دریافت اطلاعات تصویر از Earth Engine
برای دریافت داده‌های تصویر از Earth Engine به Google Drive، Cloud Storage یا دارایی Earth Engine، می‌توانید از Export استفاده کنید و کار کاملاً توسط Earth Engine انجام می‌شود. اگر کارهای صادراتی شما دارای مشکلات مقیاس‌بندی هستند (مثلاً بیش از یک روز طول می‌کشد، حافظه برگردانده می‌شود یا خطاهای مهلت زمانی وجود دارد) یا از قبل با چارچوبی مانند Apache Beam ، Spark یا Dask آشنا هستید، ممکن است روش‌های استخراج داده‌ای که در اینجا توضیح داده شده است را ترجیح دهید. گردش‌های کاری اجرا شده در این چارچوب‌ها را می‌توان با استفاده از ابزارهای Google Cloud مانند Dataflow یا Dataproc مقیاس‌بندی کرد.
به طور خاص، این راهنما روش‌هایی را برای درخواست دستی برای داده‌های تصویر با استفاده از getPixels یا computePixels توضیح می‌دهد. در اینجا، "داده تصویر" به معنای آرایه های چند بعدی از مقادیر پیکسل با مقیاس و طرح ریزی ثابت است. منطقه، مقیاس، طرح ریزی و/یا ابعاد در درخواست مشخص شده است. صفحه ImageFileFormat فرمت های خروجی ممکن را فهرست می کند. مقصدهای خروجی شامل فضای ذخیره سازی ابری یا هر دایرکتوری نصب شده محلی است. درخواست‌های دستی پیچیدگی می‌افزایند، اما می‌توانند به حجم‌های کاری بزرگ‌تر تبدیل شوند.
دریافت داده های تصویری از دارایی های موجود
از getPixels برای دریافت داده های تصویری از دارایی های Earth Engine موجود استفاده کنید. شما شناسه دارایی را مستقیماً به درخواست ارسال می‌کنید، بنابراین نمی‌توانید قبل از استخراج پیکسل‌ها، هیچ محاسبه‌ای روی پیکسل‌ها انجام دهید. بلوکی از پیکسل ها در ناحیه، مقیاس، طرح ریزی و قالب مشخص شده برگردانده می شود. مثال زیر دریافت سری های زمانی NDVI از مجموعه تصاویر MODIS با استفاده از getPixels را نشان می دهد.
در Google Colab اجرا شود
مشاهده منبع در GitHubدریافت داده های تصویر از تصاویر محاسبه شده
از computePixels برای دریافت داده های تصویر از یک تصویر محاسبه شده، به عنوان مثال، یک ترکیب استفاده کنید. با computePixels ، یک شیء محاسبه‌شده ee.Image را از طریق پارامتر expression عبور می‌دهید. بلوکی از پیکسل های محاسبه شده در ناحیه، مقیاس، طرح ریزی و قالب مشخص شده برگردانده می شود. مثال زیر دریافت تکه هایی از داده های چندطیفی را از یک کامپوزیت Sentinel-2 عاری از ابر نشان می دهد.
موازی سازی دستی درخواست ها
اگرچه می‌توانید برای هر هدفی در هر حجمی درخواست بدهید، ممکن است بخواهید درخواست‌ها را برای گردش‌های کاری بزرگ‌تر موازی کنید. برای انجام بسیاری از این درخواست‌ها به صورت موازی، باید از نقطه پایانی با حجم بالا موتور Earth استفاده کنید. تعداد درخواست های موازی که می توانید داشته باشید با سهمیه درخواست تعاملی همزمان شما تنظیم می شود. برای جزئیات در مورد زمان استفاده از نقطه پایانی با حجم بالا به صفحه موتور زمین با حجم بالا مراجعه کنید.
چند رشته ای
می‌توانید از رشته‌ها برای درخواست‌های همزمان استفاده کنید. این رویکرد در نوت بوک های نمونه getPixels و computePixels نشان داده شده است.
پرتو آپاچی
برای موازی سازی درخواست ها می توانید از خطوط لوله Apache Beam استفاده کنید. این خطوط لوله را می توان به صورت محلی یا به عنوان کارهای Google Dataflow اجرا کرد. برای مثال، این آموزش Geo for Good یا این نمایش مردم، سیاره و هوش مصنوعی را ببینید. از طرف دیگر، دیگر کتابخانه های موازی سازی شامل Dask و Apache Spark هستند.