如何在Google Earth Engine中高效实现点采样并优化任务下载速度？

核心问题原因 #

你当前使用getInfo()是同步阻塞请求，GEE需要完成全部计算后才会一次性返回所有结果，过程中无进度反馈，数千点的计算量很容易出现超时、卡顿问题，所以运行效率极低。

最优方案：使用异步导出任务完成采样 #

针对大数据量的点采样需求，GEE官方推荐使用异步导出任务的方式实现，任务会在GEE后台调度运行，不需要本地程序保持阻塞等待，稳定性和效率都远高于同步getInfo()请求。

改后代码示例 #

import ee
import time

def main():
    ee.Initialize()

    pts = ee.FeatureCollection([
      ee.Feature(ee.Geometry.Point([-118.6010, 37.0777])),
      ee.Feature(ee.Geometry.Point([-118.5896, 37.0778])),
      ee.Feature(ee.Geometry.Point([-118.5842, 37.0805])),
      ee.Feature(ee.Geometry.Point([-118.5994, 37.0936])),
      ee.Feature(ee.Geometry.Point([-118.5861, 37.0567]))
    ])

    img = ee.ImageCollection("LANDSAT/LT05/C01/T1_8DAY_NDVI").filterDate('1997-01-01', '2019-01-01')
    mean_img = img.reduce(ee.Reducer.mean())
    samples = mean_img.reduceRegions(**{
        'collection': pts,
        'scale': 30,
        'reducer': 'mean',
        'tileScale': 16 # 新增参数，拆分计算分片，降低超时概率
    })

    # 启动异步导出任务到Google Drive
    task = ee.batch.Export.table.toDrive(
        collection=samples,
        description='ndvi_point_sample',
        fileFormat='CSV'
    )
    task.start()

    # 可选：轮询任务状态，获取运行时反馈
    while task.active():
        print(f'当前任务状态：{task.status()["state"]}，已运行{task.status()["update_timestamp_ms"]/1000 - task.status()["start_timestamp_ms"]/1000:.0f}秒')
        time.sleep(10)
    
    # 任务结束后打印结果
    final_status = task.status()
    if final_status['state'] == 'COMPLETED':
        print('任务完成，采样结果已保存到你的Google Drive根目录下的ndvi_point_sample.csv文件')
    else:
        print(f'任务失败，错误信息：{final_status["error_message"]}')

if __name__ == '__main__':
    main()

任务运行状态查看方法 #

• 网页端查看：打开Google Earth Engine代码编辑器，右上角的「Tasks」面板可以看到所有提交任务的实时进度、运行状态和报错信息
• 代码端查看：如上示例中轮询task.status()即可拿到任务的实时状态，包含运行时长、进度、错误信息等内容

同步请求的优化技巧 #

如果你坚持使用同步getInfo()方式获取结果，可以做以下优化提升速度：

• 给reduceRegions添加tileScale参数，取值范围1-16，数值越大计算拆分越细，越不容易出现超时
• 如果点数量超过1000，拆分为多个小的FeatureCollection分批请求，不要一次性提交所有点
• 删掉Feature中不需要的冗余属性，减少数据传输体积

内容的提问来源于stack exchange，提问作者Rich