在地理信息与遥感大数据处理中，Google Earth Engine (GEE) 已成为高效获取全球地表信息的首选平台。然而，当面临大批量、碎片化的研究区需求（如多个流域、上百个行政单元）时，传统的网页端（JavaScript API）操作往往受限于繁琐的矢量上传与手动导出流程。
本文将介绍一种基于 Python 和 Geemap 的自动化工作流，通过编写脚本直接读取本地矢量文件（Shapefile），实现 GEE 数据的批量裁剪与下载。
🛠 技术背景
传统的 GEE 数据导出通常需要先将 Shapefile 上传至 Asset 空间。而利用 Python 环境下的 geemap 库，我们可以实现：
本地矢量直读：自动将本地 .shp 文件转换为云端可识别的几何对象。
流水线作业：通过循环机制，实现从“读取-检索-裁剪-导出”的全自动化。
数据一致性：通过 mosaic() 处理，解决研究区跨越不同遥感轨道图幅的拼接问题。
💻 核心代码实现
以下代码以 ALOS 30米全球高程数据 (V4.1) 为例，演示批量下载逻辑。
1. 环境初始化与代理配置
由于网络连接限制，国内环境下使用 Python 调用 GEE 接口通常需要配置代理端口。
import osimport eeimport geemap# 配置网络环境（根据本地代理软件端口进行调整）os.environ['HTTP_PROXY'] = 'http://127.0.0.1:7890'os.environ['HTTPS_PROXY'] = 'http://127.0.0.1:7890'# 初始化 Earth Engineee.Initialize()
2. 批量处理逻辑
脚本会自动扫描指定的 vector 目录，检索所有 .shp 文件并启动下载任务。
# 参数配置shp_directory = "vector" # 本地矢量存放路径local_output_directory = "output" # 遥感影像输出路径# 目录合规性检查if not os.path.isdir(shp_directory): print(f"Error: 路径 '{shp_directory}' 不存在") exit()os.makedirs(local_output_directory, exist_ok=True)# 筛选所有的矢量文件shapefiles = [f for f in os.listdir(shp_directory) if f.lower().endswith('.shp')]print(f"检测到 {len(shapefiles)} 个矢量文件，开始执行批量下载任务...")for shp_file in shapefiles: shp_path = os.path.join(shp_directory, shp_file) shp_name = os.path.splitext(shp_file)[0] try: # 1. 加载本地矢量并转换为GEE几何要素 ROI = geemap.shp_to_ee(shp_path) roi_geom = ROI.geometry() # 2. 此处以 ALOS DSM V4.1 数据集为例 # 使用 .mosaic() 处理跨幅影像，.clip() 进行空间裁剪 dataset = ee.ImageCollection("JAXA/ALOS/AW3D30/V4_1").select('DSM') dem = dataset.mosaic().clip(roi_geom) # 3. 设置输出文件名 output_file = os.path.join(local_output_directory, f"DEM_{shp_name}.tif") # 4. 执行导出 # 将数据转换为 Int16 以优化存储空间（高程值通常为整数） geemap.ee_export_image( dem.toInt16(), filename=output_file, scale=30, region=roi_geom, crs='EPSG:4326', file_per_band=False ) print(f"成功导出: {shp_name}") except Exception as e: print(f"处理文件 '{shp_name}' 时发生异常: {e}")print("任务执行完毕。")
🔬 关键技术要点说明
数据拼接策略：代码中采用 ee.ImageCollection(...).mosaic() 而非直接加载 ee.Image。这是因为在大尺度研究中，研究区往往跨越多个条带。mosaic() 能够将集合内的多幅影像根据行政边界无缝拼接。
存储优化：通过 .toInt16() 方法将高程值强制转换为 16 位整型。相比默认的 32 位浮点型，该操作可以在不损失高程精度（通常高程精度为 1 米）的前提下，将生成文件的大小压缩近 50%。
空间投影：明确指定 crs='EPSG:4326'。这保证了导出的影像具备标准的 WGS84 坐标系，便于后续在 ArcGIS、QGIS 等软件中进行多源数据叠置分析。
📈 总结
利用上述脚本，研究人员可以摆脱 GEE 繁杂的手动交互流程，将精力集中于数据分析本身。该框架具有极强的通用性：仅需更换 ee.ImageCollection 的数据 ID（如 Landsat 8/9、Sentinel-2 或 MODIS），即可快速迁移至其他遥感影像的下载任务。
提示：在执行大规模下载任务前，请务必确认本地磁盘空间充足，并建议先用一个小范围的矢量文件进行测试。
