基于gee哨兵2的水面提取

# 导入gee库
import ee

# 初始化gee
ee.Initialize()

# 定义区域
roi = ee.Geometry.Point(116.38, 39.90)

# 获取哨兵影像
sentinel = ee.ImageCollection('COPERNICUS/S2') \
    .filterBounds(roi) \
    .filterDate('2021-01-01', '2021-12-31') \
    .sort('CLOUDY_PIXEL_PERCENTAGE') \
    .first()

# 选择指定波段
water_image = sentinel.select('B2', 'B3', 'B4', 'B8')

# 应用水体提取算法
water = water_image.expression(
    '(B2 + B3 + B4) / B8 > 2.1 ? 1 : 0')

# 可视化水体提取结果
waterVis = {
  'min': 0,
  'max': 1,
  'palette': ['white', 'blue']
}
Map.addLayer(water, waterVis, 'Water')
Map.centerObject(roi, 10)

相关问题

基于gee的红树林提取代码

基于Google Earth Engine (GEE) 的红树林提取通常涉及遥感数据分析和地理空间处理。下面是一个简化的Python脚本示例，用于从GEE平台上提取红树林数据，假设我们使用的是NDVI（归一化差分植被指数）作为红树林的一个识别指标：

import ee
ee.Authenticate()  # 登录GEE账户
ee.Initialize()

# 定义红树林的阈值范围
red_threshold = [0.4, 0.8]  # 这里可以根据实际情况调整

def is_red_forest(image):
    ndvi = image.normalizedDifference(['B5', 'B4'])  # B5代表近红外波段，B4代表可见光谱波段
    return ndvi.updateMask(ndvi.gt(red_threshold[0]).And(ndvi.lt(red_threshold[1])))

# 加载合适的遥感影像层（例如MODIS NDVI）
collection = ee.ImageCollection('MODIS/006/MOD13Q1').filterDate('2010-01-01', '2010-12-31')  # 筛选时间段

# 对每个影像应用红树林提取函数
filtered_images = collection.map(is_red_forest)

# 提取结果合并为单张图像，并下载到Google Drive或其他服务
red_forest_image = filtered_images.mean()
task = ee.batch.Export.image.toDrive(
    image=red_forest_image,
    description='red_forest_extraction',
    folder='GEE_outputs',
    scale=30  # 下采样分辨率
)
task.start()

请注意，这只是一个基础示例，实际操作可能需要根据具体的红树林数据源、季节变化以及环境条件进行调整。此外，GEE的数据访问可能会有成本限制，使用前需了解相关规定。

gee哨兵2波段下载

在Google Earth Engine (GEE) 中下载哨兵2波段数据，你可以按照以下步骤进行操作：

1. 首先，你需要上传一个矢量数据shapefile文件，用于查询一定范围内的哨兵数据。你可以使用GEE提供的上传功能将shapefile文件导入到GEE中。\[1\]

2. 接下来，你可以使用筛选功能来选择你感兴趣的波段。例如，你可以使用以下代码筛选出VV和VH双偏振图像，并且仅选择干涉测量宽幅模式下收集的图像。\[2\]

3. 如果你想要控制云量并将数据加载到地图上，你可以使用以下代码来实现。这段代码会加载特定时间段内的Sentinel-2 TOA反射数据，并进行云掩膜处理。然后，你可以使用Map.addLayer函数将处理后的图像添加到地图上。\[3\]

请注意，下载数据的大小和GEE本身的限制。如果数据过大，你可能需要分批次导出或者选择较小的区域进行下载。

希望这些信息对你有帮助！
#### 引用[.reference_title]
- *1* *3* [GEE 01 -Sentinel2A 哨兵数据下载](https://blog.csdn.net/suntongxue100/article/details/113374742)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [Google Earth Engine（GEE）批量下载哨兵1号数据](https://blog.csdn.net/guaicaicexu/article/details/126496130)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]