টেবিল এবং ভেক্টর ডেটা রপ্তানি করা হচ্ছে

আপনি Export.table ব্যবহার করে CSV, SHP (শেপফাইল), GeoJSON, KML, KMZ বা TFRecord হিসাবে একটি FeatureCollection রপ্তানি করতে পারেন। FeatureCollection ভেক্টর বা ডেটার একটি টেবিল উপস্থাপন করতে পারে। পরবর্তী ক্ষেত্রে, সংগ্রহের বৈশিষ্ট্যগুলিতে শূন্য জ্যামিতি থাকবে।

কিছু ফাইল ফরম্যাটের সাথে কাজ করার সময় কিছু অতিরিক্ত সীমাবদ্ধতা নোট করুন, সহ:

  • KML : একটি KML ফাইলে রপ্তানি করা একটি FeatureCollection সমস্ত জ্যামিতি অপ্রকল্পিত (WGS84) স্থানাঙ্কে রূপান্তরিত হবে।
  • SHP : একটি শেপফাইলে রপ্তানি করা FeatureCollection অবশ্যই একই জ্যামিতি টাইপ এবং প্রজেকশন সহ বৈশিষ্ট্য থাকতে হবে এবং শেপফাইলের আকারের সীমার মধ্যে অবশ্যই ফিট হতে হবে। কলামের নামগুলি 10 অক্ষর বা তার কম ছেঁটে দেওয়া হয় এবং এটি অবশ্যই কলামের ডুপ্লিকেট নাম তৈরি করবে না৷
  • TFRecord : এই পৃষ্ঠাটি দেখুন।

ক্লাউড স্টোরেজ এ

ক্লাউড স্টোরেজে FeatureCollection এক্সপোর্ট করতে, Export.table.toCloudStorage() ব্যবহার করুন। উদাহরণস্বরূপ, পূর্বে সংজ্ঞায়িত features ব্যবহার করে:

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// Make a collection of points.
var features = ee.FeatureCollection([
  ee.Feature(ee.Geometry.Point(30.41, 59.933), {name: 'Voronoi'}),
  ee.Feature(ee.Geometry.Point(-73.96, 40.781), {name: 'Thiessen'}),
  ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {name: 'Dirichlet'})
]);

// Export a KML file to Cloud Storage.
Export.table.toCloudStorage({
  collection: features,
  description:'vectorsToCloudStorageExample',
  bucket: 'your-bucket-name',
  fileNamePrefix: 'exampleTableExport',
  fileFormat: 'KML'
});

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন) 

# Make a collection of points.
features = ee.FeatureCollection([
    ee.Feature(ee.Geometry.Point(30.41, 59.933), {'name': 'Voronoi'}),
    ee.Feature(ee.Geometry.Point(-73.96, 40.781), {'name': 'Thiessen'}),
    ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {'name': 'Dirichlet'}),
])

# Export a KML file to Cloud Storage.
task = ee.batch.Export.table.toCloudStorage(
    collection=features,
    description='vectorsToCloudStorageExample',
    bucket='your-bucket-name',
    fileNamePrefix='exampleTableExport',
    fileFormat='KML',
)
task.start()

সম্পদের কাছে

আর্থ ইঞ্জিন সম্পদ হিসাবে FeatureCollection এক্সপোর্ট করতে, Export.table.toAsset() ব্যবহার করুন। উদাহরণস্বরূপ, পূর্বে সংজ্ঞায়িত features ব্যবহার করে:

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// Export an ee.FeatureCollection as an Earth Engine asset.
Export.table.toAsset({
  collection: features,
  description:'exportToTableAssetExample',
  assetId: 'exampleAssetId',
});

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন) 

# Export an ee.FeatureCollection as an Earth Engine asset.
task = ee.batch.Export.table.toAsset(
    collection=features,
    description='exportToTableAssetExample',
    assetId='projects/your-project/assets/exampleAssetId',
)
task.start()

আর্থ ইঞ্জিন টেবিল সম্পদের আকার এবং আকৃতিতে বেশ কিছু সীমাবদ্ধতা রয়েছে:

  • সর্বাধিক 100 মিলিয়ন বৈশিষ্ট্য
  • সর্বাধিক 1,000 বৈশিষ্ট্য (কলাম)
  • প্রতিটি সারির জ্যামিতির জন্য সর্বোচ্চ 100,000 শীর্ষবিন্দু
  • প্রতি স্ট্রিং মান সর্বোচ্চ 100,000 অক্ষর

