开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Windows中的Google App Engine和Google Earth Engine

Windows中的Google App Engine是一种云计算平台，它允许开发人员构建和托管基于Google基础设施的Web应用程序。Google App Engine支持多种编程语言，包括Java、Python、Go和PHP。它提供了自动扩展、负载平衡和高可用性等功能，使开发人员能够轻松部署和管理他们的应用程序。

Google App Engine的优势在于其强大的扩展性和可靠性。它可以根据应用程序的需求自动扩展资源，以满足流量的增长。同时，Google App Engine提供了高可用性和冗余，确保应用程序始终可用。

Google App Engine适用于各种应用场景，包括Web应用程序、移动后端、大数据处理和实时流分析等。它可以轻松处理大量的并发请求，并提供了与其他Google云服务集成的能力。

对于Windows用户，Google App Engine提供了适用于Windows操作系统的开发工具和文档。开发人员可以使用Windows上常用的开发环境和工具来构建和部署应用程序。

推荐的腾讯云相关产品是腾讯云云服务器（CVM），它提供了可靠的云计算基础设施，适用于各种应用场景。腾讯云云服务器支持Windows操作系统，并提供了灵活的配置选项和高性能的计算资源。您可以通过以下链接了解更多关于腾讯云云服务器的信息：https://cloud.tencent.com/product/cvm

Google Earth Engine是一种云计算平台，用于处理和分析地理空间数据。它提供了大规模地理空间数据的存储、处理和可视化功能。Google Earth Engine支持多种编程语言，包括JavaScript和Python。

Google Earth Engine的优势在于其强大的数据处理和分析能力。它可以处理大规模的地理空间数据，并提供了丰富的地理空间分析工具和算法。开发人员可以使用Google Earth Engine来进行地表覆盖分类、时间序列分析、遥感影像处理等任务。

Google Earth Engine适用于各种应用场景，包括环境监测、农业、城市规划和自然资源管理等。它可以帮助用户从地理空间数据中提取有价值的信息，并支持可视化和数据共享。

推荐的腾讯云相关产品是腾讯云地理信息系统（GIS），它提供了地理空间数据的存储、处理和可视化能力。腾讯云GIS支持多种地理空间数据格式和算法，并提供了易于使用的开发工具和API。您可以通过以下链接了解更多关于腾讯云GIS的信息：https://cloud.tencent.com/product/gis

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

快速测绘和量化地球表面边缘变化的GEE工具-数字化工具(GEEDiT)和边缘变化量化工具(MaQiT)

利用遥感卫星影像来研究边缘变化是环境过程和地球表面驱动因素的定量化指标，例如冰川边缘消退或海平面上升导致的沿海变化。这里介绍了三种新的、可免费使用的工具，它们可以一起用于处理和可视化，Landsat 4-8和Sentinel 1-2卫星存档数据，能够在很短的时间内实现高效的绘图(通过手动数字化)和自动量化边缘变化。这些工具对各种遥感专家的用户都是高度可访问的，在访问方面几乎没有计算、许可和知识方面的障碍。谷歌地球引擎数字化工具(GEEDiT)允许用户定义地球上任何地方的一个点，并通过一个简单的图形用户界面(GUI)对每个卫星的数据进行过滤，以获得用户定义的时间框架、最大可接受的云量，以及预定义或自定义图像波段组合的选项。GEEDiT允许从每个图像快速地绘制地理参考向量，图像元数据和用户注释自动追加到每个向量，然后可以导出用于后续分析。GEEDiT Reviewer工具允许用户对自己/他人的数据进行质量控制，并根据其特定研究问题的空间/时间要求过滤现有的数据集。边缘变化量化工具(MaQiT)是GEEDiT和GEEDiT Reviewer的补充，允许通过使用两种已建立的方法(以前用于测量冰川边缘变化)和两种新的方法，通过类似的简单GUI快速量化这些边缘变化。MaQiT的开发初衷是量化潮汐冰川末端的变化，尽管工具中包含的方法有可能广泛应用于地球表面科学的多个领域(例如,沿海和植被范围的变化)。这些工具将使地球科学领域的广泛研究人员和学生能够有效地绘制、分析和访问大量数据。

