<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LrlDebug的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LrlDebug</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LrlDebug]]></copyright><item><title><![CDATA[利用Google Earth Engine计算火灾面积并利用不同图表进行展示]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133373633</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133373633</guid><author>LrlDebug</author><pubDate>Thu, 28 Sep 2023 06:01:08 +0800</pubDate><description><![CDATA[上述代码首先创建了一个火灾掩码（fireMask），它将火灾像元的值设为1，非火灾像元的值设为0。然后，我们将火灾掩码与像元面积图像相乘，以计算每个像元的火灾面积。最后，我们使用reduceRegion函数对火灾面积图像进行统计，计算出总的火灾面积，并将其转换为平方千米。这些图表能够直观地展示火灾的分布和变化情况，帮助我们更好地理解火灾的规模和趋势。柱状图显示了火灾数量的分布情况，横轴表示火灾数量，纵轴表示像素数量。现在，我们已经计算出了火灾面积，接下来让我们利用不同的图表进行展示。希望本文对您有所帮助！]]></description><category></category></item><item><title><![CDATA[Google Earth Engine：逐月影像缺失的插值方法和循环下载]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133372532</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133372532</guid><author>LrlDebug</author><pubDate>Thu, 28 Sep 2023 05:05:15 +0800</pubDate><description><![CDATA[本文将介绍如何使用插值方法来弥补逐月影像数据的缺失，并演示如何使用循环下载GEE中的数据。在处理逐月影像数据时，我们可以使用空间插值方法来填补缺失的像素值。本文介绍了如何使用插值方法来填补逐月影像数据的缺失，并演示了如何使用循环下载GEE中的数据。通过插值方法，我们可以在处理缺失数据时，获得更完整的逐月影像数据。在上述代码中，我们首先选择要下载的影像集合。然后，我们设置了下载参数，包括下载文件的名称、缩放比例和感兴趣区域（通过定义一个矩形的坐标范围）。最后，我们使用循环遍历影像集合中的每个影像，并使用。]]></description><category></category></item><item><title><![CDATA[提取秋冬季节阔叶林和针叶林随机样本点的NDVI值使用Google Earth Engine（GEE）]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133370998</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133370998</guid><author>LrlDebug</author><pubDate>Thu, 28 Sep 2023 03:50:15 +0800</pubDate><description><![CDATA[在这篇文章中，我们将介绍如何使用Google Earth Engine（GEE）平台来提取秋冬季节阔叶林和针叶林随机样本点的归一化植被指数（Normalized Difference Vegetation Index，NDVI）值。在我们的示例中，我们在阔叶林和针叶林类别中各提取了50个样本点。我们将从预处理后的影像数据集中提取秋季和冬季的阔叶林和针叶林样本点，并获取相应的NDVI值。在上述代码中，我们首先定义了感兴趣的地理范围（geometry）和日期范围（startDate和endDate）。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine 中的 Landsat 时间序列地图（以北京市为例）]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133369625</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133369625</guid><author>LrlDebug</author><pubDate>Thu, 28 Sep 2023 02:50:57 +0800</pubDate><description><![CDATA[本文将以北京市为例，介绍如何使用 GEE 创建 Landsat 时间序列地图，并附上相应的源代码。本文将以北京市为例，介绍如何使用 GEE 创建 Landsat 时间序列地图，并提供相应的源代码。总结起来，本文介绍了如何使用 Google Earth Engine（GEE）中的 Landsat 时间序列地图功能，以北京市为例。总结起来，本文介绍了如何使用 Google Earth Engine（GEE）中的 Landsat 时间序列地图功能，以北京市为例。在本例中，我们选择的是北京市的边界。]]></description><category></category></item><item><title><![CDATA[使用Google Earth Engine对NDVI数据进行排序并获取倒数第n个值]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133368365</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133368365</guid><author>LrlDebug</author><pubDate>Thu, 28 Sep 2023 01:53:50 +0800</pubDate><description><![CDATA[其中一个常见的应用是计算和分析归一化植被指数（Normalized Difference Vegetation Index，简称NDVI），以评估地表植被的状况和变化。在本文中，我们将使用GEE平台对NDVI数据进行排序，并获取倒数第n个值。