Экспорт табличных и векторных данных

Вы можете экспортировать FeatureCollection в формате CSV, SHP (shape-файл), GeoJSON, KML, KMZ или TFRecord с помощью Export.table. FeatureCollection может представлять векторы или просто таблицу данных. В последнем случае объекты в коллекции будут иметь нулевую геометрию.

Обратите внимание на дополнительные ограничения при работе с некоторыми форматами файлов, в том числе:

  • KML При экспорте FeatureCollection в файл KML все геометрические объекты будут преобразованы в непроецируемые координаты (WGS84).
  • SHP FeatureCollection, экспортированная в shape-файл, должна содержать объекты с одинаковым типом геометрии и проекцией и соответствовать ограничениям на размер shape-файла. Названия столбцов усекаются до 10 символов или меньше, и это не должно приводить к созданию повторяющихся названий столбцов.
  • TFRecord См. страницу Формат данных TFRecord.

в Cloud Storage

Чтобы экспортировать FeatureCollection в Cloud Storage, используйте Export.table.toCloudStorage(). Например, используя определенный ранее объект features:

Редактор кода (JavaScript)

// 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'
});

Настройка Python

Информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда Python.

import ee
import geemap.core as geemap

Colab (Python)

# 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()

к объекту

Чтобы экспортировать FeatureCollection как объект Earth Engine, используйте Export.table.toAsset(). Например, используя определенный ранее features:

Редактор кода (JavaScript)

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

Настройка Python

Информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда Python.

import ee
import geemap.core as geemap

Colab (Python)

# 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()

Существует несколько ограничений на размер и форму табличных объектов Earth Engine:

  • Максимум 100 миллионов объектов
  • Максимальное количество свойств (столбцов) – 1000.
  • Максимальное количество вершин для геометрии каждой строки – 100 000.
  • Максимальное количество символов на строковое значение: 100 000

в BigQuery

Вы можете экспортировать FeatureCollection в таблицу BigQuery с помощью Export.table.toBigQuery(). Это позволяет интегрировать данные Earth Engine с другими данными и инструментами, доступными в BigQuery. Подробную информацию вы найдете в руководстве по экспорту в BigQuery.

Редактор кода (JavaScript)

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

Настройка Python

Информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда Python.

import ee
import geemap.core as geemap

Colab (Python)

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

на Диск

Чтобы экспортировать FeatureCollection в аккаунт Диска, используйте Export.table.toDrive(). Пример:

Редактор кода (JavaScript)

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

Настройка Python

Информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда Python.

import ee
import geemap.core as geemap

Colab (Python)

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

Обратите внимание, что для обработки географических данных в качестве формата вывода указан KML (для экспорта таблицы с геометрией также подойдет SHP). Чтобы экспортировать только таблицу данных без географической информации, экспортируйте объекты с нулевой геометрией в формате CSV. В примере ниже показано, как использовать Export.table.toDrive(), чтобы получить результаты потенциально долгого сокращения.

Редактор кода (JavaScript)

// 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'
});

Настройка Python

Информацию о Python API и использовании geemap для интерактивной разработки можно найти на странице Среда Python.

import ee
import geemap.core as geemap

Colab (Python)

# 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()

Обратите внимание, что в этом примере задан формат CSV, поскольку в выходных данных нет геометрии.