02

Google Earth Engine谷歌地球引擎ee.Image格式栅格数据基本处理

本文主要对GEE中的ee.Image格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

Google Earth Engine使用

谷歌的地理引擎，通过一些简单的API我们就可以在几十PB大小的数据内进行弹性运算，以获得我们需要的结果。我们每个人都有权利平等的来享受这个美好的世界。

04

Google Earth Engine学习笔记——介绍和入门

最近接触Google Earth Engine，觉得很好玩，也很有应用前景，最关键Google Earth Engine是免费的地理计算云平台。所以想认真学习下，学习过程中作些小的总结和记录，资料来源均为网络或Google Earth Engine API指南，今天先讲讲入门的知识。

02

Google Earth Engine（介绍与入门）

Google Earth Engine是Google提供的对大量全球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台。该平台能够存取卫星图像和其他地球观测数据数据库中的资料，并具有足够的运算能力对这些数据进行处理。

03

Google Earth Engine的介绍与入门

Google Earth Engine是Google提供的对大量全球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台。该平台能够存取卫星图像和其他地球观测数据数据库中的资料，并具有足够的运算能力对这些数据进行处理。

02

GEE Paper

01.Gainers and losers of surface and terrestrial water resources in China during 1989-2016 (2020)

02

GEE 利用增强的Sentinel-2像元物候特征精确提取水稻分布

背景：准确提取区域的水稻分布对农业和生态很重要；问题：以前的研究大多用单一的关键物候期（例如移植期），但是这个时期和湿地容易混淆；方法：开发了一种增强的基于像素的物候特征复合方法（Eppf-CM）；结论：实地调查数据显示，Eppf模型制图的总体精度高于0.98。东北水稻区，2019年Eppf制图仅比国家统计局少1.86%。展望：1）Eppf-CM将推进物候农业测绘发展；2）水稻分布将为农业和生态提供新的基础数据。

01

python应用场景有哪些？岗位工资如何？

其实，从那么多的大企业的实际应用就可以看出python已经在各个领域被广泛应用了。

02

GEE Journal Paper

Development of a global 30m impervious surface map using multisource and multitemporal remote sensing datasets with the Google Earth Engine platform (2020)

01

Google Earth Engine学习资料汇总与分享

Google Earth Engine (GEE)是一个基于云计算的遥感大数据处理平台，能够在全球尺度下进行地理空间数据分析和交互免费的计算平台。GEE主要面向研究人员，GEE已广泛应用于各个学科，包括全球森林变化、全球地表水变化、作物产量估算、稻田制图、城市制图、洪水制图、火灾恢复和疟疾风险图谱等。它也已集成到许多第三方应用程序中，例如分析物种栖息地范围、监测气候和评估土地利用变化等。

03

8 个 WebAssembly 应用案例直击 /转

除了瀏覽器業者、遊戲業者大力支援WebAssembly外，許多需要加速效能表現的大型網頁應用或線上工具，也都能得利於WebAssembly的超快執行速度。目前WebAssembly已經開始應用在哪些場景呢？從這8個WebAssembly應用可以一探究竟，其中，有些專案更在GitHub上釋出了原始程式碼，可供開發者參考，來打造出自己的WebAssembly應用。

04

基于Google Earth Engine Explorer实现不用代码的遥感影像地物监督分类

本文主要对GEE的网页界面式应用程序接口Google Earth Engine Explorer加以详细介绍与地物监督分类这一具体应用。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第一篇，更多GEE文章请参考专栏：GEE学习与应用[1]（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

04

GEE,ISPRS,2020

The ISPRS Journal of Photogrammetry and Remote Sensing (P&RS) is the official journal of the International Society for Photogrammetry and Remote Sensing (ISPRS). The Journal provides a channel of communication for scientists and professionals in all countries working in the many disciplines that employ photogrammetry, remote sensing, spatial information systems, computer vision, and related fields. The Journal is designed to serve as a source reference and archive of advancements in these disciplines. The P&RS objective is to publish high quality, peer-reviewed, preferably previously unpublished papers of a scientific/research, technological development or application/practical nature. P&RS will publish papers, including those based on ISPRS meeting presentations*, which are regarded as significant contributions in the above-mentioned fields. We especially encourage papers: of broad scientific interest; on innovative applications, particularly in new fields; of an interdisciplinary nature; on topics that have not been dealt with (or to a small degree) by P&RS or related journals; and on topics related to new possible scientific/professional directions. Preferably, theoretical papers should include applications, and papers dealing with systems and applications should include theoretical background. The scope of the journal is extensive and covers sensors, theory and algorithms, systems, experiments, developments and applications. Topics of interest include but are not limited to: Sensors: • Airborne and spaceborne multispectral and hyperspectral imaging systems • Airborne and terrestrial cameras • Airborne, terrestrial and mobile laser scanning • Range imaging • Active and passive imaging sensor characterisation • Sensor calibration and standardisation • Geosensor networks • Internet of Things Methods and procedures: • Spatial data handling technologies • Integrated sensor calibration and orientation • Surface and object reconstruction, modelling and interpretation • GIS data modelling, representation and structur

01

GEE问题——EEException：未注册 Earth Engine 或项目未注册。

EEException: Not signed up for Earth Engine or project is not registered.

