GEE大会开源教程 前言

Cloud-Based Remote Sensing with Google Earth Engine (eefabook.org)

https://www.eefabook.org/

01 前言

Editors Jeffrey A. Cardille Department of Natural Resource Sciences McGill University Sainte-Anne-De-Bellevue, QC, Canada David Saah University of San Francisco San Francisco, CA, USA ISBN 978-3-031-26587-7 Morgan A. Crowley Department of Natural Resource Sciences McGill University Sainte-Anne-De-Bellevue, QC, Canada Nicholas E. Clinton Google LLC Mountain View, CA, USA

2010 年，我们在联合国《生物多样性公约》缔约方大会第十六次会议（COP16）上推出了谷歌地球引擎（Google Earth Engine）。它是世界上第一个云原生1、行星规模的地理空间数据分析平台，从一开始就旨在普及对地球观测数据的访问，并帮助加速“从像素到知识”2的转化以造福社会。回顾过去，尽管此前从未有过类似的东西（例如，随时可供分析的地球观测数据、千万亿像素规模的处理、可从任何网络浏览器轻松访问），但这样一个平台的发明似乎几乎是不可避免的。在那一刻，一系列因素汇聚在一起，将遥感的主导模式从桌面转移到了云端——美国地质调查局/美国国家航空航天局(USGS/NASA)免费发布陆地卫星数据（数百万场景和数PB的数据，可追溯到 1972 年存储在磁带上），大规模公开可用的云计算（如谷歌云）的出现，以及对有关地球状况及其变化方式的可访问、及时、准确信息的迫切需求，以支持在关键环境和人道主义问题上做出更好的决策和行动。

特别的是，谷歌地球引擎项目最初的推动力来自 2008/9 年的巴西地球科学家，他们问我们谷歌是否能帮助他们阻止每年超过一百万英亩的亚马逊雨林的损失。他们已经开发出了从每日更新的卫星数据中获取有价值信息的遥感技术，但却难以在其台式计算机上及时管理和处理“庞大”数量的地球观测数据。与领先的遥感科学家进一步协商后，我们确信这不仅是一个普遍存在的挑战，也是一个“谷歌规模”的挑战，因此我们开始与遥感界密切合作来构建地球引擎。

我们的第一步与美国地质调查局地球资源观测与科学数据中心团队合作，首次将整个多千万亿字节、数十年的陆地卫星数据档案从磁带转移到网上。为陆地卫星创建这个在线“镜像”花了三年时间，但这是值得的。这种将大量地球观测数据以可供分析的形式与数十万中央处理器共同定位用于处理，为描述我们不断变化的星球创造了新的可能性。科学家们开始开发由地球引擎驱动的方法，以前所未有的分辨率、速度和规模绘制、测量和监测全球景观变化和环境现象。早期的应用包括追踪和减少全球森林砍伐、随着时间推移绘制全球地表水水资源地图、估算全球农作物产量以加强粮食安全、绘制并减轻诸如洪水和干旱等极端天气事件的风险、预测诸如疟疾等病媒传播疾病的未来风险，甚至预测黑猩猩可能建造巢穴的位置。

