Google Earth Engine：使用地图遍历实现逐年筛选卫星影像

最新推荐文章于 2025-04-27 17:36:10 发布
最新推荐文章于 2025-04-27 17:36:10 发布
阅读量207 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： GEE
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。
本文链接：https://blog.youkuaiyun.com/VwajAlgorithm/article/details/133196988
GEE 专栏收录该内容
82 篇文章 ¥59.90 ¥99.00
订阅专栏
本文介绍如何利用Google Earth Engine JavaScript API，设置地图区域和时间范围，加载Landsat 8卫星数据，按年遍历筛选影像，并进行可视化，以进行时间序列分析和地理空间分析。

介绍
Google Earth Engine（简称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。它提供了丰富的卫星影像和地理数据集，以及一系列强大的分析工具。本文将介绍如何使用Google Earth Engine的JavaScript API，通过地图遍历实现逐年筛选卫星影像的功能。

步骤

  1. 设置地图区域和时间范围
    首先，我们需要设置地图的区域和时间范围。在下面的代码中，我们选择了一个矩形区域（经度范围：-180至180，纬度范围：-90至90），并设置了时间范围为2000年至2020年。
// 设置地图区域
var region = ee.Geometry.Rectangle({
   
   
  coords:
了解本专栏 订阅专栏 解锁全文
Google Earth Engine（GEE）——利用map遍历实现影像的逐年筛选
此星光明博客
11-08 1937
函数： ee.ImageCollection.fromImages(images) Returns the image collection containing the given images.返回包含给定图像的图像集合。 Arguments: images (List): The images to include in the collection. Returns: ImageCollection 代码： var l8 = ee.ImageCollection...
Google Earth Engine（GEE）——两种方式进行数据的遍历map和iterate的使用
此星光明博客
11-21 1710
代码： //研究区 var roi = /* color: #0b4a8b */ee.Geometry.Polygon( [[[120.95600585937495, 23.860418455104288], [121.10981445312495, 23.860418455104288], [121.12080078124995, 23.960853112476986], [1...
十二种卫星地图的快速比较和选择方法
12-29 1万+
自从谷歌公司推出地图影像以来，必应、高德、百度等众多公司也相继推出了自己的卫星地图影像，如果挨个打开网页去查看影像很麻烦，可以通过万能地图下载器查看12种卫星地图影像，以上海为例给大家介绍一下在12种卫星地图中如何进行选择和比较。 工具/原料       水经注万能地图下载器 方法/步骤     1.打开万能地图下载器，把鼠标放在左上角的图标上，在下拉列表中选择“谷歌地球”
如何查看下载不同年份的历史影像(多时相影像)卫星地图
bigemap的博客
02-05 1万+
历史影像图-卫星影像-谷歌历史地图 通过 BIGEMAP查看近10年的卫星影像历史地图，甚至更久的历史卫星图。电脑端下载：http://download.bigemap.com/bmsetup.rar 手机端下载地址：http://www.bigemap.com/app/ ...
Google Earth Engine 实战：江宁区 2010-2020 年叶面积指数（LAI）时空动态分析
lestatlu的博客
04-27 833
叶面积指数（Leaf Area Index, LAI）是衡量植被生长状态和生态系统生产力的关键指标，在农业监测、生态环境评估等领域具有重要应用价值。Google Earth Engine（GEE）凭借其强大的遥感数据处理能力，为分析长时间序列的 LAI 变化提供了高效解决方案。本文以南京市江宁区为例，详细介绍如何利用 GEE 对 MODIS LAI 数据进行处理，实现 2010 - 2020 年 LAI 的时空动态可视化与对比分析。
Google Earth Engine（GEE）-逐年月长时序多指数和波段图表加载（MODIS数据2013-2021.pdf
02-26
这里的难点一是我们如何遍历：map函数的使用，另外一个是我们如何将多个不同影像集合放在一起。ee.ImageCollection.fromImages（获取多个单景影像使其变成一个影像集合）。内涵详细的代码注释和讲解，以及丰富的图表...
