GEE 将裁剪后的Sentinel-2影像 在ArcGIS中去除空值

最新推荐文章于 2025-02-09 16:41:38 发布
原创 最新推荐文章于 2025-02-09 16:41:38 发布 · 1.3k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#sentinel #arcgis

在ArcGIS中，可以使用栅格计算器（Raster Calculator）工具来设置NoData值为空。以下是在ArcGIS中将NoData值设置为空的步骤：

  • 打开ArcGIS软件并加载下载的Sentinel-2影像数据。
    • 影像Nodata空值以黑色背景呈现，影响矢量数据叠加。

  • 在ArcGIS中选择栅格计算器工具：依次点击 Spatial Analyst -> Map Algebra -> Raster Calculator，操作文档如下：
    • https://pro.arcgis.com/zh-cn/pro-app/3.0/tool-reference/image-analyst/raster-calculator.htm

  • 在打开的栅格计算器对话框中，输入以下表达式来将NoData值设置为空：
    • 其中，"YourRaster" 是你加载的影像数据的名称。
Con(IsNull("YourRaster"), 0, "YourRaster")
  • 点击“OK”按钮运行计算器。

  • 完成后，新的栅格数据将添加到地图中，并且所有原始数据中的NoData值将被设置为空值。

如果这对您有所帮助，希望点赞支持一下作者！ 😊

点击查看原文
https://mp.weixin.qq.com/s?__biz=Mzk0MTU1MjU5Mw==&mid=2247484732&idx=1&sn=4f208a45d5acaad45a92831b9c3f5bcb&chksm=c2d1e382f5a66a9455dfed564bab0086336e0c67d4831efec96518488dff510ea423a8c5fa20#rd

