Google Earth Engine：加载影像、重命名波段属性名称和可视化

最新推荐文章于 2025-06-04 08:00:00 发布

UePostscript

最新推荐文章于 2025-06-04 08:00:00 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

文章标签：信息可视化数据分析数据挖掘

本文链接：https://blog.youkuaiyun.com/UePostscript/article/details/132935742

GEE 专栏收录该内容

45 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Google Earth Engine (GEE) 加载影像数据，通过示例代码展示了如何重命名波段属性名称，并详细解释了如何在GEE中进行数据的可视化展示。

Google Earth Engine（以下简称GEE）是一个强大的云平台，用于分析和可视化地球观测数据。它提供了丰富的遥感影像数据集，并具有强大的计算能力，使用户能够进行高效的数据处理和分析。本文将介绍如何在GEE中加载影像数据，使用remap函数重命名波段属性名称，并进行可视化展示。

加载影像数据

在GEE中，我们可以使用ee.Image()函数加载影像数据。影像数据可以来自GEE平台提供的数据集，也可以上传自己的影像数据。以下是加载影像数据的示例代码：

var image = ee.Image('影像数据ID');

其中，'影像数据ID’是待加载影像数据在GEE平台上的唯一标识符。你可以根据需要替换为相应的影像数据ID。

重命名波段属性名称

在GEE中，我们可以使用rem

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

UePostscript

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
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

Google Earth Engine（GEE）——如何加载影像并用remap重命名波段属性名称和可视化加载

此星光明博客

12-16

1877

本文的教程主要又两个方面一个时选择影像的加载，当然这里我们选择ESA10m全球分辨率土地分类数据，然后用remap函数完成对影像波段的重命名，最后设定一个可视化参数用于替代原来的影像色带实现土地影像色彩的重新加载。输入列表中未包含的任何输入值要么设置为 defaultValue（如果给定），如果没有设置为屏蔽。请注意，由于浮点精度错误，包含浮点值的输入有时可能无法匹配。用于替换与“from”中的值不匹配的值的默认值。此列表中的所有值都将映射到“to”中的相应值。要重新映射的波段的名称。

Google Earth Engine(GEE)——用标签来加载指定图片和符号

此星光明博客

10-06

702

今天分享一个非常有趣的GEE加载图片的功能，但是值得注意的是，这里的图片都智能来源于特定的网站（）这个网站的主要内容：材料符号是我们最新的图标，在一个单一的字体文件中整合了超过2500个字形，具有广泛的设计变体。符号有三种风格和四种可调整的可变字体风格（填充、重量、等级和光学尺寸）。

参与评论您还未登录，请先登录后发表或查看评论

Google Earth Engine APP（GEE）—— 一个简单的加载影像的UI（RGB,NDWI和NDVI）这里使用时间滑块进行时间选择

此星光明博客

04-30

384

本博客主要的目的是进行UI基本界面的设计用于图层加载，主要是影像的加载和时间选择器以及两个按钮的选择，其中还可以按钮隐藏整个面板。这里有几个函数是时间滑块和复选框用于时间选择。这里通过点击空间可以隐藏面板，所以我们可以通过按钮中的style进行设定，这个函数每一个控件中都有显示。

GEE：遥感影像波段的重新合成

GEE水生态空间

02-02

4967

GEE中，如何对影像波段的重新合成（band composition）？看似简单，实际上也包含了不少的知识点

GEE：使用正则表达式筛选影像波段并改名

GEE水生态空间

01-30

5232

目录一、问题描述：二、获取影像集并显示：1、分析步骤2、加载区域影像并查询波段名三、选择波段并改名四、学习小结：一、问题描述： GEE中，如何快速选取波段，并对各波段进行改名（select）？仍以鄱阳湖湖区Landsat遥感影像为例，该区域的分析例子参见 GEE学习：按照行列号筛选鄱阳湖湖区影像数据并查询相关信息. GEE学习：Landsat8 Collection2 level2数据集获取影像范围及坐标. GEE学习：遥感影像设置新的属性并查询. 本次进行分析的区域如下：二、获取影像集并