如何查看近50年的历史影像？
05-08 8657
不同区域可以查看到的历史影像时间轴不同，但暂未发现哪个城市可以查看到近半个世纪的历史影像，如果有也应该分辨率比较低。登录后就可以查看历史影像了，这里以成都为例，最早可以查看到1998年的卫星影像，即可查看约26年前的历史影像。天地图的多时相影像除了可以生成动画外，你还可以点击“卷帘”以卷帘的方式进行查看，从而将新旧影像进行对比。你可以将某地的历史影像生成GIF动画，从而查看地表的变化过程，也可以查看工程建设进度的变化过程。天地图的多时相相关功能非常实用，你也可以用它来查看分析你所关注的区域的变化。
58年前的历史卫星影像
06-14 1923
自从2024版国家地理信息公共服务平台启用后，就发现越来越多的惊喜，其中最令人惊喜的莫过于天地图的历史影像查看功能。天地图除了可以看半个世纪以前的历史影像外，在有些区域甚至还可以看10几天以前的卫星影像，这真是不得不让人惊叹。在地图主菜单中，点击天地图菜单旁边的三角形按钮，然后选择“天地图历史”菜单，可以切换到天地图历史影像。官方公告说可以查看近半个世纪的历史影像，但直到最近才发现，有些区域果然可以看到很老的影像，比如北京。本文以查看1966年的北京卫星影像为例，为你分享了查看天地图历史影像的方法。
Google earth engine(GEE):得到具有一定规律的时间的影像，筛选列表的非空影像,MODIS地表温度
weixin_46812066的博客
11-06 2343
使用Modis的Aqua的8天合成的地表温度数据，制作大湾区的时间序列温度影像数据，并剔除空的影像。
分享一个可以看历史影像的网站
01-29 1万+
分享一个可以看历史影像的网站
怎么查看以前的地图（卫星地图历史影像）?
热门推荐
B2b2b_1的博客
07-17 8万+
这问题不就是专门为我准备的吗（真诚的回答问题）！！！ 想要查看以前的地图的卫星航拍，最佳途径是使用BIGEMAP地图下载器，在软件中选择谷歌地球历史影像，就可以免费查看，但是不能下载…… 为什么要使用这个软件（真的是真诚的回答问题）？因为谷歌地球在国内无法正常访问…… 下载地址：BIGEMAP地图下载器 软件本身是专门为工程、设计等等方面的客户提供地图及地理矢量数据的，不是因为国内不能...
Google Earth Engine学习笔记——介绍和入门
qq_24583573的博客
07-29 1787
Google Earth Engine上包含的数据集超过 200 个公共的数据集，超过500万张影像，每天的数据量增加大约 4000张影像，容量超过 5PB。下面参考Google Earth Engine API帮助文档中的实例代码（学实例代码是最容易入门的），演示使用Google Earth Engine加载LandSet影像，并根据裁剪范围下载到本地。最近接触Google Earth Engine，觉得很好玩， 也很有应用前景，最关键Google Earth Engine是免费的地理计算云平台。
区域筛选、时间过滤和云量排序：基于Google Earth Engine实现的影像操作
LrlDebug的博客
09-20 332
通过定义几何图形来筛选特定区域的影像数据，使用日期范围来过滤特定时间范围的影像数据，并利用云遮罩信息估计影像中的云量，并按照云量大小对影像数据进行排序。这些操作可以帮助我们从海量的遥感影像数据中获取特定条件下的目标影像数据，为后续的分析和应用提供基础。在GEE中，我们可以进行区域筛选、时间过滤和云量排序等操作，以获取特定区域、时间范围和云量条件下的影像数据。在GEE中，影像数据通常包含云遮罩（Cloud Mask），我们可以利用云遮罩信息来估计影像中的云量。在代码中，我们首先获取了影像数据集，然后使用。
如何查看谷歌地球卫星地图的拍摄时间
07-01 3万+
最近更新的万能地图下载器新增了查看地图拍摄时间的功能，大家可以通过这个功能查看自己下载的地图的拍摄时间，十分的方便，现在就教大家如何查看自己需要下载的地图的拍摄时间。
怎么查看卫星地图的更新日期？
10-25 9471
用户“蓝色天际”的疑问：请问如何查看地图的更新日期？ 水经注的解答：在左上角选择地图类型为“谷歌地球”或“历史影像”，然后在“卫星”数据类型中选择“拍摄时间”功能，即可在卫星地图上叠加显示拍摄日期网格，如下图所示。 总结：目前只有谷歌地球和历史影像会显示拍摄日期，其它地图数据暂不支持该功能。 以上就是对用户“蓝色天际”关于“请问如何查看地图的更新日期？”的全部解答。如果您在使用水经...
Google Earth Engine(GEE)实例代码学习十九——筛选影像集（Filtered Composite）
little00bee的博客
04-21 3535
根据时间位置筛选影像 本文主要分享如何利用时间以及区域进行影像数据集筛选，主要是利用有关Filter的函数 //创建一个选取影像所在区域 var polygon = ee.Geometry.Polygon({ coords: [[[-109.05, 37.0], [-102.05, 37.0], [-102.05, 41.0], // Colorado [-109.05...
Google Earth Engine（GEE）——按照行列号进行ee.Filter.or影像筛选
此星光明博客
11-23 1305
上一篇讲到and取交集，而这一篇文章是取并集所以筛选出来的影像多达236个影像入选 ee.Filter.or(var_args) Combine two or more filters using boolean OR.使用布尔运算OR组合两个或多个过滤器。 Returns the constructed filter. Arguments: var_args (VarArgs<Filter>): The filters to combine. Returns: Fi...