file

Google Earth Engine（GEE）案例——如何去除和过滤Landsat和sentinel等系列影像集合中的空影像（三种方法）
此星光明博客
10-02 1021
本文的主要解决的问题是如何去除和过滤Landsat和sentinel等系列影像集合中的空影像？这个主要源于一下的问题：“从图像集中删除空图像”是什么意思？
哨兵2号数据下载与利用Python处理（波段融合、降采样、可视化、裁剪等）全过程详解
littleyy666的博客
06-21 3186
哨兵-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，幅宽达290千米。地面分辨率分别为10m、20m和60m、一颗卫星的重访周期为10天，两颗互补，重访周期为5天。从可见光和近红外到短波红外，具有不同的空间分辨率，在光学数据中，哨兵-2号数据是唯一一个在红边范围含有三个波段的数据，这对监测植被健康信息非常有效。13个波段中蓝色 (B2)、绿色 (B3)、红色 (B4) 和近红外 (B8) 波段具有 10 米的分辨率；
哨兵二号数据处理
Little_fine的博客
12-02 5251
对下载的哨兵二号数据进行处理最终获取TIFF遥感影像
Arcgis中影像空值NoData处理及去除背景值
Along6的博客
10-26 2万+
no.1 首先针对第一种情况就是去除影像的背景值，（具体情况就是你的遥感影像周围有大量的深色背景值，一般为255或者0，查看属性表可知） 处理：打开 栅格计算器（raster calculator） Setnull["raster"==0/255,"raster"] no.2 针对第二种情况，就是影像中间 会有空值，这个怎么处理，首先你要是明确这是什么地物类型，可以直接通过属性表赋值为该地物类型的value 值，但是有时候我们要想统一的给中间的NoData值赋值，可以参考以下操...
【ArcGIS Pro二次开发】(38)：清理字段值（空格、空值）
规划GIS会
06-13 9540
由于一些不规范的输入，或是其它数据转换而来，要素类或者独立表的字段值经常含有空值、空格等影响数据质量的内容。这个工具的目的就是清理、转换这些字段内容，提高数据质量。如上图所示，点击【清洗字段值】按钮，在弹出的工具框中，选择要素图层或独立表，再选择一种处理模式，点击执行即可。这里的【处理模式】有4种，【字符串：清除空格；字符串：清除空值；数字：空值转0；数字：0转空值】。功能如字面意思，很好理解。
GEE 训练教程——sentinel-2影像的可视化（真彩色、假彩色核其它波段组合的图层加载）
此星光明博客
02-09 566
GEE 训练教程——sentinel-2影像的可视化（真彩色、假彩色核其它波段组合的图层加载）Sentinel-2是欧洲空间局（ESA）开发的一组卫星，旨在为地表观测提供高分辨率的多光谱影像数据。这些数据能够揭示地球表面的许多重要特征和变化。具体来说，Sentinel-2数据可以揭示以下内容：1. 土地利用和土地覆盖：Sentinel-2能够提供高分辨率的多光谱影像，可以识别和监测不同类型的土地利用和土地覆盖，如农田、森林、水体、城市等。这对于农业监测、城市规划和环境保护等方面非常重要。
GEE案例-利用Sentinel-1影像数据自动检测和跟踪中型冰山监测（阿蒙森海冰山）.pdf
07-22
### GEE案例—利用Sentinel-1影像数据自动检测与跟踪中型冰山监测（阿蒙森海冰山） #### 研究背景与意义 南极冰山的监测对于理解南大洋海洋、大气以及海冰之间的相互作用至关重要。尽管巨型冰山一直是遥感研究的...
GEE案例——Sentinel-2影像的物候监测分析
此星光明博客
07-23 1175
谷歌地球引擎（Google Earth Engine）极大地改变了地球观测数据的处理方式，可以比以往任何时候都更快、更高效地对广阔区域进行分析。谷歌地球引擎自推出以来，迅速扩大的社区已经实现了许多功能，但迄今为止，还没有一个功能专注于利用高分辨率数据计算山区的物候指标。这项工作旨在通过开发一种开源谷歌地球引擎算法来填补这一空白，该算法可利用 Landsat 系列和 Sentinel-2 的高分辨率免费卫星数据绘制全球山区的物候指标（PMs），如季节开始、季节结束和季节长度，并检测季节高峰。
基于GEE云平台sentinel-2影像的土地分类代码.js
04-01
在代码编辑器中搜索并添加 Sentinel-2 影像数据集。 获取感兴趣区域（Region of Interest, ROI）的范围。选择你想要进行土地分类的区域。 预处理影像数据。根据需要对影像数据进行预处理，例如裁剪、云去除、辐射...
GEE案例-Sentinel-2影像的物候监测分析.pdf
07-24
### GEE案例-Sentinel-2影像的物候监测分析 #### 一、背景与目的 随着遥感技术的发展，谷歌地球引擎（Google Earth Engine，简称GEE）为地球科学领域带来了革命性的变化。它不仅提供了强大的计算能力，还集成了一...
用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用
09-21
用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用，绝对可以使用，自己总结一下，以后方便查看，同时以飨读者
删除GIS数据属性值空格(GDB,MDB,Shp)
weixin_30375427的博客
01-07 812
批量删除GIS数据属性值空格 # -*- coding: utf-8 -*- # --------------------------------------------------------------------------- # Merge.py # Created on: 2015-05-04 10:25:22.00000 # (generated by WangL...
ENVI + sentinel-2数据 + ArcGIS + 监督分类及变化检测
m0_57920063的博客
11-19 1万+
