机器学习专家利用Google Earth Engine来识别物理属性和分析模式，这些模式涉及林业、农田、冰雪覆盖和天气等领域。遗憾的是，关于如何使用Google Earth Engine，尤其是通过其Python API的文档和示例非常有限。本文将向展示如何使用Google Earth Engine直接从Sentinel-2卫星获取Roboflow就绪的图像到Google Drive。
注册Google Earth Engine
首先，需要使用Google Earth Engine进行身份验证。可以在此处提供身份验证信息。通常，将在大约10分钟后收到账户信息。
连接到Google Earth Engine
一旦有了账户信息，有两种方式可以访问Google Earth Engine。首先，Google Earth Engine有一个内置的IDE，可以在此处访问。这个界面允许用户编写JavaScript代码来访问Google Earth Engine。如果脚本有视觉输出，它将直接显示在IDE中包含的世界地图上。
然而，将专注于第二种访问Google Earth Engine的方式：Python API。从这里开始，可以按照这个笔记本中的步骤进行。首先安装配套的earthengine包并对Earth Engine API进行身份验证（笔记本中的代码单元[2]）。然后，将按照Google提供的链接并接受某些权限以获取身份验证代码。还将使用类似的过程对Google Drive进行身份验证（单元[3]）。
理解Google Earth的数据基础
在进一步导出图像之前，需要了解Google Earth Engine中的基础数据是如何工作的。Google Earth（和Google Earth Engine）是建立在卫星和飞机拍摄的照片之上的。这些照片或瓦片中的每一个都覆盖了地球的一部分。当在浏览器中查看Google Earth时，正在查看这些瓦片彼此对齐。然而，在使用Google Earth Engine时，需要在继续导出之前指定想要导出的瓦片。可以在此处阅读更多关于Google Earth Engine中的数据。
导出图像到Google Drive
准备导出图像。导出将在Google Earth Engine的服务器上进行，但可以从Python与服务器进行交互。导出作业有几个参数（单元[9]）。请注意，由于作业在Google Earth的服务器上运行，如果有任何问题，可能不会收到错误消息。