假设我们已经加载了一个包含NDVI信息的图像集合（Image Collection），并且我们想要对其中的某一时间段内的数据进行排序和分析。通过以上的代码和步骤，你可以在GEE平台上对NDVI数据进行排序，并获取倒数第n个值。函数将排序后的图像集合转换为列表，并使用。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine 地图对象 GEE]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133257433</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133257433</guid><author>LrlDebug</author><pubDate>Mon, 25 Sep 2023 00:49:53 +0800</pubDate><description><![CDATA[在GEE中，地图对象是一种重要的数据类型，用于表示和操作地理空间数据。地图对象是GEE中最常用的数据类型之一，它用于存储和操作地理空间数据，例如遥感影像、矢量数据、地形数据等。在GEE中，地图对象由一个或多个图层（bands）组成，每个图层都包含了特定的地理空间信息。通过地图对象，用户可以高效地处理和分析大规模的地理空间数据，并生成可视化结果。函数创建了一个地图对象，参数中的字符串指定了要加载的地图数据。函数，可以打印地图对象的信息，包括图层的数量、投影信息、坐标范围等。裁剪后的地图对象可以通过。]]></description><category></category></item><item><title><![CDATA[合并多个矢量数据特征为单个矢量特征的 Google Earth Engine (GEE) 案例分析]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133253021</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133253021</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 21:31:05 +0800</pubDate><description><![CDATA[在本文中，我们将探讨如何使用 Google Earth Engine (GEE) 平台将多个矢量数据特征合并为一个矢量特征。通过以上步骤，我们成功地使用 Google Earth Engine 平台将多个矢量数据特征合并为一个矢量特征，并对合并后的特征执行了一些简单的操作。现在，我们已经成功地将多个矢量数据特征合并为一个特征。接下来，我们可以对这个特征执行各种操作，如计算属性、筛选要素等。希望本文能够帮助您理解如何在 GEE 中进行矢量数据特征的合并操作。函数将这些特征合并为一个特征，并将结果存储在。]]></description><category></category></item><item><title><![CDATA[地球引擎保姆级教程：两种去云方法详解]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133250605</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133250605</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 20:18:29 +0800</pubDate><description><![CDATA[本教程将详细介绍两种常用的去云方法：ee.Algorithms.Landsat.simpleComposite方法和QA掩位码方法。本教程介绍了地球引擎中的两种常用去云方法：ee.Algorithms.Landsat.simpleComposite和QA掩位码方法。ee.Algorithms.Landsat.simpleComposite方法是地球引擎提供的一种简单而有效的去云方法。然后，我们定义了云掩位码的阈值，通过对QA掩位码进行位运算来生成云掩位码。接下来，我们利用云掩位码对影像进行去云操作，使用。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine 中简单数组的使用]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133247647</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133247647</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 18:37:23 +0800</pubDate><description><![CDATA[我们使用ee.List.fromArray()方法创建数组，并演示了一些常见的数组操作，如获取长度、获取特定元素、添加和移除元素、替换元素以及排序等。在GEE中，我们可以使用数组来存储和处理数据。本文将介绍如何在GEE中创建和操作简单数组，并提供相应的源代码。首先，让我们创建一个简单的数组。如有任何疑问，请随时提问。现在我们已经创建了数组，接下来我们可以对其进行各种操作。以上只是一些常见的数组操作示例，你可以根据实际需求进一步扩展和修改代码。上述代码将创建一个名为arr的数组，并将其打印输出。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine中NDVI、NDWI和NDBI指数的波段运算公式函数的集成与优化]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133244842</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133244842</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 17:03:27 +0800</pubDate><description><![CDATA[NDVI（Normalized Difference Vegetation Index），NDWI（Normalized Difference Water Index）和NDBI（Normalized Difference Built-up Index）是常用的遥感指数，用于分析地表覆盖类型和环境变化。以上代码中的"影像数据集ID"需要替换为实际的影像数据集的ID，“近红外波段名称”、“红色波段名称”、"绿色波段名称"和"短波红外波段名称"需要替换为实际数据集中对应的波段名称。