内含5中操作的主要流程，分别是sentinel-2的下载过程、哨兵二号L1C数据Sen2Cor大气校正、SNAP的裁剪及格式转换、ENVI的监督分类、ENVI的变化检测。文章主要内容是完成某门课程的某个作业的主要流程， 是一篇记录文章。如有错误欢迎批评指正。
ArcGIS中的空值问题
规划GIS会
02-09 6269
空值是数据的一种特殊状态，当某个字段没有被赋值或者在数据获取、处理过程中数据缺失时就会出现空值。字符串型的【空格】虽然看起来字段内没有内容，但在ArcGIS中空格也是一种有意义的内容。鉴于【空值】的诸多隐患，我个人习惯于尽量避免空值的出现，特别是一些需要后续处理的字段。或者在使用【连接字段】等处理字段类的地理处理工具时，也会产生空值。首先，如果你要按条件选择时，往往容易把【空值】和【空格】混在一起。【空值】不同于数字型的【零值】或者字符串型的【空格】。数字型的【零值】是一个确定的数值，表示数量上为0。
Arcgis中给nodata的值设为空
12-03 1万+
现在需要将红圈中的nodata值设为null 步骤： 打开栅格计算器 成功
ArcGIS基础：栅格数据中的NoData数值（空值）的处理
热门推荐
yuanYW7556的博客
12-08 5万+
栅格计算器工具位于【spatial analyst工具】下，输入如下计算表达式，con表示条件函数，isnull表示条件判断，表达式的意思是如果不是dem，那就是nodata了，那么就对其赋值1，如果是DEM，就保持原来的值不变。使用【重分类】工具，该工具也是位于【spatial analyst】工具下，如下所示，需要在重分类设置里把其他所有值【旧值】设置为nodata【新值】，nodata重分类为2。先使用【栅格转ASCII】工具，该工具位于【转换工具】的【由栅格转出】下，输入栅格数据进行以下设置。
GEE导出的影像空值设置有问题的解决方法
阿酷亚莫塔塔的博客
11-29 783
简述：GEE导出后的影像导入ARCGIS后空值可能无法设置，或者在GEE中已经通过unmask()设置空值后仍出现该问题，可以通过下面代码遍历一遍影像即可解决此问题。
arcgis合并tif影像_基于Sentinel2遥感影像提取水体实验——查看永定河生态补水后“泡汤”的高尔夫球场...
weixin_39578197的博客
11-20 1013
相信大家对于永定河并不陌生，“卢沟桥”这座承载民族沧桑与痛苦的中国4大名桥之一便坐落在永定河之上。2020年5月12日15时18分，永定河自官厅水库而来的水头，在经过大兴国际机场后到达京冀交界的大兴区榆垡镇崔指挥营处，标志着永定河北京段25年来首次实现全线通水。此次永定河生态补水共有3个水源：一是从山西、内蒙古交界处的万家寨水库引黄，黄河水从“引黄工程”北干线的一号隧洞流出，经七里河注入...
【python】对全黑（值为0）的影像进行获取
hanv79的博客
03-08 432
对全黑（值为零）影像进行批量识别提取
如何在GEE中使用sentinel-2影像对水体进行监督分类
最新发布
04-16
<think>嗯，用户想在Google Earth Engine（GEE）中使用Sentinel-2影像进行水体的监督分类，需要代码示例或教程。首先，我需要回忆一下监督分类的基本步骤，通常包括数据准备、样本选择、分类器训练和结果评估。然后结合GEE的API来实现这些步骤。 首先，数据准备部分。用户提到的是Sentinel-2，所以我应该选择合适的Sentinel-2数据集。GEE中的Sentinel-2数据有多个数据集，可能需要确认是否使用经过云处理的版本，比如COPERNICUS/S2_SR_HARMONIZED，这样能减少云的影响。然后需要考虑时间范围，可能需要过滤特定时间段的数据，比如夏季水体较明显的时期。此外，去云处理是必须的，可能需要用到QA60波段来掩膜云层。 接下来是样本选择。监督分类需要训练样本，用户需要提供水体和非水体的样本点。在GEE中，可以通过FeatureCollection来创建样本。可能需要引导用户如何在地图上标记样本，或者使用现有的矢量数据。这里需要生成水体和非水体的样本区域，比如通过绘制几何图形或者导入已有的Shapefile。 然后是特征选择。Sentinel-2有多个波段，比如蓝、绿、红、近红外等，这些波段对于水体分类很有用。此外，可能需要计算一些指数，比如NDVI、NDWI或MNDWI来增强水体的特征。特别是NDWI（归一化差异水体指数）对水体敏感，可能更适合作为分类的特征之一。 分类器的选择和训练。GEE支持多种分类器，比如随机森林、支持向量机（SVM）、CART等。随机森林在遥感分类中效果通常不错，所以可能推荐使用ee.Classifier.smileRandomForest。需要将样本数据分为训练集和验证集，训练分类器，然后应用于整个影像。 分类后的后处理，比如去除小斑块，可以使用connectedPixelCount和阈值过滤。最后是精度评估，使用混淆矩阵计算总体精度、Kappa系数等指标。 现在考虑用户可能的隐藏需求。用户可能对代码结构不太熟悉，需要清晰的注释和分步说明。另外，用户可能希望代码可以直接在GEE平台上运行，所以需要确保代码的兼容性，比如使用正确的数据集名称和函数。用户可能还希望了解如何调整参数，比如分类器的设置，或者如何处理不同季节的数据变化。 还要参考提供的引用资料。引用[1]提到了NDVI的计算，引用[2][3][4]涉及水体的提取和SAR数据的使用，但用户的问题是关于Sentinel-2的监督分类，所以可能需要结合NDWI而不是NDVI。引用[3][4]中的洪水制图和年度水体变化可能对后处理部分有帮助，比如分类后的时间序列分析，但当前问题主要集中在监督分类的实现步骤。 可能还需要考虑样本的平衡问题，确保水体和非水体的样本数量相当，避免分类器偏差。此外，分类后的结果可视化，使用合适的颜色渲染，比如蓝色表示水体，绿色表示非水体。 最后，确保代码示例的正确性，比如正确使用ee.Algorithms.Sentinel2.SurfaceReflectance的云掩膜函数，或者使用QA60波段的位掩码来去云。同时，注意GEE的数据集更新情况，比如是否仍然存在某些数据集，或者是否有新的推荐数据集。 总结步骤： 1. 