01

Google Earth Engine（GEE）——基于粮农组织秘鲁Penman-Monteith的参考ET网格化数据库（PISCOeo_pm）

基于粮农组织秘鲁Penman-Monteith的参考ET网格化数据库（PISCOeo_pm） PISCOeo_pm是为1981-2016年秘鲁整个大陆领土开发的，空间分辨率约为1公里（0.01°）。PISCOeo_pm的开发框架是基于之前生成的气象子变量网格化数据，如气温（最高和最低）、日照时间、露点温度和风速。前言 – 人工智能教程

00

气象编程 | Google Earth Engine for R——提供250+ 实例

之前有推送过关于GEE的文章，后台反馈的情况来看，很多人是想用，但是由于某些众所周知的原因无法使用GEE，还是那句话懂的人自然懂，想使用的人肯定想办法能用得上。就像中国第一封电子邮件富有深意的那句话：“Across the Great Wall we can reach every corner in the world.(越过长城，走向世界)”，今天推荐基于R语言的GEE”工具箱“！

02

Google Earth Engine谷歌地球引擎栅格代数与NDVI计算

本文主要对GEE中的栅格代数与波段计算操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第六篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

02

Google Earth Engine（GEE）——rgee 是如何工作的？

rgee是不是像JavaScript或Python客户端本地地球引擎API。从头开始开发地球引擎 API 将很难维护，尤其是考虑到 API 正在积极开发中。那么，如何使用 R 运行 Earth Engine？答案是网状的。reticulate是一个 R 包，旨在实现 R 和 Python 之间的无缝互操作。当在 R 中创建Earth Engine请求时，reticulate会将这部分转换为 Python。一旦生成了 Python 代码，就会Earth Engine Python API将请求转换为一种JSON格式。最后，GEE 平台通过 Web REST API 接收请求。该反应将遵循同样的路径。

01

Remote Sensing 专刊“谷歌地球引擎：基于云的地球观测数据和分析平台"

Remote Sensing 专刊“谷歌地球引擎：基于云的地球观测数据和分析平台"

02

利用TROPOMI看看疫情期间NO2排放的变化

TROPOspheric Monitoring Instrument(TROPOMI)是搭载在Copernicus Sentinel-5 Precursor(S5P)卫星上用于大气成分观测的仪器，于2017年10月13日发射，预计服役期为7年。

05

GEE（Google Earth Engine）——JavaScript 入门（1）

如果有基础请参考GEE官方文档：https://developers.google.com/earth-engine/guides/getstarted

01

Google Earth Engine（GEE）——TensorFlow支持深度学习等高级机器学习方法（非免费项目）

TensorFlow是一个开源机器学习平台，支持深度学习等高级机器学习方法。本页面介绍了 Earth Engine 中的 TensorFlow 特定功能。尽管 TensorFlow 模型是在 Earth Engine 之外开发和训练的，但 Earth Engine API 提供了以 TFRecord 格式导出训练和测试数据以及以 TFRecord 格式导入/导出图像的方法。有关如何开发管道以将 TensorFlow 与 Earth Engine 中的数据结合使用的更多信息，请参阅 TensorFlow 示例页面。请参阅 TFRecord 页面以了解有关 Earth Engine 如何将数据写入 TFRecord 文件的更多信息。

01

Google Earth Engine——该数据集是2018年30米分辨率的中国梯田分布地图。它是通过使用基于谷歌地球引擎平台的多源和多时空数据进行基于像素的监督性分类开发的。

This dataset is a China terrace map at 30 m resolution in 2018. It was developed through supervised pixel-based classification using multisource and multi-temporal data based on the Google Earth Engine platform. The overall accuracy and kappa coefficient achieved 94% and 0.72, respectively. This first 30 m China terrace map can be used for studies on soil erosion, food security, biogeochemical cycle, biodiversity, and ecosystem service assessments.

