این API دسترسی ساده و یکنواختی را به داده های تصویری جغرافیایی متنوعی فراهم می کند. منظور ما از geospatial این است که داده ها با مکان های روی سطح زمین مرتبط هستند. منظور ما از داده های تصویر، داده هایی است که به صورت شبکه ای یکنواخت از مقادیر پیکسل، بسیار شبیه به یک تصویر سنتی، ساختار یافته اند.
آشناترین نمونه از این نوع داده ها، تصاویر ماهواره ای است، درست مانند آنچه که کاربران به دیدن آن در نقشه های گوگل و زمین عادت دارند. با این حال، بسیاری از مجموعه‌های داده دیگر ساختار مشابهی دارند، از جمله به عنوان مثال مجموعه داده‌های آب و هوا و آب و هوا، مجموعه داده‌های پوشش زمین و زمین، و مجموعه داده‌های تراکم جمعیت.
احراز هویت
Earth Engine API از پروتکل OAuth 2.0 برای احراز هویت و مجوز استفاده می کند. کتابخانه های مناسبی برای استفاده از OAuth 2.0 برای برقراری تماس های API در طیف گسترده ای از زبان ها وجود دارد. اگر قبلاً از OAuth 2.0 برای دسترسی به APIهای Google استفاده نکرده‌اید، ممکن است بخواهید با مستندات استفاده از OAuth 2.0 برای دسترسی به Google API آشنا شوید.
این API از حوزه Earth Engine OAuth 2.0 https://www.googleapis.com/auth/earthengine.readonly استفاده می کند. اگر خودتان در حال پیکربندی اعتبار حساب سرویس هستید، باید آن محدوده را صریحاً درخواست کنید. اگر از اعتبار برنامه های پیش فرض موجود در نمونه های ماشین مجازی Compute Engine استفاده می کنید، باید نمونه VM خود را برای درخواست آن محدوده پیکربندی کنید.
دارایی ها
در قلب مدل داده های Earth Engine یک ساختار فایل سیستم مانند از دارایی ها وجود دارد. سه نوع اصلی از دارایی‌ها وجود دارد که در زیر با جزئیات بیشتر توضیح داده شده است: داده‌های شطرنجی جغرافیایی خود در تصاویر ذخیره می‌شوند، تصاویر را می‌توان در مجموعه‌های بزرگ گروه‌بندی کرد، و تصاویر و مجموعه‌ها بیشتر در سلسله مراتبی از پوشه‌ها سازماندهی می‌شوند.
به عنوان مثال، مسیر زیر یک تصویر خاص Landsat را توصیف می کند:
LANDSAT/LC8_L1T/LC81180562013193LGN00
در این مثال، LANDSAT یک پوشه سطح بالایی است که حاوی تمام داده های Landsat است، LC8_L1T مجموعه خاصی از تصاویر Landsat 8 کالیبره شده و اصلاح شده را شناسایی می کند و LC81180562013193LGN00 یک تصویر خاص را در آن مجموعه شناسایی می کند. مسیرهای دارایی ممکن است حاوی حروف، اعداد، زیرخط و خط تیره باشند که با اسلش رو به جلو از هم جدا شده اند.
هر تصویر دارای ابرداده است که تشخیص داده های مورد علاقه را آسان می کند. این ویژگی‌های فراداده هر تصویر معمولاً عبارتند از:
- هندسه ردپای تصویر، مانند وسعت فضایی یک تصویر ماهواره‌ای یا مجموعه داده زمین.
- مهر زمانی تصویر، مانند زمان دریافت تصویر ماهواره ای، یا روز یا ماه در مجموعه داده مدل آب و هوا.
- ویژگی های کلید/مقدار دلخواه، مانند درصد تخمینی پوشش ابر تصویر ماهواره ای لندست.
پیکسل ها و پیش بینی های نقشه
در Earth Engine هر تصویر از یک یا چند باند داده تشکیل شده است. اینها ممکن است با نوارهای قرمز، سبز و آبی یک تصویر ماهواره‌ای RGB معمولی مطابقت داشته باشند، یا ممکن است با چیزی کاملاً متفاوت، مانند دما و بارندگی در مجموعه داده‌های آب و هوا مطابقت داشته باشند. پیکسل های هر باند دارای یک نوع داده خاص هستند، به عنوان مثال uint8 یا float32 .
پیکسل‌ها در یک شبکه پیکسلی از طریق یک تابع ریاضی که به عنوان پیش‌بینی نقشه شناخته می‌شود، با نقاط روی سطح زمین مطابقت دارند. این رابطه معمولاً دو جزء دارد. ابتدا یک سیستم مرجع مختصات (CRS) مختصات دوبعدی را تعریف می کند که نشان دهنده نقاط روی سطح منحنی زمین است. سیستم های مرجع مختصات مختلف دارای ویژگی های متفاوتی هستند که آنها را برای استفاده با انواع مختلف داده ها در برنامه های مختلف مناسب می کند. سیستم های مرجع مختصات معمولاً با استفاده از کدهای شناسه استاندارد شناسایی می شوند. نمونه‌های رایج مختصات مستطیلی ، وب Mercator و UTM هستند.
سپس مختصات پیکسل معمولاً از طریق یک تبدیل وابسته که مقیاس فیزیکی و مبدأ شبکه پیکسل را کنترل می‌کند، به سیستم مرجع مختصات فضایی مرتبط می‌شود. در Earth Engine یک هرم از داده‌ها را برای هر تصویر ذخیره می‌کنیم: سطح پایه هرم حاوی داده‌های اصلی با وضوح اصلی است و سطوح بالاتر هرم داده‌های مرور کلی با وضوح کاهش یافته را ذخیره می‌کند. این سطوح از هرم با دگرگونی‌های افینی توصیف می‌شوند که مقیاس‌های آنها با دو عامل متوالی متفاوت است.
مجموعه ها و پوشه ها
تصاویر اغلب در مجموعه های بزرگی از داده ها، مانند مجموعه ای از تمام تصاویر به دست آمده توسط یک ماهواره خاص، یا مجموعه ای از تخمین های دمای جهانی در طول زمان ارائه می شوند. Earth Engine فهرست‌های فراداده ایجاد می‌کند که به شما امکان می‌دهد تصاویر موجود در مجموعه‌ها را بر اساس ابرداده‌هایشان، از جمله فیلتر بر اساس مکان و زمان، فیلتر یا پرس و جو کنید . به طور معمول، تمام تصاویر در یک مجموعه واحد دارای ساختار یکسانی هستند، یعنی باندهای یکسان و ویژگی های ابرداده یکسان.
تصاویر و مجموعه ها خود در سلسله مراتبی از پوشه ها سازماندهی می شوند. یک پوشه بسیار شبیه یک پوشه یا دایرکتوری معمولی در یک سیستم فایل سنتی است: یک محفظه ساده برای سایر دارایی ها، به عنوان مثال برای تصاویر، مجموعه ها و پوشه های دیگر. همه تصاویر در مجموعه ها موجود نیستند: برخی از مجموعه داده ها، مانند یک مدل زمین جهانی خاص، ممکن است فقط از یک تصویر تشکیل شده باشد. صرف نظر از این، هر دارایی به طور منحصر به فرد توسط یک مسیر خاص شناسایی می شود که مکان آن را در کاتالوگ داده های Earth Engine مشخص می کند.