介绍 Google Earth Engine (GEE) 的核心算力——EEUC

随着 Google Earth Engine (GEE) 商业化进程的推进以及针对学术/非商业用户的配额（Quota）政策落地，遥感领域的科研人员和开发者们越来越频繁地看到一个词：EECU。

无论你是在处理基础的单景影像，还是在运行复杂的长时序分析模型，理解 EECU 的运作机制应该是每一位 GEE 用户的必修课。本文将从底层逻辑出发，全面解析 EECU 的概念、计算方式以及在日常科研中如何优化代码以节省算力。

---

1. 什么是 EECU (Earth Engine Compute Unit)？

EECU（Earth Engine 计算单元） 是 Google 独创的一个抽象概念，用于衡量在 GEE 平台上执行运算所消耗的“算力”。

由于 GEE 的底层依赖于 Google 庞大且异构的数据中心，当你提交一段代码时，后台可能会调用各种不同型号、不同代际的 CPU 和内存资源。为了建立一个统一的计费和配额标准，Google 将这些复杂的硬件资源消耗标准化，统称为 EECU。

你可以将其简单理解为：GEE 中的“算力”。

---

2. 现实时间 vs. 算力时间：分布式计算的魔法

大家最容易产生的疑惑是：“我点下 Run 之后，代码明明只跑了 2 分钟，为什么后台显示我消耗了 2 个小时的 EECU？”

这正是 GEE 分布式并行计算的强大之处。当你执行复杂的地理空间运算时（例如：使用计算某个地区的NDVI），GEE 并不会在一台服务器上死磕。

它背后的逻辑如下：

1. 任务拆分（Tiling）： GEE 会将你的研究区域切分成无数个小的区域。
2. 并发执行（Parallelism）： 系统会自动调度成百上千个计算节点（Nodes），同时对这些区域进行处理。
3. 汇总输出（Reduce）： 所有节点计算完毕后，将结果拼接并返回给你。

结论： 如果 GEE 调用了 60 台标准服务器，每台为你全速计算了 1 分钟，那么你感受到的现实等待时间只有 1 分钟，但你实际消耗的算力总和是 60 分钟（即 1 EECU-hour）。

（ps：感觉这样很亏啊，这就花了1 EECU-hour）

3. 单位换算：EECU-seconds 与 EECU-hours

在 GEE 的不同界面中，你通常会看到两种不同的量纲。它们在本质上是相同的，只是为了适应不同维度的监控需求：

• EECU-seconds（微观调试）： 主要出现在 GEE Code Editor 的 Profiler（性能分析器） 中。因为单次代码试运行（如查看几张图层）的算力消耗通常极小，用“秒”作为单位更利于开发者精准定位代码中哪一行最耗费资源。
• EECU-hours（宏观配额）： 主要出现在 Google Cloud Console 的账单或配额监控面板中。对于非商业的 Contributor 层级用户，Google 目前提供的免费额度通常是每月 1000 EECU-hours。但是对于没有认证的，谷歌默认是community层级的额度，只有150 EECU-hours

换算公式十分简单：

• 1 EECU-hour = 3600 EECU-seconds

---

4. 为什么会触发“受限模式 (Restricted Mode)”？

在长时序、大尺度的遥感研究中（例如利用海量的 Sentinel-1 SAR 数据提取大型湖泊群落的水体动态变化），数据 I/O 和计算量是惊人的。

如果你的代码缺乏优化，或者提交了大量并行的 Export 任务，很容易在短时间内耗尽每月分配的 EECU-hours。一旦免费额度耗尽，你的账号就会进入受限模式 (Restricted Mode)：

• 不会封号，也不会产生意外扣费（前提是未绑定商业结算卡）。
• 算力降级：GEE 分配给你的并发节点数量会大幅断崖式下跌。原本几分钟能加载出来的图层，现在可能需要一直转圈；原本几小时能导出的影像，可能会直接报 Timeout 或 Memory Limit Exceeded 错误。

---

5. 如何写出“省 EECU”的科学代码？

以下是三个能显著降低 EECU 消耗的方法：

方法一：先过滤，后计算 (Filter First, Compute Later)

不要对整个 ImageCollection 进行数学运算后再去筛选时间和空间。必须严格遵循 filterBounds() 和 filterDate() 优先的原则。过滤掉不需要的影像是不消耗任何 EECU 的。

方法二：避免滥用 clip()

在复杂的时序计算过程中，过早地使用不规则矢量多边形（Polygon）去 clip() 影像会极大增加边缘像元的计算负担。

• 科学做法： 在计算中间过程（如波段运算、指数计算）时保留矩形边界，只在最后一步可视化或导出（Export）时，再通过 region 参数指定你的研究区边界。

方法三：合理设置 Scale

在 reduceRegion 或 Export 时，强制使用过高的分辨率（极小的 scale 值）会导致计算量呈指数级爆炸。应严格根据源数据的物理分辨率（例如 Sentinel-1/2 的 10m，Landsat 的 30m）或研究的实际科学需求来设定尺度，拒绝无效的超采样。

---

最后想说的是

希望大家都能有多多的额度！！！