借助 Earth Engine 的精选地理空间数据目录以及 Google Cloud 的大规模计算和高级 AI 功能,改进可持续发展和气候韧性决策。
功能
Earth Engine 目录是最大的公开数据目录之一,包含 90 多 PB 可用于分析的卫星图像和 1,000 多个精选地理空间数据集。它包含 50 多年的历史图像,并且每天都在更新和扩展,分辨率最高可达每像素一米。例如 Landsat、MODIS 和 Sentinel、国家农业图像计划 (NAIP)、气候和天气数据,地球物理数据,包括地形、土地覆被和农田数据。
该目录提供整个地球的数据,让用户能够了解与其可持续发展目标相关的地球变化。
Google Cloud 让每个人都可以使用数以千计的计算机运行大规模并行处理。将 Earth Engine 的数据目录与 Google Cloud 的计算功能和数据分析工具相结合,使 Earth Engine 成为大规模分析和直观呈现地球数据的突破性平台。
更快的数据访问、处理和分析速度意味着更快创新、更快做出明智的决策和可行的解决方案。 例如,美国国家森林局管理着 1.93 亿英亩的美国林地,借助 Earth Engine 出色的数据目录和计算可伸缩性,将完成关键任务的时间从数月缩短至数小时。
Earth Engine 代码编辑器是一个基于网络的编码环境,旨在通过以下元素轻松快速地开发复杂的地理空间工作流:
借助 Earth Engine Python API,用户可以使用 Python 工具进行机器学习和分析,包括用于地理空间工作负载(例如 Cloud Optimized GeoTiffs 和 GeoPandas)的工具。
Earth Engine 支持 geemap Python 库,可用于 Python 中的可视化工作流,例如平移、缩放和绘制用于地区统计信息的地图多边形。
Xarray 是一个广为人知的 Python 软件包,支持搭配多维数组使用。Xee 是其 Earth Engine 集成,可让用户将 Earth Engine ImageCollection 用作 Xarray 数据集。
通过将 BigQuery 与 Earth Engine 结合使用,用户可以两全其美。Earth Engine 专注于图像(光栅)处理,而 BigQuery 则针对大型表格数据集处理进行了优化。
“Export.table.toBigQuery()”函数简化了许多工作流:
Earth Engine 具有内置功能,可让用户通过易用的 API 针对常见场景训练和使用机器学习模型。例如,您可以使用随机森林算法对关注区域内的土地进行分类。如果您更喜欢使用深度神经网络,还可以训练 TensorFlow 或 PyTorch 模型,将其部署到 Vertex AI 并在 Earth Engine 代码编辑器中获取预测结果。
用户可以导入自己的数据(图片和表格),并将这些数据与 Earth Engine 数据目录中的数据集相结合,以获得深入的数据洞见。使用代码编辑器或命令行界面 (CLI) 中的资产管理器,可以导入采用 GeoTIFF 或 TFRecord 格式的地理参考光栅数据集,以及采用 Shapefile 或 CSV 格式的表格数据来构建数据产品、创建模型和开发独特的解决方案,以加快可持续发展工作。
如果您要训练 TensorFlow 模型或者想在 Earth Engine 之外运行水文模拟,不妨将 Earth Engine 中的数据传输到其他系统。Earth Engine Export API 可以完成繁重的工作,而我们的数据提取方法有助于解决扩缩问题,并可与 Apache Beam、Spark 或 Dask 等框架结合使用。我们的 Python 客户端库捆绑了客户端逻辑,可在 Earth Engine 对象与 NumPy、Pandas 和 GeoPandas 类型之间进行转换。
Cloud Score+ 解决了 Sentinel-2 卫星数据中的云覆盖问题。它是一种综合性 QA 评分,依托深度学习,会根据整体质量提供每像素“易用性”评分,用以遮盖观察结果或为其加权。
Dynamic World 是一个依托机器学习技术、近乎实时的全球土地覆被数据集,分辨率为 10 米。它提供高清的土地利用细节,并帮助做出准确的预测和有效的可持续发展计划。
