- 博客(43)
- 收藏
- 关注
RSS订阅原创 使用Google Earth Engine (GEE) 将加载完成的影像导出到Google Drive 是一项常见的任务
使用Google Earth Engine (GEE) 将加载完成的影像导出到Google Drive 是一项常见的任务。在本教程中，我将为您提供一个详细的步骤，以便正确地将加载完成的影像导出到Google Drive。在这个示例中，我们定义了一个矩形区域作为感兴趣区域（ROI），然后从Landsat 8数据集中选择了2019年的第一幅影像，并选择了可见光波段B4、B3和B2作为要导出的数据。在这个示例中，我们定义了导出任务的参数，包括要导出的影像（可以获取导出任务完成后的下载链接，并将其打印出来。
2023-09-28 07:07:22
341
原创 使用focalMode在Google Earth Engine中简化影像并快速转化为矢量数据
在GEE中，可以利用focalMode函数对影像进行简化操作，以便快速转化为矢量数据。在上面的代码中，我们使用reduceToVectors函数将简化后的影像转化为矢量数据。通过上述步骤，我们可以利用focalMode函数将影像简化，并快速转化为矢量数据。最后，我们可以将简化后的影像转化为矢量数据。在GEE中，我们可以使用reduceToVectors函数将影像转化为矢量要素集合。在上面的代码中，我们定义了一个名为simplifyImage的函数，它接受影像、分辨率和窗口大小作为输入，并返回简化后的影像。
2023-09-28 05:44:25
153
原创 Google Earth Engine: 中位移运算的简单而重要应用
GEE中的中位移运算是一种重要的功能，可以在空间和时间维度上对遥感图像进行处理和分析。在GEE中，中位移运算被扩展到遥感图像上，可以对每个像素在一定时间范围内的像素值进行排序，并取其中位数作为结果。通过对相同区域的多个时间点的遥感图像进行中位移运算，可以得到每个像素在时间序列上的中位数，从而观察地表的动态变化，例如植被生长、土地利用变化等。提取特定信息：中位移运算还可以用于提取遥感图像中的特定信息。例如，通过对多个雷达图像进行中位移运算，可以提取出地表的高度信息，进而用于数字地形模型（DTM）的生成。
2023-09-28 04:43:07
110
原创 Google Earth Engine: 从长时间序列的 NDVI 影像中提取单点数据并保存为 CSV 表格
通过使用 Google Earth Engine 平台和 JavaScript 编程语言，我们可以方便地从长时间序列的 NDVI 影像中提取单点位置处的数据，并将其保存为 CSV 表格。利用 GEE 的丰富资源和功能，我们可以进行更深入的地理空间分析，从而获得有关植被状况和生长趋势的更多见解。在本文中，我们将使用 Google Earth Engine 平台和 JavaScript 编程语言来提取单点位置处的 NDVI 数据，并将其保存为 CSV（逗号分隔值）格式的表格。
2023-09-28 04:23:02
327
原创 使用 Google Earth Engine 中的 `where` 函数进行等级划分并计算不同阈值范围内的面积——以 AOD 气溶胶为例
表示阈值范围为 0.1 到 0.3 的 AOD 为等级 1，0.3 到 0.5 的 AOD 为等级 2，以此类推。然后，我们加载了 MODIS 的 AOD 数据集，并根据区域范围进行筛选，并选择了所需的 AOD 波段。然后，我们加载了 MODIS 的 AOD 数据集，并根据区域范围进行筛选和选择所需的 AOD 波段。函数根据阈值将 AOD 数据划分为不同的等级，并计算每个等级的面积。函数根据阈值将 AOD 数据划分为不同的等级，并计算每个等级的面积。接下来，我们定义了阈值范围和对应的等级，例如。
2023-09-28 02:45:23
112
原创 地球引擎高级教程：GEE中的地形分析
