没有合适的资源？快使用搜索试试~ 我知道了~

首页第 07 节 GEE 的数据类型 (Image,Image Collection).pdf

第 07 节 GEE 的数据类型 (Image,Image Collection).pdf

需积分: 49 13 下载量 87 浏览量更新于2023-04-28 评论 1 收藏 2.16MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

32页

第 07 节 GEE 的数据类型 (Image,Image Collection).pdf

资源详情

资源评论

资源推荐

第

节

GEE

的数据类型

(Image

，

Image Collection)

GEE 作为一个遥感大数据平台，栅格图像是其核心数据。在 GEE 的代码中，栅格图像

以 Image 来表示。在本节中，我们将学习 GEE 中有关栅格图像的常见命令。

7.1 Image

下边介绍 GEE 中常见的栅格图像数据。第一种是遥感图像，包括 Landsat，Sentinel 和

MODIS 系列卫星的所有图像数据。第二种是地形影像，主要是 90m 和 30m 精度的 SRTM

影像，以及局部地区的高精度地形影像。第三种则是其他影像，包括土地利用图像、气象图

像等。

图 7.1 GEE 中的常见图像数据

用户还可以上传个人数据到 GEE 中，相应的步骤与矢量数据的上传类似。

图 7.2 上传个人栅格数据

下边介绍栅格数据的创建，代码及执行效果如下：

var Image_1 = ee.Image( 10 );

var Image_2 = ee.Image.constant( 20 );

var Image_3 = Image_1.add(Image_2)

print(Image_1,Image_2,Image_3);

图 7.3 创建栅格数据

此时创建的栅格数据没有“分辨率”的概念，或者说此时栅格的分辨率无限小，任意位置

都是指定的常数。常数栅格的创建常常见于遥感图像的时序分析，被当做方程中的常量。

下边介绍栅格的掩膜分析，代码及执行效果如下：

var Image_DEM = ee.Image( 'CGIAR/SRTM90_V4' );

var Image_Cropland = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3")

.select('landcover').eq(11);

var Image_Masked = Image_DEM.mask( Image_Cropland );

print(Image_DEM,Image_Cropland,Image_Masked);

Map.setCenter(106.4, 34.78, 4);

Map.addLayer( Image_DEM,

{"opacity":1,"bands":["elevation"],"min":0,"max":1400,"palette":["2dff07","ff0b0b"]},

' Image_DEM ' );

Map.addLayer( Image_Cropland,

{"opacity":1,"bands":["landcover"],"palette":["ffffff","fbff2d"]},

' Image_Cropland ' );

Map.addLayer( Image_Masked,

{"opacity":1,"bands":["elevation"],"min":0,"max":1400,"palette":["2dff07","ff0b0b"]},

'Image_Masked ');

图 7.4 栅格的掩膜分析

下边介绍栅格的裁剪，代码及执行效果如下：

var DEM = ee.Image("USGS/SRTMGL1_003");

var CQ = ee.FeatureCollection("users/wangjinzhulala/China_Provinces")

.filterBounds(ee.Geometry.Point([106.8, 29.3]))

var CQ_DEM = DEM.clip(CQ)

Map.setCenter(106.8, 29.3,7)

Map.addLayer(CQ_DEM,{min:0,max:2000})

图 7.5 栅格的裁剪

需要指出的是，栅格图像的掩膜操作只是给 GEE 指出图像的哪些部分不参加运算，而

栅格的裁剪则是直接将裁剪数据意外的部分删除。但在多数情况下，两者可以互用。

下边介绍栅格的选择创建，代码及执行效果如下：

var Glob_Cover = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3");

var Land_cover = Glob_Cover.select('landcover')

var Land_cover_quality = Glob_Cover.select('qa')

Map.setCenter(107.56, 34.79,4)

Map.addLayer(Land_cover)

Map.addLayer(Land_cover_quality)

Image_DEM

Image_Croplan

Image_Masked

图 7.6 栅格的选择创建

这里需要说明，GLOBCOVER_L4_2009 数据包含两个波段，一个波段是“landcover”，

用来说明土地利用类型。另一个波段是“qa”，用来说明某位置的数据来源(0 表示来源于

GLOBCOVER 项目，1 表示来源于其他数据集)。

下边介绍栅格的波段裁取创建，代码及执行效果如下：

var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT");

var L8_One = ee.Image(L8.filterBounds(ee.Geometry.Point(106.4958, 29.5856)).first())

var L8_Slice = L8_One.slice(2,5);

print(L8_One,L8_Slice)

图 7.7 栅格的波段裁取

波段裁取命令的两个参数分别表示裁取的起始和结束位置，由于代码语言中是从 0 开

始计数的，所以本例中的 2 和 5 分别表示第 3 和第 6 个位置。同时也可以看出，波段裁取只

执行到结束位置的前一个位置。

下边介绍栅格的添加，代码及执行效果如下：

var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT");

var L8_One = ee.Image(L8.filterBounds(ee.Geometry.Point(106.4958, 29.5856)).first())

var L8_B5 = L8_One.select('B5');

var L8_B4 = L8_One.select('B4');

var L8_B5_4 = L8_B5.addBands(L8_B4)

print(L8_B5,L8_B4,L8_B5_4)

图 7.8 栅格的添加

下边介绍栅格的重投影命令，代码及执行效果如下：

var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT");

var L8_One = ee.Image(L8.filterBounds(ee.Geometry.Point(106.4958, 29.5856)).first())

var L8_Reproject = L8_One.reproject('EPSG:3857',null,100)

print(L8_One.select('B1').projection(),L8_Reproject.projection())