常见用途
实现全球供应链透明度和可追溯性
可持续的供应链对业务至关重要。Earth Engine 可帮助企业分析采购地点的土地覆被和使用情况,以突出其供应链中的森林砍伐风险。EC JRC 2020 年的全球森林覆盖地图可助您一臂之力。此数据集采用空间显式方式以 10 米分辨率呈现 2020 年森林分布情况,与欧盟零毁林法案 (EUDR) 相对应。该法案要求公司提供声明,证实在欧盟销售或生产的商品不是在 2020 年 12 月 31 日之后砍伐了森林的土地上种植的。
TraceMark:第一英里驱动的原材料可追溯性
TraceMark 由 Google Cloud Advantage 合作伙伴 NGIS 构建,使用 Earth Engine 绘制全球供应链中的原材料采购和潜在风险图,并提供全面的“第一英里”监控和端到端可追溯分析洞见。
TraceMark 利用领先的框架并提供用于风险缓释和进行尽职调查的欧盟零毁林法案 (EUDR) 专属功能,包括数据交换和与供应商互动,以及用于报告的可持续性指标。
TraceMark 提供多商品能力,涵盖所有受 EUDR 影响的商品,包括棕榈、咖啡、可可、大豆和纸张。
实现全球供应链透明度和可追溯性
可持续的供应链对业务至关重要。Earth Engine 可帮助企业分析采购地点的土地覆被和使用情况,以突出其供应链中的森林砍伐风险。EC JRC 2020 年的全球森林覆盖地图可助您一臂之力。此数据集采用空间显式方式以 10 米分辨率呈现 2020 年森林分布情况,与欧盟零毁林法案 (EUDR) 相对应。该法案要求公司提供声明,证实在欧盟销售或生产的商品不是在 2020 年 12 月 31 日之后砍伐了森林的土地上种植的。
TraceMark:第一英里驱动的原材料可追溯性
TraceMark 由 Google Cloud Advantage 合作伙伴 NGIS 构建,使用 Earth Engine 绘制全球供应链中的原材料采购和潜在风险图,并提供全面的“第一英里”监控和端到端可追溯分析洞见。
TraceMark 利用领先的框架并提供用于风险缓释和进行尽职调查的欧盟零毁林法案 (EUDR) 专属功能,包括数据交换和与供应商互动,以及用于报告的可持续性指标。
TraceMark 提供多商品能力,涵盖所有受 EUDR 影响的商品,包括棕榈、咖啡、可可、大豆和纸张。
保护资产免受极端气候变化带来的风险(如火灾)的影响
灾难应对机构需要精确而及时的数据和见解,才能监控火灾、评估风险和保护资产。可以分析 Earth Engine 中的数据集,例如 GOES MCMIP(图像)、GOES FDC(火灾检测)和 FIRMS(资源管理系统火灾信息),以便监测火灾,同时促进火灾建模和风险管理。分析此数据有助于提高响应和灾难恢复工作的效率,使其更有效。
拥有气候风险专业知识的 Cloud 合作伙伴
Climate Engine 的 SpatiaFi 解决方案会将资产与地理空间数据关联起来,为监管报告、气候变化减缓和可持续金融提供支持。
CARTO 的云原生地理位置智能平台可帮助组织分析气候影响、优化流程和预测结果。
Deloitte 正在使用 Earth Engine 和 Google Cloud 的生成式 AI 构建新的地理空间规划解决方案,以帮助客户构建可持续的社区和基础设施、提高运营弹性,并为应对气候变化影响做好准备。
25 年来,SIG 不断精研环境变化地图绘制专业知识,专业评估火灾、干旱、洪水、农业破坏和健康威胁等风险。
保护资产免受极端气候变化带来的风险(如火灾)的影响
灾难应对机构需要精确而及时的数据和见解,才能监控火灾、评估风险和保护资产。可以分析 Earth Engine 中的数据集,例如 GOES MCMIP(图像)、GOES FDC(火灾检测)和 FIRMS(资源管理系统火灾信息),以便监测火灾,同时促进火灾建模和风险管理。分析此数据有助于提高响应和灾难恢复工作的效率,使其更有效。
拥有气候风险专业知识的 Cloud 合作伙伴
Climate Engine 的 SpatiaFi 解决方案会将资产与地理空间数据关联起来,为监管报告、气候变化减缓和可持续金融提供支持。
