ภาพรวมรูปภาพ

ดังที่ได้กล่าวไว้ในเอกสารเริ่มต้นใช้งาน ระบบจะแสดงข้อมูลแรสเตอร์เป็นออบเจ็กต์ Image ใน Earth Engine รูปภาพประกอบด้วยแถบอย่างน้อย 1 แถบ และแต่ละแถบจะมีชื่อ ประเภทข้อมูล สเกล มาสก์ และการฉายภาพเป็นของตัวเอง แต่ละรูปภาพจะมีข้อมูลเมตาที่จัดเก็บไว้เป็นชุดพร็อพเพอร์ตี้

ee.Image constructor

โหลดรูปภาพได้โดยวางรหัสเนื้อหา Earth Engine ลงในตัวสร้าง ee.Image คุณจะดูรหัสรูปภาพได้ในแคตตาล็อกข้อมูล เช่น ไปยังโมเดลความสูงแบบดิจิทัล (NASADEM)

เครื่องมือแก้ไขโค้ด (JavaScript)

var loadedImage = ee.Image('NASA/NASADEM_HGT/001');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

loaded_image = ee.Image('NASA/NASADEM_HGT/001')

โปรดทราบว่าการค้นหารูปภาพผ่านเครื่องมือค้นหาของเครื่องมือแก้ไขโค้ดก็เทียบเท่ากัน เมื่อนําเข้าชิ้นงาน ระบบจะเขียนโค้ดการสร้างรูปภาพให้คุณในส่วนการนําเข้าของเครื่องมือแก้ไขโค้ด นอกจากนี้ คุณยังใช้รหัสเนื้อหาส่วนตัวเป็นอาร์กิวเมนต์ให้กับคอนสตรคเตอร์ ee.Image ได้ด้วย

รับ ee.Image จาก ee.ImageCollection

วิธีมาตรฐานในการดึงรูปภาพออกจากคอลเล็กชันคือการกรองคอลเล็กชัน โดยมีตัวกรองเรียงตามลำดับความเฉพาะเจาะจงที่ลดลง ตัวอย่างเช่น หากต้องการนำภาพออกจากคอลเล็กชันการสะท้อนแสงพื้นผิวของ Sentinel-2 ให้ทำดังนี้

เครื่องมือแก้ไขโค้ด (JavaScript)

var first = ee.ImageCollection('COPERNICUS/S2_SR')
                .filterBounds(ee.Geometry.Point(-70.48, 43.3631))
                .filterDate('2019-01-01', '2019-12-31')
                .sort('CLOUDY_PIXEL_PERCENTAGE')
                .first();
Map.centerObject(first, 11);
Map.addLayer(first, {bands: ['B4', 'B3', 'B2'], min: 0, max: 2000}, 'first');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

first = (
    ee.ImageCollection('COPERNICUS/S2_SR')
    .filterBounds(ee.Geometry.Point(-70.48, 43.3631))
    .filterDate('2019-01-01', '2019-12-31')
    .sort('CLOUDY_PIXEL_PERCENTAGE')
    .first()
)

# Define a map centered on southern Maine.
m = geemap.Map(center=[43.7516, -70.8155], zoom=11)

# Add the image layer to the map and display it.
m.add_layer(
    first, {'bands': ['B4', 'B3', 'B2'], 'min': 0, 'max': 2000}, 'first'
)
display(m)

โปรดทราบว่าการจัดเรียงจะอยู่หลังตัวกรอง หลีกเลี่ยงการจัดเรียงทั้งคอลเล็กชัน

รูปภาพจาก GeoTIFF ของ Cloud

คุณสามารถใช้ ee.Image.loadGeoTIFF() เพื่อโหลดรูปภาพจาก GeoTIFF ที่เพิ่มประสิทธิภาพสำหรับระบบคลาวด์ใน Google Cloud Storage ตัวอย่างเช่น ชุดข้อมูล Landsat สาธารณะที่โฮสต์ใน Google Cloud มี GeoTIFF นี้ ซึ่งสอดคล้องกับย่านความถี่ 5 จากภาพ Landsat 8 คุณโหลดรูปภาพนี้จาก Cloud Storage ได้โดยใช้ ee.Image.loadGeoTIFF() ดังนี้