希望以上内容对你有所帮助！]]></description><category></category></item><item><title><![CDATA[GEE中的坡向和太阳高度角校正]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133243093</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133243093</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 16:10:19 +0800</pubDate><description><![CDATA[坡向指的是地表在垂直于水平面的方向上的倾斜角度，而太阳高度角则是太阳光线与地表垂直线之间的夹角。本文将介绍如何在GEE中进行坡向和太阳高度角校正，并提供相应的源代码。首先，我们需要使用Digital Elevation Model（DEM）数据来获取地表的高程信息，然后利用该信息计算坡向和太阳高度角。总结而言，GEE提供了丰富的功能和数据源，使得在进行遥感影像分析时能够方便地进行坡向和太阳高度角校正。通过运行上述代码，我们可以在GEE中获取坡向和太阳高度角的校正结果，并在地图上进行可视化展示。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine：详解ee.Reducer.mode函数]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133240145</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133240145</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 14:37:32 +0800</pubDate><description><![CDATA[总结而言，ee.Reducer.mode函数是Google Earth Engine中一个强大的统计函数，用于计算一组影像中的众数。ee.Reducer.mode函数是GEE中的一个减少器（Reducer）函数，用于计算一组值中的众数（mode）。需要注意的是，ee.Reducer.mode函数返回的是一个包含众数值的影像，其中每个像元的值表示对应位置在一组影像中的众数值。在上述代码中，我们选择了一组2019年的Landsat 8影像，并使用reduce函数和ee.Reducer.mode来计算众数。]]></description><category></category></item><item><title><![CDATA[使用Google Earth Engine进行影像重投影和分辨率抽分类]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133238623</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133238623</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 13:32:28 +0800</pubDate><description><![CDATA[Google Earth Engine（GEE）是一个强大的云平台，用于存储、处理和分析地理空间数据。在GEE中，我们可以使用JavaScript编程语言来执行地理空间分析任务。本文将介绍如何使用GEE将影像数据重投影到指定的投影系统，并按照自定义的分辨率进行抽分类。通过以上步骤，我们可以使用Google Earth Engine重投影影像数据，并按照自定义的分辨率进行抽分类。这为地理空间数据分析提供了强大的工具和功能。例如，将0-100范围内的像素值抽分类为三个类别：“低”，“中”，“高”。]]></description><category></category></item><item><title><![CDATA[全球各国不同省市和州的变化情况]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133236383</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133236383</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 11:55:30 +0800</pubDate><description><![CDATA[在这个示例中，我们加载了一个包含NDVI数据的数据集，并选择了中国的NDVI数据。然后，我们加载了一个包含中国各省市边界的地图图层，并使用reduceRegions函数计算了每个省市的NDVI变化趋势。在本文中，我们将介绍如何使用GEE来研究全球各国不同省市和州的变化情况，并提供相应的源代码。GEE提供了强大的功能和丰富的数据源，可以帮助我们深入了解地球各地的变化趋势和影响因素。请注意，示例代码中的数据集和图层路径仅供参考，您需要根据您自己的数据和需求进行相应的更改。如果您有任何进一步的问题，请随时提问。]]></description><category></category></item><item><title><![CDATA[使用Google Earth Engine计算并下载NDVI、EVI、RVI、DVI和SAVI]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133233650</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133233650</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 10:22:42 +0800</pubDate><description><![CDATA[然后，我们加载了Landsat 8图像集，并选择了所需的波段（B4和B5）用于计算指数。接下来，我们定义了计算各个指数的函数，包括NDVI、EVI、RVI、DVI和SAVI。这些函数使用图像的不同波段计算相应的指数，并将其作为新的波段添加到图像中。本文将介绍如何使用GEE计算和下载NDVI、EVI、RVI、DVI和SAVI指数，并提供相应的源代码。登录后，我们可以在GEE代码编辑器中编写和运行我们的代码。接下来，我们对图像集中的每个图像应用相应的指数计算函数，得到相应的指数图像集。]]