01

地球引擎初级教程——JavaScript 简介（一文读懂如何使用GEE）

在基于 Web 的 IDE 上的代码编辑器中编写的脚本必须使用 JavaScript 编写。JavaScript 是一种使用/学习的相当直接的编程语言。JavaScript 数据类型由字符串、数字、布尔值、数组和对象组成。支持所有基本运算符，例如 +（添加/连接）、=（赋值）、===（相等）、! （否定）、!==（不等于）等。由于 JavaScript 是一种面向对象的编程语言，因此基本上 Javascript 中的所有内容（例如变量或函数）都是对象。一个简单的“Hello World！” 用 JavaScript 编写的程序如下。可以在此处找到有关 JavaScript 基础知识的更多文档。

01

Google Earth Engine谷歌地球引擎地理坐标系、投影坐标系的变换与重投影

本文主要对GEE中地理坐标系与投影坐标系的转换、重投影等操作加以介绍；本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十三篇。

01

Google Earth Engine谷歌地球引擎矢量数据裁剪栅格数据

本文主要对GEE中依据矢量数据裁剪栅格数据的操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第三篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

05

GEE——Publisher Data Catalogs发布者数据目录

发布者数据目录发布者数据目录由数据集发布者策划，供更大范围的 Google 地球引擎社区使用，并作为地球引擎资产集公开共享。这些目录并非由 Google 编制。这里是GEE团队简政放权的一个过程，也就是说这些数据集的后续更新和维护并不由GEE团队负责。也就是后续这个数据集是否更新和运营都不和GEE有什么瓜葛。前言 – 人工智能教程

01

Google Earth Engine谷歌地球引擎直方图与时间序列图绘制

本文主要对GEE中的依据栅格图像绘制直方图与时间序列图并调整图像可视化参数操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第八篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

01

Google Earth Engine（GEE）—有JS和python为什么GEE还要使用rgee？

谷歌地球引擎是一个计算平台，允许用户在谷歌的基础设施上运行地理空间分析。与平台交互的方式有以下几种：

01

Google Earth Engine谷歌地球引擎获取投影信息、坐标系及其转换参数

本文主要对GEE中的投影信息与参考坐标系及其空间转换参数获取加以介绍；本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十二篇。

02

Google Earth Engine谷歌地球引擎外部数据导入管理及数据与代码共享

本文主要对GEE中的各类外部数据导入、下载与管理以及数据与代码分享等操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第七篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

GEE-新一代地球科学数据分析平台

Google Earth Engine(GEE)是由Google开发的新一代基于云的地球科学数据和分析应用行星尺度平台，主要应用于地球科学数据，尤其是遥感影像，的可视化计算和分析。目前提供了大概600多种地球科学数据集。

02

Google Earth Engine（GEE）——客户端python的安装与使用

Python API 包称为ee. 必须为每个新的 Python 会话和脚本导入和初始化它：

01

Google Earth Engine APP（GEE） ——秘鲁和厄瓜多尔流域的高分辨率网格化降水数据集（1981-2015）

秘鲁和厄瓜多尔流域的高分辨率网格化降水数据集（1981-2015） RAIN4PE是一个新型的日网格降水数据集，它通过随机森林回归法将多源降水数据（基于卫星的气候灾害组红外降水，CHIRP（Funk等人，2015），再分析ERA5（Hersbach等人，2020），以及地面降水）与地形高程合并而获得。此外，RAIN4PE通过逆向水文，在降水低估的集水区使用溪流数据进行水文校正。因此，RAIN4PE是秘鲁和厄瓜多尔唯一的网格化降水产品，它得益于最大限度的现有原地观测、多种降水来源、高程数据，并辅以溪流数据来校正帕拉莫斯和山地流域的降水低估。前言 – 床长人工智能教程

01

GEE数据——美国农业部LANDFIRE (LF)数据集2.3.0版本

LANDFIRE (LF)，即 "地貌火灾和资源管理规划工具"，是美国农业部森林服务局、美国内政部地质调查局和大自然保护协会的野地火灾管理项目之间的共享项目。前言 – 人工智能教程

01

cartoee！轻量级地图可视化绘制利器！很好用.