我们学习了如何计算坡度、坡向和高程剖面，并提供了相应的源代码示例。通过利用GEE的功能，我们可以更好地了解地球表面的地形特征，并为各种应用领域提供有价值的信息。本文将介绍如何在GEE中进行地形分析，并提供相应的源代码示例。请注意，以上代码示例是使用GEE的JavaScript API编写的，可以在GEE平台上直接运行。如果您使用的是Python API或其他编程语言，可以将相应的代码进行相应的适配和转换，以实现类似的地形分析功能。坡度是地形分析中的一个重要指标，它描述了地表的陡峭程度。
2023-09-28 01:49:04
319
原创 Google Earth Engine中MODIS EVI指数数据的时间序列拟合与阶谐波模型的案例分析
接着，我们将趋势模型中的系数与1到6的阶谐波相乘，并加上相应的偏移量，得到拟合值。在本文中，我们将使用GEE中的MODIS EVI指数数据，展示如何进行时间序列拟合，并使用阶谐波模型进行案例分析。总结起来，本文展示了如何使用Google Earth Engine进行MODIS EVI指数数据的时间序列拟合，并使用阶谐波模型进行案例分析。在GEE中，我们可以使用reduce()函数来对时间序列进行统计分析。通过上述代码，我们可以获得MODIS EVI指数数据的时间序列拟合结果，并对趋势和周期性进行分析。
2023-09-28 00:33:04
251
原创 使用Google Earth Engine计算NDVI并导出结果并通过用户界面进行批量导出
本文将介绍如何使用GEE计算MODIS影像的NDVI，并将结果导出，并通过用户界面（UI）实现批量导出。MOD09GA是MODIS的地表反射率产品，包含了红外（Near-Infrared）和红色（Red）波段的数据。导出函数将选定影像的NDVI结果导出为Google Drive中的GeoTIFF文件。现在，我们已经计算出每个MOD09GA影像的NDVI并将其作为新的波段添加到图像集合中。接下来，我们将定义一个用户界面（UI），以便选择导出的NDVI结果。来选择2000年至2020年的数据。
2023-09-24 18:43:15
595
1
原创 利用 Google Earth Engine 的 ui.SplitPanel 对比查看不同时间段的空气质量案例
在本案例中，我们将利用 GEE 的 ui.SplitPanel 功能，对比查看不同时间段的空气质量情况。你可以根据自己的需求，修改时间段和数据集，以及对图层的样式进行调整。运行上述代码后，你将在地图窗口中看到一个水平分割的窗格，左侧显示了 2022 年的空气质量图层，右侧显示了 2023 年的空气质量图层。这里，我们将使用一个包含空气质量数据的数据集。在上述代码中，我们首先创建了一个地图窗口，并设置了地图的中心和缩放级别。接下来，我们可以创建一个地图窗口，并在窗口中添加两个图层来对比不同时间段的空气质量。
2023-09-24 10:24:19
130
原创 使用Google Earth Engine提取Sentinel Level A数据中的水域面积
然后，我们将掩膜乘以每个像素的面积，并将结果除以1e6，以获得以平方千米为单位的水域面积。在这篇文章中，我们将介绍如何使用Google Earth Engine (GEE) 平台来提取Sentinel卫星的Level A数据中的水域面积。您可以根据需要对代码进行修改和优化，并在GEE平台上进行进一步的探索和分析。在这个例子中，我们使用了Folium库来创建交互式地图，并使用Choropleth函数将水域面积添加到地图上。如果您只对特定区域的水域面积感兴趣，可以使用GEE平台的空间过滤功能来限制分析的范围。
2023-09-24 07:35:46
247
原创 Google Earth Engine中mask()和updateMask()的区别
在上述代码中，ndvi.gte(0.3)返回一个布尔类型的图像，其中像素值大于等于0.3的位置为true，小于0.3的位置为false。在上述代码中，ndvi.lt(0.5)返回一个布尔类型的图像，其中像素值小于0.5的位置为true，大于等于0.5的位置为false。在GEE中，mask()和updateMask()是两个常用的函数，用于在图像处理过程中掩盖或剔除不感兴趣的区域。综上所述，mask()函数用于创建新的遮罩图像，而updateMask()函数用于在现有遮罩的基础上更新遮罩。
2023-09-23 12:14:14
328