​自早期开始，我们就一直在见证和支持地球引擎用户社区的成长和繁荣，现在它在全球包括了超过 50 万的个人和组织。这个由科学家、学者、非营利组织、政府和行业组成的多样化社区在一系列学科中变得越来越有影响力，推动了“科学现状”以及全球环境遥感实际应用的发展。到目前为止，地球引擎社区已经集体（且创造性地）在《自然》《科学》和《环境遥感》等期刊上发表了超过 20,000 篇科学出版物。他们还开发了许多有重大影响的环境监测应用，包括全球森林观察、全球渔业观察、OpenET、气候引擎、MapBiomas、SDG661.app、Restor.eco、地球地图、Tracemark 等等。 每年，我们都扩大了为支持这个社区惊人工作而提供的云计算规模，如今地球引擎每年提供超过 5 亿 CPU 小时（即超过50亿CPU小时！）。随着我们去年宣布地球引擎通过谷歌云平台作为企业级服务可用，政府和企业现在依靠地球引擎用于关键任务，如可持续自然资源管理、气候和灾害风险抵御以及满足零毁林承诺3的可持续商品采购。此外，新的初创公司现在正在应用地球引擎技术将科学和地球观测数据转化为创新的可持续发展理念和企业。 所以，我对这本书非常兴奋，它来得正是时候。随着地球引擎成熟为如此强大和灵活的环境监测平台，对精通地球引擎的地理空间数据科学家的需求急剧上升。我们看到世界各地的大学都在根据地球引擎创建课程和教授课程。虽然以前用于教授遥感的教材是旧的（桌面）模式，但现代教师、学生和从业者需要一本用云计算语言编写的新教材。一本将数据结构、图像处理和遥感等熟悉的技术概念嵌入到云基础设施的背景和机制中的教材，具有以空前的速度和规模处理大规模、多传感器、近实时数据集的独特能力4。 《基于谷歌地球引擎的云遥感：基础与应用》正是我们需要的教材：全面、权威且有趣！它巧妙而全面地涵盖了从零基础到精通地球引擎所需的基本内容和材料。所代表的各种应用可以在很多美妙的方向上帮助启动和激发读者。相关的代码示例确保你可以立即并始终亲自动手并富有成效。 我特别高兴这本书是由如此多样化、有成就的地球引擎专家团队撰写的，他们跨越背景、学科、地域和职业阶段（包括本科生到全职教授），他们自愿联合起来，共同完成这个非常需要的地球引擎参考文本的创作。他们为我们整个全球社区做出了巨大贡献，与我们地球引擎的创始使命相一致，即支持更大的利益，我永远心存感激。 展望未来，这是云环境遥感领域创新和发展的时期，新的卫星和传感器不断发射，产生新的数据类型（例如，全球大气甲烷浓度），同时也提高了现有数据源的空间、光谱和时间分辨率。与此同时，经典的遥感机器学习工具包现在正在扩展到包括现代深度学习/人工智能技术。在谷歌，以及与GEE一起，我们通过推进地球引擎的基本能力和应用继续推动这一发展。例如，最近与世界资源研究所（WRI）一起推出的动态世界(Dynamic World)引入了首个基于深度学习/人工智能技术的近实时、概率性、10 米全球土地覆盖制图数据集，地球引擎社区已经在推动进一步的下游创新。 现在加入这个领域并为生成关于我们不断变化的星球的新知识做出贡献，从来没有比这更令人兴奋、重要和相关的时候了。世界各地的政策制定者和项目执行者正在寻求及时、准确、基于科学和数据驱动的信息来指导更明智的决策和对关键环境和人道主义问题的行动。我希望这本书将极大地激发你的兴趣和能力，使你在地球引擎方面变得熟练，希望你能加入我们不断壮大的社区，与世界各地的人们一起致力于让地球变得更美好，无论是现在还是子孙后代。祝您学习愉快！

Rebecca Moore

Director

Google Earth and Earth Engine

Google

Mountain View, USA

注释：

1 云原生cloud-native：云原生是在云计算环境中构建、部署和管理现代应用程序的软件方法。

2 Pixels to Knowledge：一个术语或概念，意味着将图像或像素数据转化为有意义的知识或信息

3 零毁林承诺：是指企业或组织承诺在其供应链中实现零森林砍伐或零森林退化。这意味着他们致力于避免采购或使用来自毁林地区的原材料，以减少对森林的破坏。出自2021年格拉斯哥联合国气候变化大会（COP26）签署联合声明。

4 译者吐槽：确实，用gis处理图像随便几个图像就十多个GB了，并且在如辐射校正等方面吃电脑配置。云计算省了很多空间和时间。