наборы данных о рельефе и почвенно-растительном покрове, а также наборы данных о плотности населения.
Аутентификация
API Earth Engine использует протокол OAuth 2.0 для аутентификации и авторизации. Существуют удобные библиотеки для использования OAuth 2.0 для выполнения вызовов API на широком спектре языков. Если вы ранее не использовали OAuth 2.0 для доступа к API Google, рекомендуем ознакомиться с документацией по использованию OAuth 2.0 для доступа к API Google .
Этот API использует область действия Earth Engine OAuth 2.0 https://www.googleapis.com/auth/earthengine.readonly . Если вы самостоятельно настраиваете учетные данные сервисной учетной записи, вам потребуется явно запросить эту область действия. Если вы используете учетные данные приложения по умолчанию, доступные в экземплярах виртуальных машин Compute Engine, вам потребуется настроить экземпляр виртуальной машины для запроса этой области действия.
Ресурсы
В основе модели данных Earth Engine лежит структура ресурсов , подобная файловой системе. Существует три основных типа ресурсов, которые более подробно описаны ниже: геопространственные растровые данные хранятся в изображениях , изображения могут быть сгруппированы в большие коллекции , а изображения и коллекции организованы в иерархию папок .
Например, следующий путь описывает конкретное изображение Landsat:
LANDSAT/LC8_L1T/LC81180562013193LGN00
В этом примере LANDSAT — это папка верхнего уровня, содержащая все данные Landsat, LC8_L1T идентифицирует конкретную коллекцию калиброванных и скорректированных по рельефу изображений Landsat 8, а LC81180562013193LGN00 идентифицирует конкретное изображение в этой коллекции. Пути к ресурсам могут содержать буквы, цифры, символы подчёркивания и дефисы, разделённые косой чертой.
Каждое изображение содержит метаданные, которые позволяют легко идентифицировать интересующую информацию. Эти метаданные для каждого изображения обычно включают:
- Геометрия контура изображения, например, пространственная протяженность спутникового снимка или набора данных о рельефе местности.
- Временная метка изображения, например время получения спутникового снимка или день или месяц в наборе данных климатической модели.
- Произвольные свойства «ключ/значение», например, предполагаемый процент облачности на спутниковом снимке Landsat.
Пиксели и картографические проекции
В Earth Engine каждое изображение состоит из одного или нескольких каналов данных. Они могут соответствовать красному, зелёному и синему каналам обычного спутникового снимка RGB или чему-то совершенно иному, например, температуре и осадкам в наборе метеорологических данных. Пиксели в каждом канале имеют определённый тип данных, например, uint8 или float32 .
Пиксели в пиксельной сетке соответствуют точкам на поверхности Земли посредством математической функции, известной как картографическая проекция . Эта связь обычно состоит из двух компонентов. Во-первых, система координат (CRS) определяет двумерные координаты, представляющие точки на искривлённой поверхности Земли. Различные системы координат обладают разными свойствами, что делает их подходящими для использования с различными типами данных в различных приложениях. Системы координат обычно идентифицируются с помощью стандартных кодов-идентификаторов ; распространёнными примерами являются равнопрямоугольная проекция , проекция Меркатора и UTM -координаты.
Затем пиксельные координаты обычно связываются с пространственной системой координат посредством аффинного преобразования , которое управляет физическим масштабом и началом координат пиксельной сетки. В Earth Engine мы храним пирамиду данных для каждого изображения: базовый уровень пирамиды содержит исходные данные в исходном разрешении, а более высокие уровни пирамиды хранят обзорные данные в пониженном разрешении. Эти уровни пирамиды описываются аффинными преобразованиями, масштабы которых различаются последовательно в два раза.
Коллекции и папки
Изображения часто входят в состав больших коллекций данных, например, коллекции всех снимков, полученных с конкретного спутника, или коллекции оценок глобальной температуры за определенный период времени. Earth Engine создает индексы метаданных, которые позволяют фильтровать или запрашивать изображения в коллекциях на основе их метаданных, включая фильтрацию по местоположению и времени. Как правило, все изображения в одной коллекции имеют одинаковую структуру, то есть одни и те же каналы и одинаковые свойства метаданных.
Изображения и коллекции организованы в иерархию папок . Папка во многом похожа на обычную папку или каталог в традиционной файловой системе: это простой контейнер для других ресурсов, то есть изображений, коллекций и других папок. Не все изображения содержатся в коллекциях: некоторые наборы данных, например, конкретная глобальная модель рельефа, могут состоять только из одного изображения. Тем не менее, каждый ресурс уникально идентифицируется определённым путём, который определяет его местоположение в каталоге данных Earth Engine.
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-07-25 UTC.
[null,null,["Последнее обновление: 2025-07-25 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."]]