原创 支持向量机分类：参数说明和官方案例（基于 Google Earth Engine）
惩罚参数用于控制分类器的复杂度和容错率，较大的惩罚参数将导致更严格的分类边界，可能会导致过拟合；松弛变量是一种允许一些样本位于错误的一侧的机制，它们的数量取决于惩罚参数的设置。它的主要思想是找到一个最优的超平面，将不同类别的样本分开。在本文中，我们将介绍支持向量机分类算法的参数说明，并提供一个基于 Google Earth Engine（GEE）的官方案例来说明其应用。是用于训练分类器的样本数据集，可以是一个 FeatureCollection，其中包含了每个样本的属性和类别信息。
2023-09-22 23:17:53
237
原创 Google Earth Engine 金字塔重分类应用分析：提升MODIS土地覆盖分类到Landsat分辨率
金字塔重分类是一种将低分辨率的数据升级到高分辨率的方法。例如，MODIS传感器的土地覆盖分类数据通常具有较低的分辨率（例如500米），而Landsat传感器的数据通常具有较高的分辨率（例如30米）。金字塔重分类可以通过空间插值的方法，将低分辨率数据的空间细节提升到高分辨率，从而获得更精细的分类结果。在这篇文章中，我们将使用GEE来探索金字塔重分类应用，具体是将MODIS土地覆盖分类数据升级到Landsat的分辨率。您可以在GEE的官方文档和示例库中找到更多关于金字塔重分类和其他功能的详细信息。
2023-09-22 21:08:44
258
原创 Google Earth Engine：通过条件语句对几何图形进行筛选和添加属性
在Google Earth Engine（GEE）中，我们可以使用条件语句来对几何图形进行筛选，并向矢量集合添加指定的属性。综上所述，我们可以使用Google Earth Engine中的条件语句对几何图形进行筛选，并向矢量集合添加指定的属性。在上述代码中，'attribute_name’是待筛选属性的名称，'value’是我们要筛选的属性值。在上述代码中，我们使用map函数遍历filteredCollection中的每个几何图形，并使用set方法添加一个新属性。
2023-09-22 05:34:43
320
原创 Google Earth Engine中使用Sentinel多光谱影像加载和不同颜色展示
通过加载Sentinel影像并对其进行不同颜色的展示，我们可以获得具有丰富信息的可视化结果。通过以上代码示例，我们可以在GEE中加载Sentinel多光谱影像，并使用不同的颜色方案来展示影像。你可以根据自己的需求选择适合的颜色方案来展示Sentinel影像的不同特征。在真彩色可视化中，红色通道对应于红光波段（B4），绿色通道对应于绿光波段（B3），蓝色通道对应于蓝光波段（B2）。请注意，上述代码示例仅展示了加载和可视化Sentinel影像的基本过程。接下来，我们可以选择不同的颜色方案来展示加载的影像。
2023-09-21 22:55:12
473
原创 Google Earth Engine 影像串联的案例分析及使用 ee.Image.cat 函数
我们首先导入了必要的库和影像数据，然后选择了感兴趣的区域并筛选了影像数据集。接着，我们使用 ee.Image.cat 函数对选定的影像进行了串联操作，并将结果进行了可视化。在 Google Earth Engine（GEE）平台上，我们可以利用 ee.Image.cat 函数对影像进行串联操作，将多个影像按照指定的维度进行连接。通过以上步骤，我们成功地使用 ee.Image.cat 函数对选定的 Sentinel-2 影像进行了串联操作，并将结果可视化在了地图上。首先，我们需要导入必要的库和影像数据。
2023-09-21 19:41:42
439
原创 改善监督分类结果的主成分分析在地球引擎中的高级应用
主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术，可以在保留数据信息的同时减少特征的数量。在地球引擎（Google Earth Engine，GEE）中，使用主成分分析可以改善监督分类结果，提高分类的准确性。在监督分类中应用主成分分析的目的是降低特征维度，去除冗余信息，并提取最具分类能力的特征，从而改善分类结果。通过降低特征维度和提取最具分类能力的特征，可以提高分类的准确性和可靠性。根据主成分分析的结果，选择具有较高方差贡献的主成分作为最终的特征。