CARTO 的云原生地理位置智能平台可帮助组织分析气候影响、优化流程和预测结果。
Deloitte 正在使用 Earth Engine 和 Google Cloud 的生成式 AI 构建新的地理空间规划解决方案,以帮助客户构建可持续的社区和基础设施、提高运营弹性,并为应对气候变化影响做好准备。
25 年来,SIG 不断精研环境变化地图绘制专业知识,专业评估火灾、干旱、洪水、农业破坏和健康威胁等风险。
对自然资源进行可持续管理和保护
利用 Earth Engine 中的 Hansen 全球森林变化数据集,用户可以对森林变化进行分析,量化森林变化随时间的变化,并绘制年度森林损失图表。用户可以使用 Global Forest Watch 提供的 Forest Monitoring for Action (FORMA, Hammer et al. 2009) 数据,按日期过滤,并在特定感兴趣区域内配置提醒。
对自然资源进行可持续管理和保护
利用 Earth Engine 中的 Hansen 全球森林变化数据集,用户可以对森林变化进行分析,量化森林变化随时间的变化,并绘制年度森林损失图表。用户可以使用 Global Forest Watch 提供的 Forest Monitoring for Action (FORMA, Hammer et al. 2009) 数据,按日期过滤,并在特定感兴趣区域内配置提醒。
利用农业数据洞见,建立更高产量、低影响的食品系统
Earth Engine 可用于深入分析作物健康状况、耗水量和生产力季节性模式。可以利用 MOD13A2.061 Terra Vegetation Indices 16 天全球 1 公里来生成代表 20 年中位植被产量中位数的时序动画。为了做出更明智的决策,用户可以分析 MODIS 地表温度数据或 ERA5 复合数据等数据集,以计算增长天数 (GDD),然后在 Vertex AI 中应用机器学习预测作物何时会成熟,或计算害虫管理的最佳时间。
拥有农业专业知识的 Cloud 合作伙伴
利用农业数据洞见,建立更高产量、低影响的食品系统
Earth Engine 可用于深入分析作物健康状况、耗水量和生产力季节性模式。可以利用 MOD13A2.061 Terra Vegetation Indices 16 天全球 1 公里来生成代表 20 年中位植被产量中位数的时序动画。为了做出更明智的决策,用户可以分析 MODIS 地表温度数据或 ERA5 复合数据等数据集,以计算增长天数 (GDD),然后在 Vertex AI 中应用机器学习预测作物何时会成熟,或计算害虫管理的最佳时间。
拥有农业专业知识的 Cloud 合作伙伴
收集环境相关洞见;检测和监控变化
对于想要解决排放问题并深入了解环境恶化驱动因素和干预措施效果的公共部门组织和公司,可以将自定义分析应用于 Earth Engine 数据集,以检测环境影响随时间的变化。例如,使用 1984-2019 年期间经过细分的 Landsat 时序数据来描述玻利维亚的湖泊烘干情况,或者将甲烷数据与其他数据集(如土地覆盖、森林、水、生态系统、地区边界等)相结合,以追踪特定区域在一段时间内的甲烷排放量。
在环境影响方面拥有专业知识的 Google Cloud 合作伙伴
Deloitte 基于 Google Earth Engine 构建的甲烷排放量量化解决方案,是一种地理空间人工智能 (AI) 和机器学习 (ML) 分析工具,旨在供组织监控、量化有问题的孤立井,并确定其优先顺序减少甲烷排放、保护水和空气并降低安全风险,从而改善人类和环境的健康状况。
收集环境相关洞见;检测和监控变化
对于想要解决排放问题并深入了解环境恶化驱动因素和干预措施效果的公共部门组织和公司,可以将自定义分析应用于 Earth Engine 数据集,以检测环境影响随时间的变化。例如,使用 1984-2019 年期间经过细分的 Landsat 时序数据来描述玻利维亚的湖泊烘干情况,或者将甲烷数据与其他数据集(如土地覆盖、森林、水、生态系统、地区边界等)相结合,以追踪特定区域在一段时间内的甲烷排放量。
在环境影响方面拥有专业知识的 Google Cloud 合作伙伴
