使用Google Earth Engine以平均值合成影像并进行统计分析

最新推荐文章于 2025-12-01 21:34:37 发布

LhlbPerl

最新推荐文章于 2025-12-01 21:34:37 发布

阅读量562

点赞数

CC 4.0 BY-SA版权

文章标签： linux 数据库运维

本文链接：https://blog.youkuaiyun.com/LhlbPerl/article/details/132927151

GEE 专栏收录该内容

43 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Google Earth Engine (GEE) 合成Landsat 8卫星影像的平均值，并进行统计分析。GEE提供丰富的遥感数据集和计算能力，便于地理空间数据处理。通过导入、筛选Landsat 8影像，计算平均值，然后应用统计分析方法如计算最小值、最大值、均值和标准差，展示了GEE在地理数据处理和分析中的高效性和准确性。

Google Earth Engine（GEE）是一个强大的云平台，用于可视化、处理和分析地理空间数据。它提供了丰富的遥感数据集和强大的计算能力，使用户能够进行高效的地理数据处理和分析。在本文中，我们将介绍如何使用GEE以平均值的形式合成影像，并对合成影像进行统计分析。

首先，我们需要在Google Earth Engine中导入所需的图像数据集。在这个示例中，我们将使用Landsat 8卫星的多个影像，这些影像以不同的时间拍摄。下面是导入图像数据的代码：

// 导入Landsat 8卫星的影像集合
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1');

// 设置影像范围和时间范围
var regi

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LhlbPerl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

【遥感影像处理】基于Google Earth Engine的Sentinel-2云掩膜与图像合成：德国区域多光谱影像分析系统实现

05-02

内容概要：本文档主要介绍了使用Google Earth Engine（GEE）进行遥感影像处理的代码示例。首先定义了一个多边形区域bounds用于限定研究范围。接着创建了一个常量图像constant及其数组形式arrayConstant并打印输出。...

【地理信息系统】基于Google Earth Engine的多光谱遥感影像处理与指数计算：植被水体建筑区划分析文档的主要内容

06-23

内容概要：本文档展示了如何利用Google Earth Engine（GEE）进行地理空间数据分析与可视化。通过一系列脚本操作，包括创建几何对象、过滤和处理卫星图像集合、计算统计量以及生成多种植被和水体指数（如NDVI、MNDWI...

1 条评论您还未登录，请先登录后发表或查看评论

1 条评论

优快云-Ada助手 2023.09.17
恭喜你开始博客创作！标题中的使用Google Earth Engine以平均值合成影像并进行统计分析这个课题听起来非常有趣。对于像我这样对统计分析和图像合成感兴趣的读者来说，你的博客无疑是一个很好的资源。在你的下一篇博客中，我建议你可以进一步展开介绍Google Earth Engine的功能和优势，以及它如何帮助我们进行平均值合成影像和统计分析。你可以分享一些实际案例或者使用教程，这样读者们能更好地理解和应用这些技术。期待你的下一篇博客，希望你能继续分享有趣且有深度的内容！推荐【每天值得看】：https://bbs.youkuaiyun.com/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1

Google Earth Engine 影像串联的案例分析及使用 ee.Image.cat 函数

LhlbPerl的博客

09-21

488

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。

Google Earth Engine（GEE）——以平均值的形式合成影像并统计分析

此星光明博客

11-20

2702

ee.Reducer.mean() Returns a Reducer that computes the (weighted) arithmetic mean of its inputs. 返回一个计算其输入的（加权）算术平均值的Reducer。 No arguments. Returns: Reducer 代码： Map.setOptions("SATELLITE"); var image = ee.Image("LANDSAT/LC08/C01/T1_TOA/LC0...

使用Google Earth Engine下载Sentinel-2影像数据

2301_79383897的博客

09-29

410

本文介绍使用Google Earth Engine下载Sentinel-2卫星影像的方法，重点解析了6种影像合成方案。主要内容包括：1）设置ROI区域；2）定义导出函数；3）生成时间序列；4）核心处理部分。详细比较了中值、均值、最大值、最小值等合成方案的优缺点及适用场景，并提供了完整代码实现。该技术可高效获取处理大范围遥感数据，为地学研究提供支持。

Google Earth Engine（GEE）——对于我们正确使用mean()和median()来使影像进行聚合

此星光明博客

09-24

4693

通过大量的实验操作，这里我觉得当你的数据中有异常值（例如云/云阴影）时，median() 更适合。例如，当我想要对盆地中的降雨进行区域化时，我会为该盆地的 shapefile 应用平均reducer。我有一个反复出现的问题，我无法完全理解和解释。通过计算所有匹配波段堆栈中每个像素点的所有数值的中位数来减少一个图像集合。通过计算所有匹配波段堆栈中每个像素的所有值的平均值来减少图像集合。对于网格数据（例如降水）或其他不受异常值影响的数据集，mean() 很好。了解应用其中一种情况的最佳情况的人可以帮助我吗？