2023-09-21 18:37:30
417
原创 Google Earth Engine中加载和展示MODIS/MYD10A1数据集中的NDSI波段
在本文中，我们将重点介绍如何加载和展示MODIS/MYD10A1数据集中的NDSI（Normalized Difference Snow Index，标准化差异雪指数）波段。通过以上步骤，我们可以加载和展示MODIS/MYD10A1数据集中的NDSI波段。你可以根据自己的需要修改代码中的区域、时间范围和可视化参数，以获取适合你研究的数据和展示效果。方法将NDSI波段影像图层添加到地图上，并指定图层的可视化参数和名称。在以上代码中，我们首先定义了NDSI波段影像的可视化参数。在以上代码中，我们首先使用。
2023-09-21 16:49:34
533
原创 使用Google Earth Engine Python提取数据请求和获取缩略图URL链接
借助GEE的Python API，我们可以方便地进行数据提取和处理，并生成缩略图以便进行可视化。本文将介绍如何使用GEE的Python API来提取数据请求并获取缩略图的URL链接。通过上述步骤，我们可以使用Google Earth Engine Python API提取数据请求并获取缩略图的URL链接。请注意，生成的缩略图URL链接只在一段时间内有效，并且需要身份验证才能访问。然后，我们可以设置筛选条件，以便选择特定的时间范围。现在，我们可以通过指定感兴趣区域和筛选后的数据集来提取数据。
2023-09-21 11:43:42
470
原创 使用Python进行NDVI影像的邻域统计和基于矢量集合的统计
在本文中，我们将探讨如何使用Python对NDVI影像进行邻域统计，并根据矢量集合中的列表进行统计分析。我们将使用GEE（Google Earth Engine）平台获取NDVI影像数据，并使用Python中的相应库进行处理和分析。然后，我们使用邻域统计方法计算了每个像元周围的平均NDVI值，并可视化了结果。最后，我们根据矢量集合中的列表对NDVI影像进行了统计分析。现在，我们已经计算了每个像元周围的平均NDVI值，并对结果进行了可视化。接下来，我们将根据矢量集合中的列表对NDVI影像进行统计分析。
2023-09-21 11:04:11
529
原创 使用Google Earth Engine自动化生成30米Landsat影像和土地分类
在本文中，我们将介绍如何使用Google Earth Engine来自动获取并制作30米分辨率的Landsat影像，并进行土地分类。在上述代码中，我们首先对每个波段进行直方图均衡化，以增强影像的对比度。接下来，我们使用SVM分类器对训练样本进行训练，并使用训练好的分类器对影像进行分类。接下来，我们使用SVM分类器对训练样本进行训练，并使用训练好的分类器对影像进行分类。在进行土地分类之前，我们可以对影像进行一些增强操作，以改善分类结果。在进行土地分类之前，我们可以对影像进行一些增强操作，以改善分类结果。
2023-09-21 05:24:00
594
原创 使用Google Earth Engine下载Landsat影像视频并进行Uint8转换
本文将介绍如何使用GEE下载Landsat影像视频，并将其转换为Uint8格式，以便在常见的图像处理软件中使用。通过使用GEE和Python，我们可以方便地获取和处理遥感数据，以满足各种地理空间分析和可视化的需求。在上述代码中，我们首先使用Rasterio库打开下载的影像文件。最后，我们使用Rasterio库将转换后的影像数据写入新的文件中。在上述代码中，我们首先定义了一个Landsat影像集合，然后根据指定的起止日期和区域进行过滤。对于每个影像，我们获取其ID，并将其下载到指定的输出目录中。
2023-09-21 04:30:48
666
原创 中国上海夜间灯光数据时序分析