【遥感图像处理】基于Earth Engine的多源月度影像融合与可视化：森林类型差异分析系统设计

05-02

内容概要：本文档介绍了如何使用Google Earth Engine (GEE) 平台对来自不同数据集（DD、EG、MX、OV）的图像集合进行按月合并。通过定义月份列表并映射每个月份，筛选出对应月份的第一张图像，然后将这些图像组合成一...

Google Earth Engine ：基于Landsat系列影像分析优胜美地国家公园（Yosemite National Park）的 NDVI（归一化植被指数）数据

此星光明博客

06-04

本文介绍了使用Google Earth Engine (GEE)分析优胜美地国家公园NDVI数据的方法。通过导入Landsat 5/7/8卫星数据，设置时间范围并应用云掩膜处理，计算归一化植被指数(NDVI)。重点包括：1)过滤公园边界数据；2)定义各卫星数据的时间段；3)NDVI计算公式和云掩膜处理；4)合并多源数据并导出时间序列；5)可视化NDVI变化趋势。该流程为监测植被变化提供了完整的解决方案，代码可直接用于GEE平台实施分析。

【遥感与地理信息系统】基于MODIS影像的森林覆盖估算脚本：Google Earth Engine平台墨西哥区域森林监测分析文档的主要领域（

最新发布

07-07

接着导入边界、MODIS数据集、重命名波段并设置可视化参数；然后定义了多个函数用于增强影像对比度（SMA）、基于植被光合作用程度提取森林覆盖、统计森林覆盖面积以及按月合成MODIS影像；最后生成森林覆盖统计数据，...

Google Earth Engine（GEE）——如何替换掉GEE中函数默认给你生成的波段名称（regexpRename函数）

此星光明博客

04-07

727

很多时候我们会使用GEE中的很多波段，除了我们用rename()我们还可以用一个函数regexpRename进行all通过将正则表达式替换到当前的频段名称上，重命名一张图像的频段。任何没有被正则表达式匹配的波段将被复制过来而不被重命名。

批量！使用ArcGIS python 批量修改遥感影像名

glyund的博客

07-14

1478

正所谓“名不正言不顺”，名字是一个数据和一个传感器的标记，始终和数据、传感器荣辱与共，伴随着着它短暂的一生。起名字本来是很开心的一件事情，比如翠花、二狗等耳熟能详的名字为我们生活平添了几分乐趣。但也有一些大佬为了显示自己有文化，把很多的信息放入文件名中完全没有考虑后来使用者的感受，你名字起成这样让别人怎么记住你啊？比较著名的如巴西著名足球运动员：里卡多·伊泽克森·多斯·桑托斯·雷特（Ricardo Izecson Dos Santos Leite），各位喜欢足球的大佬请告诉我他是谁？他就是...

GEE计算百分位数、报错、重命名波段、SIF基础

m0_58127906的博客

05-03

657

GEE计算数据的第XX百分位数的数值：第一段代码为具体某个百分位数，第二段是多个等差的百分位数。这个问题时主要出现在对ImageCollection进行运算时，其中的一个image的。把 Export 中的region参数修改为：roi。

GEE之影像显示

jiekeheiguanglan的博客

03-26

458

导入一个矢量roi与所要下载的影像数据(如MOD13Q1数据)输入下列代码可指定显示检索的数据集列表中任意的影像数据。

GEE学习篇：查询影像合成ee.ImageCollection中使用的影像

weixin_47787901的博客

05-31

1088

在gee中我们经常会使用ee.ImageCollection对某一个时间段的影像进行合成，但是不好看出使用的具体是哪几景影像，为了保证实验的准确性，需要了解具体使用了哪几景影像。运行后可查看符合筛选条件的的影像有哪些（这里的筛选条件是：云量＜2%；分享一下我是如何进行数据查询筛选哒，也可以使用该代码快速查找自己研究区云量少质量好的影像~查看符合筛选条件的影像合成结果。