BigQuery-তে

Export.table.toBigQuery() ব্যবহার করে আপনি একটি BigQuery টেবিলে FeatureCollection এক্সপোর্ট করতে পারেন। এটি আপনাকে BigQuery-এ উপলব্ধ অন্যান্য ডেটা এবং সরঞ্জামগুলির সাথে আপনার আর্থ ইঞ্জিন ডেটাকে একীভূত করতে দেয়৷ আরও তথ্যের জন্য, BigQuery-এ এক্সপোর্টিং গাইড দেখুন।

কোড এডিটর (জাভাস্ক্রিপ্ট) 

Export.table.toBigQuery({
  collection: features,
  table: 'myproject.mydataset.mytable',
  description: 'put_my_data_in_bigquery',
  append: true,
  overwrite: false
});

পাইথন সেটআপ

See the Python Environment page for information on the Python API and using geemap for interactive development.

import ee
import geemap.core as geemap

Colab (পাইথন) 

task = ee.batch.Export.table.toBigQuery(
    collection=features,
    table='myproject.mydataset.mytable',
    description='put_my_data_in_bigquery',
    append=True,
    overwrite=False,
)
task.start()

ড্রাইভ করতে

আপনার ড্রাইভ অ্যাকাউন্টে FeatureCollection এক্সপোর্ট করতে, Export.table.toDrive() ব্যবহার করুন। যেমন:

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// Export the FeatureCollection to a KML file.
Export.table.toDrive({
  collection: features,
  description:'vectorsToDriveExample',
  fileFormat: 'KML'
});

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন। 

import ee
import geemap.core as geemap

Colab (পাইথন) 

# Export the FeatureCollection to a KML file.
task = ee.batch.Export.table.toDrive(
    collection=features, description='vectorsToDriveExample', fileFormat='KML'
)
task.start()

মনে রাখবেন যে আউটপুট ফর্ম্যাটটি ভৌগলিক ডেটা পরিচালনা করার জন্য KML হিসাবে নির্দিষ্ট করা হয়েছে (SHP জ্যামিতি সহ একটি টেবিল রপ্তানির জন্যও উপযুক্ত হবে)। কোনো ভৌগলিক তথ্য ছাড়াই শুধুমাত্র ডেটার একটি টেবিল রপ্তানি করতে, CSV ফর্ম্যাটে শূন্য জ্যামিতি সহ বৈশিষ্ট্যগুলি রপ্তানি করুন৷ সম্ভাব্য দীর্ঘস্থায়ী হ্রাসের ফলাফল পেতে Export.table.toDrive() ব্যবহার করে নিম্নলিখিতগুলি দেখায়:

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// Load a Landsat image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');
var projection = image.select('B2').projection().getInfo();

// Create an arbitrary rectangle.
var region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413);

// Get a dictionary of means in the region.
var means = image.reduceRegion({
  reducer: ee.Reducer.mean(),
  geometry: region,
  crs: projection.crs,
  crsTransform: projection.transform,
});

// Make a feature without geometry and set the properties to the dictionary of means.
var feature = ee.Feature(null, means);

// Wrap the Feature in a FeatureCollection for export.
var featureCollection = ee.FeatureCollection([feature]);

// Export the FeatureCollection.
Export.table.toDrive({
  collection: featureCollection,
  description: 'exportTableExample',
  fileFormat: 'CSV'
});

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন। 

import ee
import geemap.core as geemap

Colab (পাইথন) 

# Load a Landsat image.
image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318')
projection = image.select('B2').projection().getInfo()

# Create an arbitrary rectangle.
region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413)

# Get a dictionary of means in the region.
means = image.reduceRegion(
    reducer=ee.Reducer.mean(),
    geometry=region,
    crs=projection['crs'],
    crsTransform=projection['transform'],
)

# Make a feature without geometry and set the properties to the dictionary of means.
feature = ee.Feature(None, means)

# Wrap the Feature in a FeatureCollection for export.
feature_collection = ee.FeatureCollection([feature])

# Export the FeatureCollection.
task = ee.batch.Export.table.toDrive(
    collection=feature_collection,
    description='exportTableExample',
    fileFormat='CSV',
)
task.start()

মনে রাখবেন যে এই উদাহরণে বিন্যাসটি 'CSV' এ সেট করা হয়েছে যেহেতু আউটপুটে কোনো জ্যামিতি নেই।