通过对时序数据的分析，我们可以了解上海市的夜间灯光变化趋势，并从中获取有关城市发展、经济活动和环境变化等方面的信息。通过这些代码示例，我们可以使用Google Earth Engine平台对中国上海的夜间灯光数据进行时序分析。GEE提供了多个夜间灯光数据集，其中包括DMSP-OLS夜间灯光数据集和VIIRS夜间灯光数据集。接下来，我们可以计算每个时间步的夜间灯光平均值，并将结果可视化。运行上述代码后，会在控制台输出一个折线图，显示了2019年1月至2023年8月期间上海夜间灯光的时序变化。
2023-09-20 22:39:16
586
原创 GEE 巴西年度土地覆盖数据下载和地图展示教程
Google Earth Engine 是一个强大的云平台，提供了世界各地的遥感数据和分析工具，可以用于地球科学研究、环境监测和资源管理等领域。通过分析巴西的年度土地覆盖数据，我们可以了解到该地区的森林覆盖变化、农业扩张和城市化发展等情况。通过这种方式，您可以根据自己的需求获取并可视化感兴趣的土地覆盖类型数据。请注意，上述代码仅提供了一个基本的示例，您可以根据自己的需求进行进一步修改和定制。完成上述步骤后，您将在 GEE 编辑器的地图窗口中看到巴西选定时间范围内的特定土地覆盖类型图像。
2023-09-20 20:12:56
667
1
原创 使用Google Earth Engine (GEE)下载研究区域的所有单景影像
我们可以通过在GEE中搜索相应的数据集并选择合适的影像集合。在本文中，我们将介绍如何使用GEE来下载研究区域的所有单景影像，并提供相应的源代码。通过以上步骤，我们可以使用GEE下载研究区域的所有单景影像。注意，由于GEE的计算资源限制，下载大量影像可能需要较长的时间。因此，在实际应用中，我们可能需要根据具体需求和计算资源的限制来选择下载的影像数量。在GEE中，我们可以使用几何图形对象来定义我们的区域。在上面的代码中，我们首先将影像集合转换为一个影像列表，并获取列表的长度。在上面的代码中，我们使用。
2023-09-19 20:55:11
737
原创 分层抽样与广义估计方程（GEE）：优化大规模数据分析
分层抽样是一种常用的统计抽样方法，在研究设计和数据分析中具有广泛的应用。而广义估计方程（Generalized Estimating Equations，GEE）是一种用于处理相关数据的统计方法。本文将介绍分层抽样和GEE的基本概念，以及如何使用这两种技术来优化大规模数据分析。
2023-09-19 17:23:16
644
原创 Google Earth Engine：ee.Join.inner的使用方法
本文将介绍ee.Join.inner的使用方法，并提供相应的源代码示例。希望本文能够帮助你理解ee.Join.inner函数的使用方法，并在Google Earth Engine中进行数据连接和合并操作。在这个示例中，我们使用ee.Join.inner()函数创建了一个内连接操作，并通过.apply()方法应用于两个数据集。ee.Join.inner函数用于执行内连接操作，它将两个数据集按照指定的键进行匹配，并返回匹配的结果。在这个示例中，我们假设两个数据集都有一个名为’key’的属性，这将作为连接的键。
2023-09-19 12:32:53
496
原创 Google Earth Engine Sentinel 综合查看两个月前后自动滑坡监测，两者之间的差异
本文将介绍如何使用GEE和Sentinel数据来实现两个月前后的自动滑坡监测，并比较两者之间的差异。通过以上步骤，我们可以使用GEE和Sentinel数据实现两个月前后的自动滑坡监测，并比较两者之间的差异。这种方法可以帮助我们更好地了解地表变化，及时发现潜在的滑坡风险，并采取相应的预防和控制措施。通过上述代码，我们可以获取两个时间点的NDVI差异图像，并将阈值分割后的滑坡区域可视化在地图上。通过上述代码，我们可以获取两个时间点滑坡监测结果的差异图像，并将其可视化在地图上。希望本文对您有所帮助！
2023-09-19 09:35:32
843
原创 GEE教程：图像集合降维和中位数计算的差异
在Google Earth Engine（GEE）中，图像集合（ImageCollection）是一种用于存储和处理遥感影像数据的数据结构。GEE提供了许多功能强大的方法来处理图像集合，其中包括降维（reduce）和中位数计算（median）。本文将详细介绍reduce和median方法的差异，并提供相应的源代码示例。
