Sentinel影像多时间指标计算与分析脚本介绍

使用该脚本能够从Sentinel 2影像中生成中位数图像组合，以及基于NDBI（归一化差异建筑指数）、NDVI（归一化差异植被指数）和NDWI（归一化差异水体指数）生成RGB复合影像。此外，还能从Sentinel 1影像中生成包含90、50、05百分位值的复合材料，并计算VV和VH极化的标准偏差。该脚本接受输入参数，包括日期范围、几何图形和可选的Sentinel-1轨道路径。" 知识点详细说明: 1. Google Earth Engine（GEE）: Google Earth Engine是一个云平台，提供了对全球尺度的地理和地球科学数据（包括卫星影像）的快速访问和处理能力。它允许用户分析大规模的数据集，支持时间序列分析、地理数据挖掘和可视化。 2. Sentinel卫星系列: Sentinel卫星系列是欧洲空间局(ESA)的地球观测卫星计划，目的是为欧洲哥白尼计划提供数据。Sentinel-1是一对携带合成孔径雷达（SAR）的卫星，适合全天候、不分昼夜的地球表面监测。Sentinel-2携带多光谱成像仪，用于提供高分辨率的光学影像，覆盖地球表面多种特征。 3. 多时相指标计算: 在遥感领域，多时相指标计算是指利用同一地区不同时间点采集的数据，来分析该地区的时空变化。这种方法对于监测植被生长周期、土地覆盖变化、农作物产量预测等具有重要意义。 4. 中位数图像组合（Sentinel-2）: 中位数图像组合是通过选取一组影像中每个像素点的中位数值，来制作一张新的合成图像。这种方法有助于减少异常值的影响，突出地面真实情况的代表，常用于抑制云和阴影等干扰因素。 5. RGB复合影像: RGB复合影像是利用三波段遥感影像数据（通常是红色、绿色、蓝色波段）合成一个彩色图像。在该脚本中，NDBI、NDVI和NDWI分别被用来代表不同的地物特征，通过彩色组合的方式可以直观展现地表信息。 6. 归一化差异指数（NDVI、NDBI、NDWI）: - NDVI（归一化差异植被指数）: 是一种利用红光和近红外波段数据的植被指数，可以用来评估植被的生长状态和密度。 - NDBI（归一化差异建筑指数）: 侧重于监测城市扩张和建筑物覆盖，通过近红外和短波红外波段的差异来识别人造地物。 - NDWI（归一化差异水体指数）: 用于探测地表水体，通过近红外和中红外波段的差异来区分水体和其他地物。 7. Sentinel-1 SAR数据极化: Sentinel-1使用的是SAR（合成孔径雷达）技术，具有能够穿透云层和进行日夜监测的能力。VV和VH是两种不同的极化模式。VV极化表示垂直发射和垂直接收，VH表示垂直发射和水平接收。极化的标准偏差可以揭示地物的粗糙程度和变化特性。 8. JavaScript与Google Earth Engine脚本编写: Google Earth Engine允许使用JavaScript API进行编程，因此用户可以编写脚本来处理和分析数据集。编写脚本需要了解JavaScript语法以及Google Earth Engine提供的API和类库。 9. 时间、几何图形和轨道路径参数: 在使用该脚本时，用户需要指定时间范围、感兴趣的几何图形（例如多边形或点）以及可选的Sentinel-1轨道路径。这些参数定义了数据分析的范围和条件，是进行遥感影像处理的前提。 10. 百分位数（Sentinel-1）: 在处理SAR数据时，百分位数复合是一种将不同时间点上相同百分位数值的像素值合成一张影像的方法。在该脚本中，90、50、05百分位数用于描述不同强度的回波信号特征，有助于更好地理解地表的变化情况。 总结，该资源提供了一个强大的遥感影像分析工具，它利用Google Earth Engine平台和JavaScript语言，能够有效地从Sentinel 1和2影像中提取多时相度量指标，为地理和环境研究提供了便利。通过该脚本，研究者和开发者可以更深入地了解和分析地表覆盖情况，监测和评估环境变化。