Lua非空判断方法[源码]
最新发布
11-24
本文详细介绍了在Lua中进行非空判断的几种方法，特别是针对table类型的变量。首先，文章指出了直接对nil值进行索引会导致异常的问题，并给出了一个简单的例子来说明如何避免这种情况。接着，文章讨论了如何判断一个table是否为空，指出不能简单地使用`#table == 0`的方式，而是应该使用`next(t) == nil`的方法。此外，文章还提到了`next`指令在LuaJIT中的优化问题，建议在非必要情况下少用。最后，文章简要介绍了如何判断一个字符串是否全部由空格组成，使用了正则匹配的方法。这些内容对于Lua开发者来说非常实用，能够帮助他们避免常见的错误。
GEE计算指定区域1990-2024年水体面积变化及逐年MNDWI遥感影像生成方法
04-23
<think>好的，我需要帮助用户解决如何使用Google Earth Engine (GEE)计算1990到2024年指定区域水体面积的变化，并生成逐年MNDWI影像的问题。首先，我得回想一下GEE的基本操作和相关指数计算方法。 用户提到的是MNDWI，也就是改进的归一化水体指数。记得MNDWI的公式是使用绿光波段和短波红外波段（SWIR）的差值除以它们的和，即$MNDWI = \frac{Green - SWIR}{Green + SWIR}$。这有助于区分水体和建筑物，比NDWI效果更好。需要确认在GEE中各卫星数据对应的波段名称，比如Landsat的绿光波段通常是'B3'，而SWIR可能是'B6'或'B7'，不同卫星版本可能不同。 接下来是数据选择的问题。时间范围是1990-2024年，可能需要用到Landsat 5、7、8和9的数据。需要注意不同卫星的可用时间范围，比如Landsat 5在1990年可用，而Landsat 8从2013年开始。因此，用户需要合并多个数据集，并处理不同卫星之间的波段差异，尤其是SWIR波段的位置变化。例如，Landsat 5的SWIR可能是B5，而Landsat 8的SWIR是B6或B7，需要统一波段名称以便计算MNDWI。 然后是去云处理。GEE通常使用预处理的QA波段或像素质量波段来去除云和云影。比如，对于Landsat 8的Surface Reflectance数据，可以使用'QA_PIXEL'波段进行云掩膜。可能需要编写一个函数来为每个影像应用云掩膜，并过滤掉云量较高的影像。此外，不同卫星的云掩膜方法可能不同，需要分别处理。 时间序列分析部分，用户需要逐年生成MNDWI影像并统计水体面积。这里可能需要按年份循环，每年合成该年的影像（比如中值合成），计算MNDWI，然后通过阈值法提取水体。水体面积的统计可以通过将二值图像（水体为1，非水体为0）的区域统计来实现，使用ee.Reducer.sum()乘以像元面积得到总面积。 代码结构方面，可能需要先定义研究区域，比如用户上传的矢量边界或手动绘制的几何区域。然后按年份循环，从1990到2023年（因为2024年可能数据不全），针对每个年份选择合适的Landsat数据集，进行去云处理，合成影像，计算MNDWI，应用阈值，统计面积，并将结果保存到表格或地图中。 阈值的选择可能需要用户根据实际情况调整，通常MNDWI大于0被认为是水体，但不同地区可能有差异。建议用户查看直方图或进行样本点测试确定最佳阈值。 最后，导出结果，比如将时间序列的水体面积导出为CSV，或导出每年的MNDWI影像到Google Drive。同时，可能需要可视化，比如用GEE的ui.Chart来展示面积变化趋势。 需要注意的是，处理长时间序列数据时，不同卫星间的辐射一致性可能需要校正，或者用户可以选择使用已经过大气校正的地表反射率产品，如Landsat的SR数据。 可能用户还需要了解如何上传自己的研究区域，比如使用Assets上传Shapefile，或者在代码中通过坐标点定义几何区域。此外，GEE的计算资源和导出限制也需要考虑，特别是处理大区域或长时间序列时，可能需要分块处理或使用批处理导出。 总结步骤大致如下： 1. 定义研究区域。 2. 遍历1990-2023年每年数据。 3. 对每年选择合适的Landsat数据集，处理云掩膜。 4. 合成年度影像，计算MNDWI。 5. 应用阈值提取水体，统计面积。 6. 导出结果或可视化。 现在需要将这些步骤转化为具体的GEE JavaScript代码，因为用户请求的是代码实现步骤。可能需要处理不同Landsat版本的兼容问题，例如使用ee.Algorithms.Landsat.simpleComposite()或者手动合并不同数据集。 可能遇到的问题包括不同年份数据缺失（如Landsat 7的条带错误）、云覆盖过高导致合成影像不准确，以及阈值选择的区域差异。因此，代码中需要包含数据可用性的检查，比如过滤掉云量过高的年份，或者使用多个影像的中值来减少云的影响。 此外，生成逐年MNDWI影像可能需要将每年的计算结果作为图像集合导出，供后续分析使用。统计面积时，像元的大小需要根据数据的投影来确定，或者使用ee.Image.pixelArea()来获取每个像元的面积，从而准确计算总面积。 现在，将这些思路整理成结构化的步骤和代码示例，确保语法正确，并给出相关解释，帮助用户理解每个部分的作用。同时，提醒用户可能需要调整的参数，如阈值、研究区域、云掩膜参数等。</think>以下是如何在Google Earth Engine (GEE) 中计算1990-2024年水体面积变化并生成逐年MNDWI影像的完整实现方案： ### 一、MNDWI计算原理 改进的归一化差异水体指数公式： $$ \text{MNDWI} = \frac{\text{Green} - \text{SWIR}}{\text{Green} + \text{SWIR}} $$ 其中： - Landsat 5/7的Green波段为B2，SWIR为B5 - Landsat 8/9的Green波段为B3，SWIR为B6[^1] ### 二、完整代码实现 ```javascript // 1. 定义研究区域（替换为你的AOI） var aoi = ee.Geometry.Rectangle([116.0, 39.0, 117.0, 40.0]); // 2. 