2023-09-19 05:51:04
624
原创 全球电力工厂数据库：所有权、燃料类型和国家覆盖
"id"字段是唯一的标识符，"name"字段表示电厂的名称，"country"字段表示所在的国家，"ownership"字段表示所有权类型（如国有、私有或合资），"fuel_type"字段表示电厂使用的燃料类型（如煤炭、天然气或可再生能源），"capacity"字段表示电厂的发电能力，"emissions"字段提供了与该电厂相关的排放数据（如二氧化碳、二氧化硫和氮氧化物等）。通过访问和分析这个数据库，我们可以了解全球电力工厂的结构和分布情况，为能源规划和环境政策的制定提供有价值的数据支持。
2023-09-18 23:24:23
634
原创 使用Google Earth Engine下载年份的NDBI GEE
Google Earth Engine（GEE）是一个强大的云平台，它提供了一套丰富的地理空间数据处理工具和功能。本文将介绍如何使用GEE下载特定年份的NDBI（Normalized Difference Built-up Index）数据，并提供相应的源代码示例。根据需要，可以修改感兴趣区域、选择不同的遥感数据集和调整计算参数，以满足特定的研究需求。在上述代码中，需要将日期范围替换为具体的年份，如’2019-01-01’至’2019-12-31’。在上述代码中，需要将’YYYY’替换为具体的年份。
2023-09-18 19:12:50
681
原创 使用Google Earth Engine进行监督分类并结合NDVI变量进行分类
训练样本是一组已标记的地物类型的区域，可以从遥感影像中手动绘制或使用现有的矢量数据集。监督分类是一种通过使用已标记的训练样本进行模型训练，然后将模型应用于未标记的数据进行分类的方法。通过以上步骤，我们成功地在GEE中执行了监督分类，并结合了NDVI作为分类的变量。在上述代码中，我们首先导入训练样本矢量数据集，并假设该数据集包含一个名为’landcover’的属性，其中包含地物类型的标签。函数将训练样本应用于分类器，并指定标签属性（‘label’）和输入特征（‘B4’和’B5’，即NDVI）。
2023-09-18 09:54:39
810
原创 使用Google Earth Engine进行高分辨率FPAR估计的随机森林和多元线性回归方法
因此，我们可以利用已知的FPAR和相应的NDVI数据来训练一个模型，然后使用该模型来估计未知区域的FPAR。然后，我们利用回归方程对未知区域的特征集进行估计，得到FPAR的估计结果（fparRegression）。在上述代码中，我们首先定义了随机森林分类器（classifierRF），并使用已知的FPAR和相应的NDVI数据进行训练。然后，我们利用训练后的分类器对未知区域的特征集进行分类，得到FPAR的估计结果（fparRF）。接下来，我们将介绍如何使用随机森林和多元线性回归方法对FPAR进行估计。
2023-09-18 01:22:29
927
原创 使用Python从经纬度坐标获取Modis正弦图块网格位置在Google Earth Engine（GEE）中是一个常见的任务
使用Python从经纬度坐标获取Modis正弦图块网格位置在Google Earth Engine（GEE）中是一个常见的任务。要从Python中获取Modis正弦图块网格位置，我们首先需要安装和配置Google Earth Engine Python API。需要注意的是，上述代码假设你已经正确安装并配置了Google Earth Engine Python API，并且已经从GEE中获得了相应的访问权限。这样，我们就可以从Python中获取到给定经纬度坐标上的Modis正弦图块网格位置了。
2023-09-17 23:20:38
563
1
原创 全球森林变化监测应用程序：Google Earth Engine APP
