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。

李小文院士在给研究生课程PPT里曾经说过，“我们淹没在数据的海洋里，却渴求着信息的淡水”。GEE的发展，能够使研究人员能够将更多的精力放在算法和模型的开发上，能够促进研究的发展。与TerraLib、Hadoop、GeoSpark和GeoMesa等大规模地理空间数据处理工具不同的是，GEE不需要研究人员花费大量的时间去学习IT技能，通过给研究人员提供google强大的运算能力，使得遥感数据的分析处理变得更加的高效，为大尺度区域的研究提供了一种有效的途径。GEE作为免费的遥感大数据学习平台，为研究人员提供了很好的学习模式。通过这个平台，研究人员能够在短时间内实现大尺度区域的研究。进而让研究人员可以有更多的时间去开发能够应用于自己研究领域的大尺度和全球化的应用算法。

（李小文院士，定量遥感面临的主要问题，20090608，中国科学研究生院课程PPT）

GEE公共数据目录是包含了PB级的地理空间数据集，该目录的大部分数据由对地观测的遥感影像组成，包括整个Landsat系列以及Sentinel-1和Sentinel-2的完整数据，另外它还包括气候预测，土地覆盖数据，地球物理和社会经济数据集及和许多其它环境数据等。该目录以每天近6000景的速度进行更新。当前通过GEE应用平台,能够实现海量地球科学数据的访问和处理。

表1 GEE数据目录中的常用数据集（Gorelick等，2017）

---主要归纳了当前的学习资料---

（1） 无形的风（山东大学），GEE学习笔记专栏分享系列，目前更到九十三

知乎：https://zhuanlan.zhihu.com/c_123993183

CSDN: https://blog.csdn.net/shi_weihappy

（2）王金柱（西南大学 & 迪肯大学），该学习资料较为基础，适合初学者学习, 主要包括QQ交流群和学习视频；

王金柱GEE QQ群，群1：（801136088） 群2：（984920794）

课程学习链接：

https://www.bilibili.com/video/BV1Sb411p7TQfrom=search&seid=17873054788968209637

课程目录如下：

（3）吴秋生：（geemap- Python GEE）

视频学习：

http://gishub.org/geemap https://www.youtube.com/c/QiushengWu 代码学习：（GEE Python） https://github.com/giswqs/geemap

https://github.com/giswqs/earthengine-py-notebooks

A collection of 360+ Jupyter Python notebook examplesfor using Google Earth Engine with interactive mapping https://github.com/giswqs/earthengine-py-notebooks

Submit a Feature Request on the geemap GitHubrepository (https://github.com/giswqs/geemap/issues

Follow my Google Earth Engine Project on Research Gate

https://www.researchgate.net/project/Google-Earth-Engine-4

(4) GEE是一个强大的遥感数据分析工具. Quickly grab images from Landsat,sentinel, MODIS and many more public datasets with the Earth Engine and processthem in the cloud.

视频链接：

https://youtu.be/W2V_awzKDOg

课程目录：

(5) Alanna Rebelo (youtobe)

https://www.youtube.com/channel/UC0Hsto_SE6-gbSjZ_vjkddw

EE 104: Introduction to the Earth Engine Python API (Madhu Mysore)

https://bit.ly/2FzhFu9

Supervised Land-cover Classification in GoogleEarth Engine(Madhu Mysore

Nature Conservation Foundation (India))

https://bit.ly/2XygZze

Time Series & Change Detection(Where there’s a trend, there’s a fire.)

Widgets and Apps (UI WidgetLibrary, Publishing Apps)

Writing Code (CodeEditor, JavaScript, Image Transforms)

(6) CP-23 - Google Earth Engine：(网站有更多其他的学习资料)

UniversityConsortium for Geographic Information Science GIS & T Body of Knowledge.

https://gistbok.ucgis.org/bok-topics/google-earth-engine

当需要问题时的解决办法呢?

提示：在进行问题提问时提问者应当在网上检索，看看之前是否有过类似的问题被提问过，以便更好的解决问题和节约公共资源。

（1）GEE forum

这是一个非常有用的学习园地，在这里你可以找到你想要的答案。在论坛里你可以和GEE开发和维护人员直接进行互动，通过将自己的问题进行总结归纳并在论坛上进行提问，在这里你可以和专家们一起进行学习交流，能学习到GEE之外不同学科之间的一些解决问题的方向和技能。

https://groups.google.com/forum/#!forum/google-earth-engine-developers

（2）通过Researchgate的提问模块进行解决

科研工作人人员在遇到问题时，还可以关键词，在Researchgate上进行提问，通过Google Earth Engine等关键词需找到领域专家们给出的答案，能够为我们的研究少走一点不必要的弯路。

致谢：感谢各位的辛勤付出，你们的努力推动了GEE在遥感科学领域的额应用和传播，本文旨对现有资料进行汇总，以便后来学习GEE的研究人员能够更加有效的找到解决领域问题的方法和途径。另外，感谢NASA、USGS、NOAA、EC和ESA以及数百个公共数据集的提供者，他们为全球尺度下的研究提供了可能。最后，希望我们国家能够早日发展出自己的GEE,就像中国的北斗系统一样，服务中国、造福全人类。

参考资料：

Coll, J. M. & Li, X. (2020). Google EarthEngine. The Geographic InformationScience & Technology Body ofKnowledge (1st Quarter 2020Edition), John P. Wilson. doi: 10.22224/gistbok/2020.1.9

Gorelick N, Hancher M, Dixon M, Ilyushchenko S, Moore R. (2017). Google earth engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment,202,18-27. doi:10.1016/j.rse.2017.06.031