GEE显示并下载研究区sentinel-1影像

weixin_58193881的博客

09-13

2494

GEE下载sentinel-1影像

GEE：重命名影像集合里面的所有影像

养乐多的博客

02-22

789

本文记录了将自己的影像集合的名字修改为日期的代码，比如原始影像只有Image（1 band），那么通过本文代码可以把影像名字转换为日期Image 2000_03（1 band），名字可定制。

GEE计算一张影像ndvi并显示ndvi图像

weixin_43887139的博客

11-13

2849

var roi = ee.FeatureCollection("users/FXS/xiangshan"); //导入指定区域的矢量文件 var image=ee.ImageCollection("LANDSAT/LC08/C01/T1_SR") .filterDate("2020-10-10","2020-11-10") //筛选出指定时间内的影像 .filterBounds(roi)

Google Earth Engine个人笔记：1 加载与显示影像

weixin_44017364的博客

01-04

1592

1、gee加载与显示单幅影像 var dataset = ee.ImageCollection('MODIS/006/MOD13A1') .filter(ee.Filter.date('2018-01-01', '2018-05-01')); var ndvi = dataset.select('NDVI'); var ndviVis = { min: 0.0, max: 9000.0, palette: [ 'FFFFFF', 'CE7E45',

在GEE中如何优雅的加载影像--以Landsat8为例

分享GEE相关原理、书籍、教程、数据、代码等

12-26

649

本文介绍了如何加载Landsat8影像，包括如何应用缩放因子，如何去云，并提供了可以直接运行的示例代码。

GEE学习笔记八十：批量下载影像（影像集合）

热门推荐

无形的风专栏

08-29

1万+

Google Earth Engine 中 Landsat MSS 影像的大气校正方法

05-29

<think>好的，用户想了解在Google EarthEngine中对Landsat MSS影像进行大气校正的方法。首先，我需要回顾用户之前的问题和已有的回答，确保这次回答的一致性和补充性。用户之前提到过使用DOS方法，并询问了6S模型、DOS的局限性、精度评估等问题，现在需要更详细的大气校正方法，可能包括步骤和具体实现。首先，数据准备部分。根据引用[1]和[3]，LandsatMSS在GEE中的数据集是经过缩放和校准的传感器辐射度（DN值），需要先转换为TOA反射率。用户之前提供的代码中使用了增益和偏移值，我需要确认这些参数是否正确，并引用相关文献或USGS的说明。引用[1]提到的是ANDSAT/LM04/C01/T1-T2数据集，可能需要指出不同Landsat卫星（如1-3和4-5）的增益值是否有差异，确保用户正确应用参数。接下来，大气校正模型。用户之前提到了DOS和6S，但GEE中可能没有直接集成6S模型，需要说明这一点，并建议替代方法，比如使用外部库或近似方法。同时，DOS方法虽然简单，但需要解释其原理，比如暗物体减法，并指出可能存在的问题，如寻找合适的暗目标区域。地表反射率转换后的处理可能需要考虑其他因素，比如地形校正（如用户之前的问题4和5提到的DEM数据），这里可以简要提及，但重点放在大气校正本身。示例代码部分需要检查是否正确转换TOA和应用DOS。用户之前的代码可能存在问题，比如增益值的顺序是否与波段对应，以及reduceRegion的区域是否合理（使用整个影像还是特定区域）。此外，需要提醒用户注意GEE的数据集名称是否正确，比如是否使用正确的ImageCollection路径。另外，用户引用的资料中提到Tier1和Tier2的区别，可能影响数据质量，但大气校正步骤是否需要考虑这一点？可能需要指出，Tier1数据更适合分析，但校正方法对两者都适用，不过用户应注意数据质量的影响。最后，生成相关问题时要围绕用户可能遇到的后续问题，比如其他校正模型的应用、不同地形的影响、精度验证方法等，确保问题具有连贯性和逻辑性。</think>### Google Earth Engine 中 Landsat MSS 影像的大气校正方法在 Google Earth Engine (GEE) 中对 Landsat MSS 影像进行大气校正，需结合数据集特性与 GEE 的功能模块。