Deloitte 基于 Google Earth Engine 构建的甲烷排放量量化解决方案,是一种地理空间人工智能 (AI) 和机器学习 (ML) 分析工具,旨在供组织监控、量化有问题的孤立井,并确定其优先顺序减少甲烷排放、保护水和空气并降低安全风险,从而改善人类和环境的健康状况。
价格
Earth Engine 的定价方式 | Earth Engine 价格基于 Earth Engine 资源用量(计算单元和存储空间)和每月平台费用。 | |
---|---|---|
方案和用量 | 说明 | 价格 (USD) |
基本 | 最适合团队规模较小的组织和工作负载较少的组织。包括 2 个开发者席位、20 个并发的大批量 API 请求以及最多 8 个并发的批量导出任务。 | $500 每月 |
专业 | 最适合拥有中等规模的团队以及可预测、时效性强的大规模工作负载的组织。包括 5 个开发者席位、500 个并发的大批量 API 请求,以及最多 20 个并发的批量导出任务。 | $2,000 每月 |
高级 | 最适合拥有业务关键型、时效性强的大规模工作负载的大型团队。您可以自定义专业版方案分配金额。如需了解详情,请与您的 Google Cloud 销售代表联系。 | 与我们联系 |
计算(分析) | Earth Engine 计算单元 (EECU) 由用于执行任务的 Earth Engine 受管工作器组成。计算价格按 EECU 小时数收费,具体费率因您使用的处理环境而异。 | |
在线 EECU 同步运行计算,并将输出直接包含在响应中。 | $1.33 每 EECU 小时 | |
批量 EECU 异步运行计算并输出结果以供日后访问(在 Google Cloud Storage、Earth Engine 资产存储区等)。 | $0.40 每 EECU 小时 | |
存储 | $0.026 每月每 GB | |
额外用户 | 第一位用户免费,每增加 1 位用户,每月每增加 500 美元* |
详细了解 Earth Engine 价格。查看所有价格详情
Earth Engine 的定价方式
Earth Engine 价格基于 Earth Engine 资源用量(计算单元和存储空间)和每月平台费用。
基本
最适合团队规模较小的组织和工作负载较少的组织。包括 2 个开发者席位、20 个并发的大批量 API 请求以及最多 8 个并发的批量导出任务。
$500
每月
专业
最适合拥有中等规模的团队以及可预测、时效性强的大规模工作负载的组织。包括 5 个开发者席位、500 个并发的大批量 API 请求,以及最多 20 个并发的批量导出任务。
$2,000
每月
高级
最适合拥有业务关键型、时效性强的大规模工作负载的大型团队。您可以自定义专业版方案分配金额。如需了解详情,请与您的 Google Cloud 销售代表联系。
与我们联系
计算(分析)
Earth Engine 计算单元 (EECU) 由用于执行任务的 Earth Engine 受管工作器组成。计算价格按 EECU 小时数收费,具体费率因您使用的处理环境而异。
在线 EECU
同步运行计算,并将输出直接包含在响应中。
$1.33
每 EECU 小时
批量 EECU
异步运行计算并输出结果以供日后访问(在 Google Cloud Storage、Earth Engine 资产存储区等)。
$0.40
每 EECU 小时
存储
$0.026
每月每 GB
额外用户
第一位用户免费,每增加 1 位用户,每月每增加 500 美元*
详细了解 Earth Engine 价格。查看所有价格详情
业务用例
探索企业和公共部门组织如何利用 Earth Engine
Regrow Ag 正在加速向可持续食品和纤维生产的过渡
John Shriver,Regrow Ag 数据科学总监
“我们的最终使命是阐明并加速全球向可持续食品和纤维生产的过渡。我们相信,推进再生农业可以为商业供应链带来弹性。与 Google 的数据专家以及 Google Cloud 和 Google Earth Engine 等平台合作是实现这一目标的关键。”
阅读客户案例合作伙伴与集成
Earth Engine 搭配地理空间专业知识和可扩展解决方案,可增强 Earth Engine 的功能,并帮助组织减轻影响、保护自然资源并构建可持续的未来。