></description><category></category></item><item><title><![CDATA[解决Google Earth Engine中栅格数据上传问题]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133230658</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133230658</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 08:26:06 +0800</pubDate><description><![CDATA[本文将解答如何解决GEE中栅格数据上传的常见问题，并提供相应的源代码示例。通过遵循上述建议和示例代码，您应该能够解决GEE中栅格数据上传的常见问题。请确保您的数据集大小在GEE的限制范围内，并将数据转换为GEE支持的格式。下面是解决GEE中栅格数据上传问题的一些建议和示例代码。替换为您要上传到的GEE资产的ID，替换为您的GeoTIFF文件的路径，替换为您要上传到的GEE资产的路径。在上面的示例代码中，您需要将。在上面的示例代码中，您需要将。替换为您的栅格数据的路径，设置为您的数据的比例尺，]]></description><category></category></item><item><title><![CDATA[Google Earth Engine 教程：基于影像聚合进行水体分析]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133228988</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133228988</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 06:57:19 +0800</pubDate><description><![CDATA[具体而言，我们将使用影像聚合技术，将高分辨率的遥感影像转换为低分辨率的水体分布图。本教程将演示如何使用GEE平台进行水体分析，其中使用了影像聚合技术将高分辨率遥感影像转换为低分辨率的水体分布图。接下来，我们将使用影像聚合技术将高分辨率的Sentinel-2影像转换为低分辨率的水体分布图。接下来，我们将使用影像聚合技术将高分辨率的Sentinel-2影像转换为低分辨率的水体分布图。的函数，用于计算每个影像的水体覆盖百分比。函数导入Sentinel-2影像数据集。的函数，用于计算每个影像的水体覆盖百分比。]]></description><category></category></item><item><title><![CDATA[使用Google Earth Engine计算土地分类后特定区域的面积]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133227069</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133227069</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 04:53:28 +0800</pubDate><description><![CDATA[这是使用Google Earth Engine计算土地分类后特定区域的面积的基本步骤。根据您的具体需求，您可以选择不同的数据集、分类算法和参数设置来进行进一步的分析。通过使用GEE的丰富功能和强大的计算能力，您可以高效地处理大规模遥感数据，并获得准确的结果。它提供了一系列的工具和函数，使用户能够在大规模遥感数据上进行高效的计算和分析。在本文中，我们将展示如何使用GEE计算土地分类后特定区域的面积。您可以根据自己的需求进行进一步的定制和扩展。现在，我们可以计算分类后特定区域的面积。我们可以使用GEE的。]]></description><category></category></item><item><title><![CDATA[如何在Google Earth Engine的Map面板中添加图例]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133226228</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133226228</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 03:56:18 +0800</pubDate><description><![CDATA[在Google Earth Engine (GEE) 中，Map面板提供了一个交互式的地图界面，可以在其中展示和分析遥感数据。有时候，在Map面板中添加图例可以帮助用户更好地理解地图中不同颜色和数值的含义。本文将介绍如何在GEE的Map面板中添加图例，并提供相应的源代码。完成上述步骤后，图例图层将显示在地图上，并且在Map面板的图层列表中可见。用户可以通过点击图层列表中的图例图层来切换图例的可见性。将图例图层添加到Map面板：接下来，我们需要将图例图层添加到Map面板中，以便在地图上显示图例。]]></description><category></category></item><item><title><![CDATA[Google Earth Engine 图表绘制技巧及示例代码]]></title><link>https://blog.youkuaiyun.com/LrlDebug/article/details/133225185</link><guid>https://blog.youkuaiyun.com/LrlDebug/article/details/133225185</guid><author>LrlDebug</author><pubDate>Sun, 24 Sep 2023 02:00:56 +0800</pubDate><description><![CDATA[本文将介绍一些在GEE中绘制图表的技巧，并提供相应的示例代码。通过上述示例代码，您可以在GEE中绘制折线图、柱状图和散点图。您可以根据自己的数据和需求，调整代码中的参数和选项，以满足您的具体要求。如果您需要更多的功能和定制化选项，可以参考GEE的官方文档和示例代码，以深入了解图表绘制的更多技巧和方法。函数绘制折线图，其中指定了数据集、区域、缩减方法、像元大小和x轴变量。函数绘制散点图，其中指定了数据集、波段名称、区域、缩减方法和像元大小。函数绘制柱状图，其中指定了图像、区域和最大像素数。]]></description><category></category></item></channel></rss>