Concepts
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
API này cung cấp quyền truy cập đơn giản và đồng nhất vào nhiều loại dữ liệu hình ảnh không gian địa lý. Không gian địa lý có nghĩa là dữ liệu được liên kết với các vị trí trên bề mặt Trái Đất. Dữ liệu hình ảnh là dữ liệu được cấu trúc dưới dạng một lưới đồng nhất gồm các giá trị pixel, giống như một hình ảnh truyền thống.
Ví dụ quen thuộc nhất về loại dữ liệu này là hình ảnh vệ tinh, tương tự như những gì người dùng thường thấy trong Google Maps và Earth. Tuy nhiên, nhiều tập dữ liệu khác cũng có cấu trúc tương tự, chẳng hạn như tập dữ liệu thời tiết và khí hậu dạng lưới, tập dữ liệu địa hình và độ che phủ đất, cũng như tập dữ liệu mật độ dân số.
Xác thực
Earth Engine API sử dụng giao thức OAuth 2.0 để xác thực và uỷ quyền. Có các thư viện tiện lợi để sử dụng OAuth 2.0 nhằm đưa ra các lệnh gọi API bằng nhiều ngôn ngữ. Nếu chưa từng sử dụng OAuth 2.0 để truy cập vào API của Google, bạn nên tìm hiểu kỹ tài liệu về Cách sử dụng OAuth 2.0 để truy cập vào API của Google.
API này sử dụng phạm vi OAuth 2.0 của Earth Engine https://www.googleapis.com/auth/earthengine.readonly. Nếu tự định cấu hình thông tin xác thực tài khoản dịch vụ, thì bạn sẽ cần yêu cầu phạm vi đó một cách rõ ràng. Nếu đang sử dụng thông tin đăng nhập ứng dụng mặc định có trong các phiên bản máy ảo Compute Engine, bạn sẽ cần định cấu hình phiên bản VM để yêu cầu phạm vi đó.
Thành phần
Cốt lõi của mô hình dữ liệu Earth Engine là cấu trúc giống như hệ thống tệp của tài sản. Có 3 loại tài sản chính, được mô tả chi tiết hơn bên dưới: bản thân dữ liệu raster không gian địa lý được lưu trữ trong hình ảnh, hình ảnh có thể được nhóm thành các bộ sưu tập lớn, đồng thời hình ảnh và bộ sưu tập được sắp xếp thêm trong một hệ thống phân cấp gồm các thư mục.
Ví dụ: đường dẫn sau đây mô tả một hình ảnh Landsat cụ thể:
LANDSAT/LC8_L1T/LC81180562013193LGN00
Trong ví dụ này, LANDSAT là một thư mục cấp cao nhất chứa tất cả dữ liệu Landsat, LC8_L1T xác định một tập hợp cụ thể gồm các hình ảnh Landsat 8 đã được hiệu chỉnh và điều chỉnh theo địa hình, còn LC81180562013193LGN00 xác định một hình ảnh cụ thể trong tập hợp đó. Đường dẫn đến tài sản có thể chứa chữ cái, chữ số, dấu gạch dưới và dấu gạch ngang, được phân tách bằng dấu gạch chéo.
Mỗi hình ảnh đều có siêu dữ liệu giúp bạn dễ dàng xác định dữ liệu mà mình quan tâm. Các thuộc tính siêu dữ liệu trên mỗi hình ảnh thường bao gồm:
- Hình học của hình ảnh, chẳng hạn như phạm vi không gian của hình ảnh vệ tinh hoặc tập dữ liệu địa hình.
- Dấu thời gian của hình ảnh, chẳng hạn như thời gian chụp ảnh vệ tinh hoặc ngày/tháng trong một tập dữ liệu mô hình khí hậu.
- Các thuộc tính khoá/giá trị tuỳ ý, chẳng hạn như tỷ lệ phần trăm ước tính về độ che phủ của đám mây trong hình ảnh vệ tinh Landsat.
Pixel và phép chiếu bản đồ
Trong Earth Engine, mỗi hình ảnh bao gồm một hoặc nhiều dải tần dữ liệu. Những giá trị này có thể tương ứng với các dải màu đỏ, xanh lục và xanh dương của một hình ảnh vệ tinh RGB thông thường, hoặc có thể tương ứng với một giá trị hoàn toàn khác, chẳng hạn như nhiệt độ và lượng mưa trong một tập dữ liệu thời tiết. Pixel trong mỗi dải tần có một kiểu dữ liệu cụ thể, ví dụ: uint8 hoặc float32.
Các pixel trong lưới pixel tương ứng với các điểm trên bề mặt Trái Đất thông qua một hàm toán học được gọi là phép chiếu bản đồ. Mối quan hệ này thường có hai thành phần. Trước tiên, hệ thống tham chiếu toạ độ (CRS) xác định toạ độ 2D biểu thị các điểm trên bề mặt cong của Trái Đất. Các hệ thống tham chiếu toạ độ khác nhau có các thuộc tính khác nhau, giúp chúng phù hợp để sử dụng với nhiều loại dữ liệu trong nhiều ứng dụng. Hệ thống tham chiếu toạ độ thường được xác định bằng mã nhận dạng tiêu chuẩn; ví dụ phổ biến là toạ độ hình chữ nhật đều, web Mercator và UTM.
Sau đó, các toạ độ pixel thường liên quan đến hệ thống tham chiếu toạ độ không gian thông qua một phép biến đổi á-phin giúp kiểm soát tỷ lệ vật lý và nguồn gốc của lưới pixel. Trong Earth Engine, chúng tôi lưu trữ một kim tự tháp dữ liệu cho mỗi hình ảnh: cấp cơ sở của kim tự tháp chứa dữ liệu gốc ở độ phân giải gốc và các cấp cao hơn của kim tự tháp lưu trữ dữ liệu tổng quan có độ phân giải thấp. Các cấp độ này của kim tự tháp được mô tả bằng các phép biến đổi á-phin có tỷ lệ khác nhau theo các hệ số liên tiếp là 2.
Bộ sưu tập và thư mục
Hình ảnh thường có trong các tập hợp dữ liệu lớn, chẳng hạn như tập hợp tất cả hình ảnh do một vệ tinh cụ thể thu thập hoặc tập hợp các số liệu ước tính nhiệt độ toàn cầu theo thời gian. Earth Engine tạo các chỉ mục siêu dữ liệu cho phép bạn lọc hoặc truy vấn hình ảnh trong các tập hợp dựa trên siêu dữ liệu của chúng, bao gồm cả việc lọc theo vị trí và thời gian. Thông thường, tất cả hình ảnh trong một bộ sưu tập đều có cùng cấu trúc, tức là cùng dải tần và cùng thuộc tính siêu dữ liệu.
Hình ảnh và bộ sưu tập được sắp xếp theo hệ thống phân cấp của thư mục. Thư mục giống như một thư mục hoặc danh mục thông thường trong một hệ thống tệp truyền thống: đó là một vùng chứa đơn giản cho các tài sản khác, tức là cho hình ảnh, bộ sưu tập và các thư mục khác. Không phải hình ảnh nào cũng nằm trong bộ sưu tập: một số tập dữ liệu, chẳng hạn như một mô hình địa hình toàn cầu cụ thể, có thể chỉ bao gồm một hình ảnh duy nhất. Bất kể điều gì, mọi tài sản đều được xác định riêng biệt bằng một đường dẫn cụ thể xác định vị trí của tài sản đó trong danh mục dữ liệu Earth Engine.
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-26 UTC.
[null,null,["Cập nhật lần gần đây nhất: 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."]]