เครื่องมือแก้ไขโค้ด (JavaScript)

var uri = 'gs://gcp-public-data-landsat/LC08/01/001/002/' +
    'LC08_L1GT_001002_20160817_20170322_01_T2/' +
    'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF';
var cloudImage = ee.Image.loadGeoTIFF(uri);
print(cloudImage);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

uri = (
    'gs://gcp-public-data-landsat/LC08/01/001/002/'
    + 'LC08_L1GT_001002_20160817_20170322_01_T2/'
    + 'LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF'
)
cloud_image = ee.Image.loadGeoTIFF(uri)
display(cloud_image)

โปรดทราบว่าหากต้องการโหลด GeoTIFF ที่เพิ่มประสิทธิภาพสำหรับระบบคลาวด์ที่คุณส่งออกจาก Earth Engine ไปยัง Cloud Storage อีกครั้ง เมื่อส่งออก ให้ตั้งค่า cloudOptimized เป็น true ตามที่อธิบายไว้ที่นี่

รูปภาพจากอาร์เรย์ Zarr v2

คุณสามารถใช้ ee.Image.loadZarrV2Array() เพื่อโหลดรูปภาพจากอาร์เรย์ Zarr v2 ใน Google Cloud Storage ตัวอย่างเช่น ชุดข้อมูล ERA5 สาธารณะที่โฮสต์ใน Google Cloud มีอาร์เรย์ Zarr v2 นี้ ซึ่งสอดคล้องกับปริมาณน้ำที่ระเหยจากพื้นผิวโลกเป็นเมตร คุณสามารถโหลดอาร์เรย์นี้จาก Cloud Storage ได้โดยใช้ ee.Image.loadZarrV2Array() ดังนี้

เครื่องมือแก้ไขโค้ด (JavaScript)

var timeStart = 1000000;
var timeEnd = 1000010;
var zarrV2ArrayImage = ee.Image.loadZarrV2Array({
  uri:
      'gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',
  proj: 'EPSG:4326',
  starts: [timeStart],
  ends: [timeEnd]
});
print(zarrV2ArrayImage);
Map.addLayer(zarrV2ArrayImage, {min: -0.0001, max: 0.00005}, 'Evaporation');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

time_start = 1000000
time_end = 1000010
zarr_v2_array_image = ee.Image.loadZarrV2Array(
    uri='gs://gcp-public-data-arco-era5/ar/full_37-1h-0p25deg-chunk-1.zarr-v3/evaporation/.zarray',
    proj='EPSG:4326',
    starts=[time_start],
    ends=[time_end],
)

display(zarr_v2_array_image)

m.add_layer(
    zarr_v2_array_image, {'min': -0.0001, 'max': 0.00005}, 'Evaporation'
)
m

รูปภาพแบบคงที่

นอกจากการโหลดรูปภาพตามรหัสแล้ว คุณยังสร้างรูปภาพจากค่าคงที่ รายการ หรือออบเจ็กต์ Earth Engine อื่นๆ ที่เหมาะสมได้ด้วย ต่อไปนี้เป็นภาพประกอบวิธีการสร้างรูปภาพ รับชุดย่อยของย่านความถี่ และจัดการย่านความถี่

เครื่องมือแก้ไขโค้ด (JavaScript)

// Create a constant image.
var image1 = ee.Image(1);
print(image1);

// Concatenate two images into one multi-band image.
var image2 = ee.Image(2);
var image3 = ee.Image.cat([image1, image2]);
print(image3);

// Create a multi-band image from a list of constants.
var multiband = ee.Image([1, 2, 3]);
print(multiband);

// Select and (optionally) rename bands.
var renamed = multiband.select(
    ['constant', 'constant_1', 'constant_2'], // old names
    ['band1', 'band2', 'band3']               // new names
);
print(renamed);

// Add bands to an image.
var image4 = image3.addBands(ee.Image(42));
print(image4);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

# Create a constant image.
image_1 = ee.Image(1)
display(image_1)

# Concatenate two images into one multi-band image.
image_2 = ee.Image(2)
image_3 = ee.Image.cat([image_1, image_2])
display(image_3)

# Create a multi-band image from a list of constants.
multiband = ee.Image([1, 2, 3])
display(multiband)

# Select and (optionally) rename bands.
renamed = multiband.select(
    ['constant', 'constant_1', 'constant_2'],  # old names
    ['band1', 'band2', 'band3'],  # new names
)
display(renamed)

# Add bands to an image.
image_4 = image_3.addBands(ee.Image(42))
display(image_4)