GEE提取影像几个特征的代码
时间: 2023-04-06 20:01:17 浏览: 97
以下是使用 GEE 提取影像特征的示例代码:
// 导入 GEE 库
var ee = require('users/google/earthengine:ee');
// 加载影像
var image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318');
// 提取 NDVI 特征
var ndvi = image.normalizedDifference(['B5', 'B4']);
// 提取 NDBI 特征
var ndbi = image.normalizedDifference(['B6', 'B5']);
// 提取 NDSI 特征
var ndsi = image.normalizedDifference(['B3', 'B6']);
// 输出结果
print('NDVI:', ndvi);
print('NDBI:', ndbi);
print('NDSI:', ndsi);
相关问题
GEE提取影像几何特征的代码
以下是一个示例代码,用于提取影像的几何特征:
```python
import ee
# 初始化 Earth Engine
ee.Initialize()
# 选择一个影像
image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318')
# 提取影像的几何特征
area = image.geometry().area()
bounds = image.geometry().bounds()
centroid = image.geometry().centroid()
```
以上代码使用 Google Earth Engine (GEE) 提取了一个 Landsat 8 影像的几何特征,包括影像的面积、边界和中心点。
GEE读取无人机遥感影像的纹理特征代码
以下是使用 Google Earth Engine (GEE) 读取无人机遥感影像的纹理特征代码示例:
```javascript
// 定义区域(这里以坐标点为例)
var point = ee.Geometry.Point([-105.84, 40.58]);
// 加载无人机遥感影像(这里以 Sentinel-2 影像为例)
var image = ee.ImageCollection('COPERNICUS/S2_SR')
.filterBounds(point)
.filterDate('2020-01-01', '2020-12-31')
.sort('CLOUD_COVERAGE_ASSESSMENT')
.first();
// 计算灰度共生矩阵纹理特征(这里以对比度为例)
var glcm = image.select(0).glcmTexture({size: 3});
var contrast = glcm.select('contrast');
// 显示结果
Map.centerObject(point, 12);
Map.addLayer(image, {bands: ['B4', 'B3', 'B2'], min: 0, max: 3000}, 'image');
Map.addLayer(contrast, {min: 0, max: 1000}, 'contrast');
```
在上述代码中,我们首先定义了一个点坐标作为区域,然后加载了 Sentinel-2 影像集,并筛选出了指定日期范围内的影像。接着,我们使用 `glcmTexture()` 函数计算了灰度共生矩阵纹理特征中的对比度,并将结果添加到地图中进行显示。
值得注意的是,上述代码仅仅是读取了单个点的纹理特征,如果需要读取整个遥感影像的纹理特征,则需要使用更为复杂的算法和代码。