数据准备：导入Sentinel-2数据，去云，选择时间和区域。 2. 特征提取：包括波段和NDWI等指数。 3. 样本收集：创建水体和非水体的训练样本。 4. 分类器训练：使用随机森林等分类器。 5. 应用分类：对整个影像进行分类。 6. 后处理：过滤小斑块，精度评估。 7. 可视化：显示结果。 可能遇到的问题：样本选择不准确导致分类效果差，需要强调样本的代表性；云残留影响结果，需要确保去云步骤正确；分类器参数调整影响精度，可能需要说明如何调整树的数量等参数。 因此，回答中需要分步骤详细说明，提供可直接运行的代码，并解释关键步骤，同时给出相关问题的建议，如优化样本选择、尝试不同分类器或指数等。</think>以下是在Google Earth Engine中使用Sentinel-2影像进行水体监督分类的分步指南及代码示例： --- ### **Step 1：数据准备与预处理** 1. **筛选Sentinel-2影像** 使用`COPERNICUS/S2_SR_HARMONIZED`数据集，筛选时间范围和云量： ```javascript var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') .filterDate('2022-01-01', '2022-12-31') .filterBounds(geometry) // 定义研究区域 .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)); ``` 2. **去云处理** 利用QA60波段掩膜云层： ```javascript var maskClouds = function(image) { var qa = image.select('QA60'); var cloudBitMask = 1 << 10; var cirrusBitMask = 1 << 11; var mask = qa.bitwiseAnd(cloudBitMask).eq(0) .and(qa.bitwiseAnd(cirrusBitMask).eq(0)); return image.updateMask(mask); }; var s2Filtered = s2.map(maskClouds).median(); ``` --- ### **Step 2：特征选择与增强** 1. **计算NDWI（归一化水体指数）** 公式：$$ \text{NDWI} = \frac{B3 - B8}{B3 + B8} $$ ```javascript var addNDWI = function(image) { var ndwi = image.normalizedDifference(['B3', 'B8']).rename('NDWI'); return image.addBands(ndwi); }; var s2WithIndices = addNDWI(s2Filtered); ``` 2. **选择分类特征** 包含光谱波段和NDWI： ```javascript var bands = ['B2', 'B3', 'B4', 'B8', 'NDWI']; ``` --- ### **Step 3：样本采集与分类器训练** 1. **定义训练样本** 在GEE地图工具上绘制水体/非水体样本点： ```javascript var waterSamples = ee.FeatureCollection([...]); // 水体样本 var nonWaterSamples = ee.FeatureCollection([...]); // 非水体样本 var samples = waterSamples.merge(nonWaterSamples); ``` 2. **训练随机森林分类器** ```javascript var classifier = ee.Classifier.smileRandomForest(50).train({ features: samples, classProperty: 'class', inputProperties: bands }); ``` --- ### **Step 4：分类与结果可视化** 1. **应用分类器** ```javascript var classified = s2WithIndices.select(bands).classify(classifier); ``` 2. **后处理（去除小斑块）** ```javascript var minPatchSize = 3; // 最小连通像素数 var cleaned = classified.connectedPixelCount(minPatchSize).gte(minPatchSize); ``` 3. **可视化设置** ```javascript Map.addLayer(classified, {min:0, max:1, palette:['gray','blue']}, 'Water Classification'); ``` --- ### **Step 5：精度验证** ```javascript var validation = classified.sampleRegions({ collection: samples, properties: ['class'], scale: 10 }); var confusionMatrix = validation.errorMatrix('class', 'classification'); print('总体精度:', confusionMatrix.accuracy()); print('Kappa系数:', confusionMatrix.kappa()); ``` --- ### **完整代码示例** [访问GEE代码示例](https://code.earthengine.google.com/?scriptPath=users/superuser/water-classification) --- 相关问题
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值