Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
Concepts
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Bu API, çeşitli coğrafi görüntü verilerine basit ve tek tip erişim sağlar. Coğrafi derken, verilerin yeryüzündeki konumlarla ilişkili olduğunu kastediyoruz. Görüntü verileri, geleneksel bir görüntüye benzer şekilde, piksel değerlerinin tek tip bir ızgarası olarak yapılandırılmış verilerdir.
Bu tür verilere en bilinen örnek, kullanıcıların Google Haritalar ve Earth'te görmeye alışkın olduğu uydu görüntüleri verileridir. Ancak, ızgaralı hava durumu ve iklim veri kümeleri, arazi ve arazi örtüsü veri kümeleri ile nüfus yoğunluğu veri kümeleri gibi birçok başka veri kümesi de aynı yapıya sahiptir.
Kimlik doğrulama
Earth Engine API, kimlik doğrulama ve yetkilendirme için OAuth 2.0 protokolünü kullanır. Çok çeşitli dillerde API çağrıları yapmak için OAuth 2.0'ı kullanabileceğiniz kullanışlı kitaplıklar vardır. Google API'lerine erişmek için daha önce OAuth 2.0'ı kullanmadıysanız Google API'lerine erişmek için OAuth 2.0'ı kullanma ile ilgili dokümanları inceleyebilirsiniz.
Bu API, Earth Engine OAuth 2.0 kapsamını https://www.googleapis.com/auth/earthengine.readonly kullanır. Hizmet hesabı kimlik bilgilerini kendiniz yapılandırıyorsanız bu kapsamı açıkça istemeniz gerekir. Compute Engine sanal makine örneklerinde bulunan varsayılan uygulama kimlik bilgilerini kullanıyorsanız sanal makine örneğinizi bu kapsamı isteyecek şekilde yapılandırmanız gerekir.
Öğeler
Earth Engine veri modelinin temelinde, dosya sistemine benzer bir öğeler yapısı bulunur. Üç temel öğe türü vardır. Bunlar aşağıda daha ayrıntılı olarak açıklanmıştır: Coğrafi raster veriler resimler halinde depolanır, resimler büyük koleksiyonlar halinde gruplandırılabilir, resimler ve koleksiyonlar da klasörler hiyerarşisinde düzenlenir.
Örneğin, aşağıdaki yol belirli bir Landsat görüntüsünü tanımlar:
LANDSAT/LC8_L1T/LC81180562013193LGN00
Bu örnekte, LANDSAT tüm Landsat verilerini içeren en üst düzey bir klasördür, LC8_L1T kalibre edilmiş ve arazi düzeltmeli Landsat 8 görüntülerinin belirli bir koleksiyonunu tanımlar ve LC81180562013193LGN00 bu koleksiyondaki belirli bir görüntüyü tanımlar. Öğe yolları, eğik çizgilerle ayrılmış harf, rakam, alt çizgi ve kısa çizgi içerebilir.
Her görüntüde, ilgilenilen verilerin kolayca tanımlanmasını sağlayan meta veriler bulunur. Bu görüntü başına meta veri özellikleri genellikle şunları içerir:
- Görüntünün ayak izi geometrisi (ör. uydu görüntüsünün veya arazi veri kümesinin uzamsal kapsamı).
- Uydu görüntüsü edinme zamanı veya iklim modeli veri kümesindeki gün ya da ay gibi görüntünün zaman damgası.
- Landsat uydu görüntüsünün tahmini bulut örtüsü yüzdesi gibi rastgele anahtar/değer özellikleri.
Pikseller ve Harita Projeksiyonları
Earth Engine'de her görüntü bir veya daha fazla veri bandından oluşur. Bunlar, normal bir RGB uydu görüntüsünün kırmızı, yeşil ve mavi bantlarına karşılık gelebilir veya tamamen farklı bir şeye (ör. bir hava durumu veri kümesindeki sıcaklık ve yağış) karşılık gelebilir. Her banttaki pikseller belirli bir veri türüne sahiptir (ör. uint8 veya float32).
Piksel ızgarasındaki pikseller, harita projeksiyonu olarak bilinen matematiksel bir işlev aracılığıyla Dünya yüzeyindeki noktalara karşılık gelir. Bu ilişki genellikle iki bileşenden oluşur. İlk olarak, koordinat referans sistemi (CRS), Dünya'nın kavisli yüzeyindeki noktaları temsil eden 2 boyutlu koordinatları tanımlar. Farklı koordinat referans sistemleri, farklı uygulamalarda farklı veri türleriyle kullanıma uygun hale getiren farklı özelliklere sahiptir. Koordinat referans sistemleri genellikle standart tanımlayıcı kodlar kullanılarak tanımlanır. Yaygın örnekler arasında equirectangular, web Mercator ve UTM koordinatları yer alır.
Pixel koordinatları daha sonra genellikle piksel ızgarasının fiziksel ölçeğini ve başlangıcını kontrol eden bir afin dönüşümü aracılığıyla uzamsal koordinat referans sistemiyle ilişkilendirilir. Earth Engine'de her resim için bir piramit veri saklarız: Piramidin taban seviyesi, orijinal verileri doğal çözünürlüğünde içerir ve piramidin daha yüksek seviyelerinde, çözünürlüğü azaltılmış genel bakış verileri saklanır. Piramidin bu seviyeleri, ölçekleri iki katı olan ardışık faktörlerle farklılık gösteren afin dönüşümlerle tanımlanır.
Koleksiyonlar ve Klasörler
Görüntüler genellikle büyük veri koleksiyonları halinde gelir. Örneğin, belirli bir uydu tarafından elde edilen tüm görüntülerin koleksiyonu veya zaman içindeki küresel sıcaklık tahminlerinin koleksiyonu. Earth Engine, koleksiyonlardaki resimleri meta verilerine göre filtrelemenize veya sorgulamanıza olanak tanıyan meta veri dizinleri oluşturur. Konuma ve zamana göre filtreleme de bu kapsamdadır. Genellikle tek bir koleksiyondaki tüm görüntüler aynı yapıya (ör. aynı bantlar ve aynı meta veri özelliklerine) sahiptir.
Resimler ve koleksiyonlar da klasörler hiyerarşisi içinde düzenlenir. Klasör, geleneksel bir dosya sistemindeki normal bir klasöre veya dizine çok benzer: diğer öğeler (ör. resimler, koleksiyonlar ve diğer klasörler) için basit bir kapsayıcıdır. Tüm görüntüler koleksiyonlarda yer almaz: Belirli bir küresel arazi modeli gibi bazı veri kümeleri yalnızca tek bir görüntüden oluşabilir. Bununla birlikte, her öğe, Earth Engine veri kataloğundaki konumunu tanımlayan belirli bir yolla benzersiz şekilde tanımlanır.
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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."]]