以下是关键步骤与方法： --- #### 1. **数据预处理与辐射定标** Landsat MSS 数据集以数字数值（DN）形式存储，需先转换为传感器辐射度（$L_{\text{sensor}}$）或大气层顶反射率（TOA）。转换公式为： $$ L_{\text{sensor}} = \text{gain} \times \text{DN} + \text{offset} $$ 其中，增益（gain）和偏移（offset）值由 USGS 提供[^1]。例如，Landsat 1-3 MSS 的增益为 $[0.262, 0.280, 0.253, 0.229]$，偏移为 $0$[^3]。 ```python def dn_to_toa(image): gain = ee.Image([0.262, 0.280, 0.253, 0.229]) # Bands 4,3,2,1 toa = image.select(['B4', 'B3', 'B2', 'B1']).multiply(gain) return toa.rename(['B1', 'B2', 'B3', 'B4']) # 重命名波段顺序为常规顺序 ``` --- #### 2. **大气校正方法** ##### **2.1 暗目标减法（DOS）** 假设影像中存在反射率接近 $0$ 的暗目标（如深水区），通过减去其辐射度值消除大气散射。公式为： $$ L_{\text{surface}} = L_{\text{TOA}} - L_{\text{path}} $$ 其中 $L_{\text{path}}$ 为大气路径辐射度，由影像中暗目标的最小值估计。 ```python def dos_correction(image): dark_pixel = image.reduceRegion( reducer=ee.Reducer.min(), geometry=image.geometry(), scale=60, # MSS 原始分辨率为 60m maxPixels=1e6 ) return image.subtract(ee.Image.constant(dark_pixel.values())) ``` ##### **2.2 6S 模型（间接实现）** GEE 未直接集成 6S 模型，但可通过以下方式近似： 1. 使用 `MODTRAN` 大气参数库生成查找表（LUT） 2. 结合太阳-传感器几何参数（如天顶角）与大气参数（气溶胶光学厚度）进行校正[^1] --- #### 3. **地形效应校正（可选）** 若研究区域地形复杂，需结合 DEM 数据消除地形阴影效应。公式为： $$ \rho_{\text{adj}} = \frac{\rho_{\text{TOA}}}{\cos(\theta_{\text{sun}})} $$ 其中 $\theta_{\text{sun}}$ 为太阳天顶角[^2]。 --- #### 示例代码 ```python # 加载 Landsat MSS 数据集 mss = ee.ImageCollection('LANDSAT/MSS/C01/T1') .filterDate('1975-01-01', '1975-12-31') .filterBounds(study_area) # 辐射定标 + DOS 校正 def process(img): toa = dn_to_toa(img) corrected = dos_correction(toa) return corrected.set('date', img.date()) corrected_collection = mss.map(process) # 可视化结果 Map.addLayer(corrected_collection.first(), {'bands': ['B3','B2','B1'], 'min': 0, 'max': 0.3}, 'Corrected') ``` --- ### 关键注意事项 1. **波段顺序**：Landsat MSS 波段顺序为 B4（绿）、B3（红）、B2（近红外）、B1（短波红外），需注意重命名[^2] 2. **Tier 数据质量**：优先使用 Tier 1 数据（几何精度高），Tier 2 需检查 RMSE 值[^3][^4] 3. **时间一致性**：1975 年 GLS 数据集包含 Landsat 1-3 数据，可能需统一传感器参数[^2] ---