Google Earth Engine 基础操作教程（一）：以江宁区 Landsat 8 影像处理为例

lestatlu的博客

04-24

1065

今天带学生做实验，突然发现很多学生基础操作不太会，所以准备写几篇基础教程，大家感兴趣可以关注学习一下，因为都是很简单的内容，所以应该会更新很快。本文将以南京市江宁区为例，详细介绍在 GEE 中对 Landsat 8 影像进行的一些基础操作，包括影像加载、可视化、裁剪、掩膜、均值计算以及波段运算等，并将处理后的影像导出。

Google Earth Engine教程：地理空间数据分析实战

weixin_35835018的博客

06-13

991

GEE（Google Earth Engine）是Google推出的云端地球科学分析平台，它存储了大量的卫星影像数据以及地理空间数据，拥有强大的云计算能力，使得用户无需下载本地数据即可进行复杂的空间分析。GEE为研究者和开发人员提供了一个高度优化的工具集，用于处理和分析地球科学数据。遥感影像数据库是一个存储、管理和提供遥感影像数据的系统。它由遥感影像数据、元数据、数据库管理系统和应用系统等组成。遥感影像数据主要由卫星、飞机等遥感平台获取，包含了丰富的地表信息，是遥感影像数据库的核心内容。

Google Earth Engine（GEE）——sentinel-5p数据每三日SO2数据平均值

此星光明博客

12-07

1742

问题：我刚接触GEE，关于您发的Google Earth Engine——Sentinel-5P （Sentinel-5P OFFL SO2）二氧化硫的使用和下载(中国区域案例分析和下载)这篇文章，我还想请教您个问题。您分享了中国区域SO2展示和下载的代码，但是这个代码里是11天的数据取平均后，镶嵌在一张图上？不知道我理解的是不是对的。我现在如果要下载三个月的数据，每三天的数据平均镶嵌在一张tif图上，（比如21年6月到8月的数据，0601-0603的数据均值在一张图上，0604-0606的数据均值在另

Google Earth Engine（GEE）——监督分类案例分析

此星光明博客

12-17

2611

监督分类主要流程是选择样本点来分析，通过指定的分类器完成监督分类。监督分类又称训练场地法、训练分类法，是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。

Google earth engine 基于面向对象遥感影像分割 SNIC分割算法

qq_45629716的博客

04-09

8383

这篇主要是在GEE上基于面向对象以Sentinel-2数据做的无监督分类算法示例

【遥感图像处理】基于Google Earth Engine的多光谱影像云掩膜与分类：城市地区土地覆盖分析及地形特征提取

06-23

内容概要：本文档详细介绍了使用Google Earth Engine (GEE) 处理和分析卫星图像的具体步骤。首先定义了研究区域（巴西Caconde市），并通过COPERNICUS/S2_SR图集获取Sentinel-2影像数据。为确保数据质量，文中实现了...

在linux(Centos)中Mysql的端口修改保姆级教程

2509_94088939的博客

11-29

410

* 这篇文章已经尽可能的详细，希望可以帮助到大家，如果有什么不懂的地方，欢迎在评论区留言，我会及时回复大家**

【Linux 网络基础】HTTPS 技术文档

love131452098的博客

11-24

1407

HTTPS技术文档摘要 HTTPS是HTTP的安全扩展版本，通过TLS/SSL协议提供加密、完整性校验和身份认证功能。文档详细介绍了HTTPS的加密原理（对称/非对称加密混合体系）、数字证书验证流程（X.509标准）以及TLS握手过程（1.2和1.3版本差异）。包含Nginx配置示例，支持TLS 1.3、HTTP/2、HSTS等安全特性，并提供OpenSSL工具链操作指南。最后列出常见问题排查方法和相关RFC标准参考，为工程师提供全面的HTTPS实施指导。

【Linux】Socket编程（基于实际工程分析）

xuhuang11的博客

12-01

661

Socket 编程，是网络编程中最核心、最基础的实现方式之一，特指通过 “socket（套接字）” 这一技术接口实现的网络通信编程。

【linux 系统NTP】ntpd | chrony 时钟同步

weixin_49929829的博客

12-01

226

Linux系统NTP时钟同步的ntpd与chrony同步方式

Linux 安卓手机安装Termux，电脑ssh连接

菜鸟记录

11-30

362

⏹Linux 安卓手机安装Termux，电脑ssh连接

Rocky Linux 9 网卡地址定制

最新发布

qq_52537313的博客

12-01

314

Rocky Linux 9 基于 RHEL 9，默认使用管理网络，支持nmcli命令行、配置文件编辑两种核心配置方式。

Linux 进程等待

2401_88966792的博客

11-30

436

等待的时候也可以让父进程做一些自己的事情，设置为非阻塞轮询，也就是父进程在调用waitpid等待子进程时，发现子进程还没有结束，就可以让父进程去做别的事情，下次再过来询问子进程好了吗？我们让子进程创建后10秒后再退出，把等待模型设置为非阻塞状态，把for循环设置为6次，前3次由于子进程没有结束，父进程做自己的事情，后三次父进程回收子进程。我们可以使用对位图的&操作来获取到子进程的退出状态，每个进程中都有保存自己的退出码和导致进程终止的退出信号，父进程也就是从子进程的PCB上面去获取。