全球森林变化监测应用程序（Global Forest Change app）是基于Google Earth Engine（GEE）平台开发的一个强大工具，用于监测和分析全球范围内的森林变化。全球森林变化监测应用程序（Google Earth Engine APP）是一个功能强大的工具，提供了全球范围内森林变化的监测和分析功能。通过运行上述代码，您将得到全球森林面积、森林减少量、森林增加量、森林净变化量以及森林变化率的统计信息。您可以使用以下代码计算全球森林变化的统计信息，例如全球森林面积、森林减少量等。
2023-09-17 22:45:18
661
1
原创 使用随机森林算法进行土地分类的Google Earth Engine应用
在Google Earth Engine中，我们可以利用随机森林算法对遥感影像进行土地分类，以识别不同类型的土地覆盖。在上述代码中，我们首先导入所需的库，包括Google Earth Engine核心库和一个名为"classifier"的自定义分类器库。接下来，我们选择需要用于分类的波段，并将数据集转换为特征集。随机森林算法在土地分类和遥感影像分析中具有广泛的应用，可以帮助我们更好地理解和管理地球表面的土地覆盖。然后，我们使用训练好的分类器对图像进行分类，并将结果添加到地图中进行可视化。
2023-09-17 19:48:10
786
1
原创 使用Google Earth Engine进行指定研究区的数据筛选和时间段选择
它提供了大量的卫星图像和地理空间数据集，并提供了丰富的编程接口，以便研究人员可以进行高效的数据分析和可视化。本文将介绍如何使用Google Earth Engine选择指定研究区的数据，并按照不同的时间段进行数据筛选。通过上述步骤，我们可以使用Google Earth Engine选择指定研究区的数据，并按照不同的时间段进行数据筛选。接下来，我们可以选择要使用的数据集。在选择指定研究区的数据之前，我们需要先定义研究区的几何范围。在进行数据筛选后，我们可以进一步根据研究区的几何范围对数据进行空间筛选。
2023-09-17 19:31:58
614
1
原创 Google Earth Engine：生成影像波段时序折线图的简单方法
在Google Earth Engine (GEE) 中，我们可以使用影像时序数据创建波段的时序折线图。本文将介绍如何使用GEE生成影像波段的时序折线图，并提供相应的源代码。通过这种方式，我们可以在GEE中很方便地生成影像波段的时序折线图。你可以根据自己的需求选择不同的遥感数据和感兴趣区域，进一步探索和分析地球观测数据。运行以上代码后，你将在控制台中看到生成的影像波段时序折线图。接下来，我们需要计算ROI中每个时间点上波段的平均值，并将结果保存为一个特征集合（FeatureCollection）。
2023-09-17 17:10:22
588
1
原创 提取谷歌地球引擎上点的栅格值的Python实现
希望本文能够帮助你理解如何使用G上文是一个简单的示例，演示了如何使用Google Earth Engine（GEE）的Python API从GEE上的点提取栅格值。接下来，我们使用reduceRegion()函数提取点的栅格值，并通过访问返回的字典来获取特定波段的值。在GEE中，我们可以使用Python编程语言来提取点的栅格值。最后，我们可以通过访问字典中的键来获取特定波段的栅格值。函数并访问返回的字典，我们可以获取点的栅格值并进行进一步的分析和处理。然后，我们需要选择要提取栅格值的图像。
2023-09-17 15:59:09
537
1
原创 Google Earth Engine 应用程序的前端团队组件库
为了方便开发者使用 Google Earth Engine，前端团队开发了一个组件库，名为 “gee-ui”，它提供了一套可重用的界面组件，帮助用户快速构建交互式地理数据应用程序。为了方便开发者使用 Google Earth Engine，前端团队开发了一个组件库，名为 “gee-ui”，它提供了一套可重用的界面组件，帮助用户快速构建交互式地理数据应用程序。在本文中，我们将介绍 gee-ui 组件库的一些常用组件，并提供相应的源代码示例。回调函数将被触发，我们可以在回调函数中处理图层选择的逻辑。
2023-09-17 02:55:41
515
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人