在这个过程中发现一个好用的轻量级的出版级地图可视化图表绘制工具-「cartoee」，下面就给大家介绍一下：

01

吴秋生开发的geemap开源软件包和Google Earth Engine学习资源（Awesome-GEE）已经被GEE官网收录

恭喜吴秋生老师，吴秋生开发的geemap开源软件包和Google Earth Engine学习资源（Awesome-GEE）已经被GEE官网收录。欢迎对GEE感兴趣的朋友们转发学习看看。

03

Google Earth Engine谷歌地球引擎ee.ImageCollection格式多张栅格数据基本处理

本文主要对GEE中的ee.ImageCollection格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十一篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

全球谷歌-微软开放式全球建筑数据集

全球谷歌-微软开放式建筑数据集该数据集整合了谷歌 V3 开放式建筑和微软最新的建筑足迹，包含 2,534,595,270 个惊人的足迹。截至 2023 年 9 月，它已成为最全面的开放式数据集。该数据集涵盖 92% 的 0 级行政边界，分为 182 个分区。每个足迹都明确标注了其来源，指出是来自谷歌还是微软。该数据集可以 GeoParquet、FlatGeobuf 和 PMTiles 等云原生地理空间格式访问，为各种应用提供了强大的资源。更多详细信息，包括该数据集的综合信息和方法，可分别在此处和此处查看。Source Cooperative

01

Google Earth Engine - A Review第二篇

Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., … Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1–1. doi:10.1109/jstars.2020.3021052

01

谷歌地球引擎python文档（GEE_python_API）

经过前面两个对谷歌地球引擎（GEE）介绍和简单入门的文章之后（下附文章链接）。终于想起来该更新一些内容了。这期就白嫖一份稍微靠谱一些的GEE_python的函数说明吧，毕竟GEE入门帖有了以后，如果没有一套完整的用户手册，是永远无法很好的使用GEE这套系统，更别提做很好的项目啦。

04

Google Earth Engine（GEE）——R 语言图像概览

栅格数据在 Earth Engine中表示为Image对象。图像由一个或多个波段组成，每个波段都有自己的名称、数据类型、比例、遮罩和投影。每个图像都将元数据存储为一组属性。

01

Google earth engine——矢量数据的上传（新手必备）！

要上传和管理地理空间数据集，请使用代码编辑器中的资产管理器。资产管理器位于代码编辑器左侧的资产选项卡上（图 1）。有关上传栅格（图像）数据的说明，请参阅导入栅格数据，有关上传表格数据的说明，请参阅导入表数据。您的资产最初是私有的，但可能会与他人共享。有关详细信息，请参阅共享资产部分。

01

GEE数据集——印度河流和流域地表水的时间趋势

该数据集量化了 1991 年至 2020 年 30 年间印度河流和流域地表水面积（SWA）的年度变化范围和速度。该数据集按季节（根据印度的季节划分的年度干水、湿水和常年水）和两种空间尺度进行量化：流域尺度（来自水文地理信息系统的 1516 个 7 级流域）和更细的河段尺度（68,367 个河段）。该数据集来自 JRC 全球地表水探索者（Global Surface Water Explorer）每月地表水出现的历史时间序列。您可以在论文中阅读有关该数据集的更多详情，并在此处访问该数据集。

01

Google Earth Engine谷歌地球引擎像元条件筛选与掩膜

本文主要对GEE中的栅格图层像元条件筛选与掩膜操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第五篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

05

Landsat遥感影像下载

摘要：本篇文章主要介绍下载遥感卫星影像数据常用的几种的获取方法。适合刚接触遥感这个领域不久却需要下载和使用遥感影像的人群。

02

全球高时间高空间分辨率数据免费申请指南

Planet公司是世界上在轨卫星最多的公司，共有近200颗在轨卫星，使全球对地观测进入“每日”时代，有着其他公司无法比拟每天覆盖全球一次的超高频时间分辨率。PlanetScope小卫星星座现有在轨卫星共170余颗，是全球最大的卫星星座，可实现每天监测全球一次。PlanetScope遥感影像PlanetScope( PS)数据是由Planet公司发射的PlanetScope(PS)小卫星星座的卫星数据产品，PS现有在轨卫星共132颗，是全球最大的卫星星座，可实现每天监测全球1次。在Planet官网(https://www.planet.com)注册申请可免费下载L1B的Analytic级别产品数据。相较于当下众多高空间分辨率卫星数据，PS卫星数据有高频次重访的独特优势。PS卫星产品有4个多光谱波段，波段范围为455-860nm，空间分辨率达3 m。Planet数据3B影像处理级别为：经过传感器、辐射定标和正射校正的正射级产品，文件说明如下：

03

魔兽世界也是Python开发的？盘点Python开发的知名网站和游戏！

我们都知道，Python不仅在数据分析、人工智能方面有着广泛的应用，在网站开发、游戏开发方面更是一枝独秀。

03

Google Earth Engine实现地区年度最大NDVI值的影像合成

本期分享如何Google Earth Engine实现地区年度最大NDVI值的影像合成，相比于传统方法，GEE方法简单、高效且对电脑硬件要求较低！

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