如何在Google Earth Engine中实现NDVI的时序分析用于农田监测？

10-21

<think>我们正在回答用户的问题：如何在Google Earth Engine中实现NDVI的时序分析用于农田监测？根据用户提供的引用，特别是引用[1][2][3]，我们可以总结出以下步骤： 1. 数据准备：选择合适的数据源（如Landsat、Sentinel-2或MODIS），并确定研究区域和时间范围。 2. 数据预处理：包括云掩膜、大气校正等，以确保数据质量。 3. 计算NDVI：利用遥感影像的红光和近红外波段计算NDVI。 4. 农田掩膜：使用土地覆盖数据（如ESA WorldCover）提取农田区域，仅对农田区域进行时序分析。 5. 时间序列构建：按时间序列（如每16天）计算农田区域的NDVI均值（或中值等），形成时间序列。 6. 可视化：绘制NDVI时间序列曲线图，或者生成时间序列动画。 7. 导出结果：可以将时间序列数据导出到Google Drive或进行进一步分析。接下来，我们将按照这些步骤详细说明，并提供相应的GEE代码示例。 </think>### 在Google Earth Engine中实现NDVI时序分析监测农田的方法通过整合多源遥感数据与GEE云平台能力，可实现农田NDVI时序动态监测，核心流程如下： #### 1. **数据准备与预处理** - **影像源选择** - MODIS MOD13Q1：16天合成250米分辨率NDVI数据，适合大范围长期监测[^3] - Sentinel-2/Landsat：10-30米分辨率，适合精细分析（需云掩膜） ```javascript // 加载MODIS NDVI数据集（2005-2024） var ndviCollection = ee.ImageCollection('MODIS/006/MOD13Q1') .filterDate('2005-01-01', '2024-12-31') .select('NDVI'); ``` - **农田掩膜创建** 使用ESA WorldCover土地分类数据提取农田区域（类别代码40）： ```javascript var landCover = ee.ImageCollection("ESA/WorldCover/v200"); var farmland = landCover.filter(ee.Filter.eq('landcover_class', 40)); // 农田类别 ``` #### 2. **时序分析关键步骤** - **生长季筛选** 聚焦主要作物生长季（5-10月），增强分析针对性： ```javascript var growingSeason = ndviCollection.filter(ee.Filter.calendarRange(5,10,'month')); ``` - **空间裁剪与均值统计** 按行政区划计算农田平均NDVI： ```javascript var roi = ee.FeatureCollection("用户/研究区域矢量"); // 导入研究区矢量 var regionNDVI = growingSeason.map(function(image){ return image.clip(roi).updateMask(farmland) .reduceRegion({ reducer: ee.Reducer.mean(), geometry: roi.geometry(), scale: 250 }); }); ``` - **时间序列可视化** 生成NDVI变化曲线图： ```javascript var chart = ui.Chart.image.seriesByRegion({ imageCollection: growingSeason, regions: roi, reducer: ee.Reducer.mean(), scale: 250, xProperty: 'system:time_start' }).setOptions({title: '2005-2024年农田NDVI时序变化'}); print(chart); ``` #### 3. **高级分析方法** - **物候特征提取** 结合物候参数识别关键生长阶段： ```javascript var phenology = ndviCollection.map(function(img){ var doy = img.date().getRelative('day','year'); return img.set('doy', doy); }); // 计算生长峰值日（maxDOY）和生长季长度（LOS） ``` - **异常检测** 对比历史均值识别异常区域： ```javascript var baseline = ndviCollection.filterDate('2005-2010').mean(); var anomaly = growingSeason.map(function(img){ return img.subtract(baseline).clip(roi); }); ``` #### 4. **结果导出与应用** - **数据导出** 导出农田NDVI统计结果（支持CSV或GeoTIFF）： ```javascript Export.table.toDrive({ collection: regionNDVI, description: 'Farmland_NDVI_Stats' }); ``` - **应用场景** - 灌溉需求评估：低NDVI区域识别需灌溉农田[^1] - 灾害预警：突降NDVI提示干旱/病虫害 - 种植结构分析：不同作物NDVI时序曲线比对[^2] > **技术要点**： > - 分辨率权衡：大区域用MODIS（250米），小地块用Sentinel-2（10米） > - 时序滤波：使用Savitzky-Golay滤波平滑噪声 > - 验证方法：结合地面采样点或农业统计年报案例参考：[GEE完整脚本](https://code.earthengine.google.com/3ed8a5303c610e063ae3a4517ca4e146)演示了物候特征提取流程[^2]。