此页面由 Cloud Translation API 翻译。

导出表格数据和矢量数据

您可以使用 Export.table 将 FeatureCollection 导出为 CSV、SHP (Shapefile)、GeoJSON、KML、KMZ 或 TFRecord。FeatureCollection 可以表示矢量，也可以只是一个数据表。在后一种情况下，集合中的地图项将具有 null 几何图形。

使用某些文件格式时，请注意以下额外限制：

KML：导出为 KML 文件的 FeatureCollection 将会将所有几何图形转换为未投影 (WGS84) 坐标。
SHP：导出为 Shapefile 的 FeatureCollection 必须包含几何图形类型和投影相同的特征，并且必须符合 Shapefile 大小限制。列名称会截断为 10 个字符或更少，并且不得造成重复的列名称。
TFRecord：请参阅此页面。

到云端硬盘

如需将 FeatureCollection 导出到您的云端硬盘账号，请使用 Export.table.toDrive()。例如：

Code Editor (JavaScript)

// Make a collection of points.
var features = ee.FeatureCollection([
  ee.Feature(ee.Geometry.Point(30.41, 59.933), {name: 'Voronoi'}),
  ee.Feature(ee.Geometry.Point(-73.96, 40.781), {name: 'Thiessen'}),
  ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {name: 'Dirichlet'})
]);

// Export the FeatureCollection to a KML file.
Export.table.toDrive({
  collection: features,
  description:'vectorsToDriveExample',
  fileFormat: 'KML'
});

Python 设置

如需了解 Python API 以及如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Make a collection of points.
features = ee.FeatureCollection([
    ee.Feature(ee.Geometry.Point(30.41, 59.933), {'name': 'Voronoi'}),
    ee.Feature(ee.Geometry.Point(-73.96, 40.781), {'name': 'Thiessen'}),
    ee.Feature(ee.Geometry.Point(6.4806, 50.8012), {'name': 'Dirichlet'}),
])

# Export the FeatureCollection to a KML file.
task = ee.batch.Export.table.toDrive(
    collection=features, description='vectorsToDriveExample', fileFormat='KML'
)
task.start()

请注意，输出格式指定为 KML 以处理地理数据（SHP 也适用于导出包含几何图形的表格）。如需仅导出数据表格（不含任何地理信息），请以 CSV 格式导出具有 null 几何图形的地图项。以下示例演示了如何使用 Export.table.toDrive() 获取可能长时间运行的求交集的结果：

Code Editor (JavaScript)

// Load a Landsat image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');
var projection = image.select('B2').projection().getInfo();

// Create an arbitrary rectangle.
var region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413);

// Get a dictionary of means in the region.
var means = image.reduceRegion({
  reducer: ee.Reducer.mean(),
  geometry: region,
  crs: projection.crs,
  crsTransform: projection.transform,
});

// Make a feature without geometry and set the properties to the dictionary of means.
var feature = ee.Feature(null, means);

// Wrap the Feature in a FeatureCollection for export.
var featureCollection = ee.FeatureCollection([feature]);

// Export the FeatureCollection.
Export.table.toDrive({
  collection: featureCollection,
  description: 'exportTableExample',
  fileFormat: 'CSV'
});

Python 设置

如需了解 Python API 以及如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Load a Landsat image.
image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318')
projection = image.select('B2').projection().getInfo()

# Create an arbitrary rectangle.
region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413)

# Get a dictionary of means in the region.
means = image.reduceRegion(
    reducer=ee.Reducer.mean(),
    geometry=region,
    crs=projection['crs'],
    crsTransform=projection['transform'],
)

# Make a feature without geometry and set the properties to the dictionary of means.
feature = ee.Feature(None, means)

# Wrap the Feature in a FeatureCollection for export.
feature_collection = ee.FeatureCollection([feature])

# Export the FeatureCollection.
task = ee.batch.Export.table.toDrive(
    collection=feature_collection,
    description='exportTableExample',
    fileFormat='CSV',
)
task.start()

请注意，由于输出中没有几何图形，因此在此示例中将格式设置为“CSV”。

到 Cloud Storage

如需将 FeatureCollection 导出到 Cloud Storage，请使用 Export.table.toCloudStorage()。例如，使用之前定义的 features：

Code Editor (JavaScript)

// Export a KML file to Cloud Storage.
Export.table.toCloudStorage({
  collection: features,
  description:'vectorsToCloudStorageExample',
  bucket: 'your-bucket-name',
  fileNamePrefix: 'exampleTableExport',
  fileFormat: 'KML'
});

Python 设置

如需了解 Python API 以及如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Export a KML file to Cloud Storage.
task = ee.batch.Export.table.toCloudStorage(
    collection=features,
    description='vectorsToCloudStorageExample',
    bucket='your-bucket-name',
    fileNamePrefix='exampleTableExport',
    fileFormat='KML',
)
task.start()

为资产

如需将 FeatureCollection 导出为 Earth Engine 资产，请使用 Export.table.toAsset()。例如，使用之前定义的 features：

Code Editor (JavaScript)

// Export an ee.FeatureCollection as an Earth Engine asset.
Export.table.toAsset({
  collection: features,
  description:'exportToTableAssetExample',
  assetId: 'exampleAssetId',
});

Python 设置

如需了解 Python API 以及如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Export an ee.FeatureCollection as an Earth Engine asset.
task = ee.batch.Export.table.toAsset(
    collection=features,
    description='exportToTableAssetExample',
    assetId='projects/your-project/assets/exampleAssetId',
)
task.start()

Earth Engine 表资产的大小和形状存在一些限制：

地图项数量上限为 1 亿
最多 1,000 个属性（列）
每行几何图形的顶点数上限为 10 万个
每个字符串值的字符数上限为 10 万个