Map.setCenter(106.58365, 29.56972,15)

Map.addLayer(L8_One,{"bands":["B5","B4","B3"],"min":10586,"max":18154},'30m')

Map.addLayer(L8_Reproject,{"bands":["B5","B4","B3"],"min":10586,"max":18154}, '100m')

图 7.9 栅格的重投影

这里注意，矢量的重投影命令是.transpose()，而栅格的重投影命令式.Reproject，两者的

操作目的是相同的，但却是不可混用的两个命令。

下边介绍栅格的色彩转换，代码及执行效果如下：

var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT");

var L8_One = ee.Image(L8.filterBounds(ee.Geometry.Point(106.4958, 29.5856))

.first()).slice(2,5).unitScale(0,32468)

var L8_HSV = L8_One.rgbToHsv()

var L8_RGB = L8_HSV.hsvToRgb()

print(L8_One,L8_HSV,L8_RGB)

Map.setCenter(106.5, 29.5,9)

Map.addLayer(L8_One,{},'Origin')

Map.addLayer(L8_HSV,{},'HSV')

Map.addLayer(L8_RGB,{},'RGB')

剩余31页未读，继续阅读

第 06 节_GEE 的数据类型(Geometry,Feature, Feature Collection).pdf

第 04 节_GEE 的数据类型 (String, Number).pdf

第 08 节 GEE 的数据类型 (Landsat Images, Confusion Marix).pdf

代码生成：GEE怎么加载去云影像

加载去云影像可以通过以下步骤实现： 1. 首先，需要将去云影像数据下载到本地。可以使用 Python 的 requests 库或者 FTP 等工具下载。...gee_image_collection = ee.ImageCollection([gee_image]) ```

如何将GEE分别上传的16张tif影像上传进资产中的数据集

您可以按照以下步骤将GEE分别上传的16张tif影像上传进资产中的数据集： 1. 在GEE中创建一个新的数据集，您可以使用以下代码： ```javascript var new_dataset = ee.ImageCollection('users/your_username/new_...

Line 27: Required argument (image2) missing to function: Image.first(image1, image2) Selects the value of the first value for each matched pair of bands in image1 and image2. If either image1 or image2 has only 1 band, then it is used against all the bands in the other image. If the images have the same number of bands, but not the same names, they're used pairwise in the natural order. The output bands are named for the longer of the two inputs, or if they're equal in length, in image1's order. The type of the output pixels is the union of the input types. Args: image1 (Image): The image from which the left operand bands are taken. image2 (Image): The image from which the right operand bands are taken.

var yearMonth = ee.String(ee.Image(collection.first()).date().format("YYYY-MM")); var merged = collection.mosaic().set('system:time_start', ee.Date(yearMonth).millis()); return merged; }; var ...

写出GEE平台利用MODIS数据进行相关性分析，先通过降水数据和MODIS计算的NDVI植被覆盖度，然后分别进行筛选，通过影像合并得到逐月的影像集合合成，然后筛选出降水和ndvi影像，分别计算计算相关性的JS代码

var yearMonth = ee.String(ee.Image(collection.first()).date().format("YYYY-MM")); var merged = collection.mosaic().set('system:time_start', ee.Date(yearMonth).millis()); return merged; }; var ...

GEE遥感生态指数代码

var ndviCollection = collection.map(calcNDVI); // Calculate the median NDVI for the entire collection var medianNDVI = ndviCollection.median(); // Display the result Map.addLayer(medianNDVI, {min: -...

不我想直接检测分好类的长时序土地覆被数据，不用卫星图像做

.map(lambda image, index: compute_diff(image, land_use_collection.get(index.add(1)))) # 将结果合并为一个图像 diff_image = ee.ImageCollection(diff_collection).mosaic() # 可视化结果 Map = ee.Map() ...

此星光明

粉丝: 6w+
资源: 930

上传资源快速赚钱

我的内容管理收起

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

会员权益专享

第 07 节 GEE 的数据类型 (Image,Image Collection).pdf

评论0

会员权益专享

最新资源

第 07 节 GEE 的数据类型 (Image,Image Collection).pdf

评论0

第 06 节_GEE 的数据类型(Geometry,Feature, Feature Collection).pdf

第 04 节_GEE 的数据类型 (String, Number).pdf

第 08 节 GEE 的数据类型 (Landsat Images, Confusion Marix).pdf

代码生成：GEE怎么加载去云影像

如何将GEE分别上传的16张tif影像上传进资产中的数据集

GEE中.copyProperties

请给出在GEE中计算EVI的代码

gee下载MOD44B.006

gee下载landsat8数据

基于GEE进行水体掩膜

GEE下载MODIS地表温度数据

如何使用python本地快速下载GEE数据

GEE批量下载运月MOD13Q1 NDVI数据代码

GEE下载月度合成影像

gee对landsat云掩膜

gee下载sentinel1数据

写出GEE平台利用MODIS数据进行相关性分析，先通过降水数据和MODIS计算的NDVI植被覆盖度，然后分别进行筛选，通过影像合并得到逐月的影像集合合成，然后筛选出降水和ndvi影像，分别计算计算相关性的JS代码

GEE遥感生态指数代码

不我想直接检测分好类的长时序土地覆被数据，不用卫星图像做

会员权益专享

最新资源