创建年份序列 var startYear = 1990; var endYear = 2023; // 2024年数据可能不完整 var years = ee.List.sequence(startYear, endYear); // 3. 定义MNDWI计算函数 function calculateMNDWI(image) { var mndwi = image.normalizedDifference( (image.select('Green').subtract(image.select('SWIR'))) .divide(image.select('Green').add(image.select('SWIR'))) ).rename('MNDWI'); return image.addBands(mndwi); } // 4. 定义年度处理函数 var annualMNDWI = years.map(function(year) { year = ee.Number(year); // 选择对应年份的Landsat数据集 var collection = ee.ImageCollection( ee.Algorithms.If(year.lt(1999), 'LANDSAT/LT05/C02/T1_L2', ee.Algorithms.If(year.lt(2013), 'LANDSAT/LE07/C02/T1_L2', ee.Algorithms.If(year.lt(2021), 'LANDSAT/LC08/C02/T1_L2', 'LANDSAT/LC09/C02/T1_L2'))) ); // 预处理波段 var prep = function(image) { var opticalBands = (image.select('SR_B.').multiply(0.0000275).add(-0.2)); var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0); return image.addBands(opticalBands, null, true) .addBands(thermalBands, null, true); }; // 时间过滤和云掩膜 var filtered = ee.ImageCollection(collection) .filterDate(ee.Date.fromYMD(year, 1, 1), ee.Date.fromYMD(year.add(1), 1, 1)) .filterBounds(aoi) .map(prep) .map(function(img) { var qa = img.select('QA_PIXEL'); var cloud = qa.bitwiseAnd(1 << 3).or(qa.bitwiseAnd(1 << 4)); return img.updateMask(cloud.not()); }); // 合成年度影像 var composite = filtered.median().clip(aoi); // 统一波段命名 var green = composite.select( ee.Algorithms.If(year.lt(2013), 'SR_B2', 'SR_B3') ).rename('Green'); var swir = composite.select( ee.Algorithms.If(year.lt(2013), 'SR_B5', 'SR_B6') ).rename('SWIR'); var withBands = composite.addBands(green).addBands(swir); // 计算MNDWI var mndwiImg = calculateMNDWI(withBands); // 水体提取（阈值可调整） var water = mndwiImg.select('MNDWI').gt(0.2); // 计算水域面积（平方公里） var area = water.multiply(ee.Image.pixelArea()) .reduceRegion({ reducer: ee.Reducer.sum(), geometry: aoi, scale: 30, maxPixels: 1e13 }).get('MNDWI'); return ee.Feature(null, { 'year': year, 'area': area, 'MNDWI_image': mndwiImg.select('MNDWI') }); }); // 5. 结果处理 var resultCollection = ee.FeatureCollection(annualMNDWI); // 6. 可视化参数 var visParams = {min: -1, max: 1, palette: ['red', 'blue']}; // 7. 显示结果 Map.centerObject(aoi, 8); Map.addLayer(aoi, {color: 'yellow'}, 'Study Area'); years.evaluate(function(yrs) { yrs.forEach(function(y) { var feature = ee.Feature(resultCollection.filter(ee.Filter.eq('year', y)).first()); var img = ee.Image(feature.get('MNDWI_image')); Map.addLayer(img, visParams, 'MNDWI '+y); }); }); // 8. 导出面积数据 Export.table.toDrive({ collection: resultCollection.select(['year', 'area']), description: 'WaterArea_Export', fileFormat: 'CSV' }); // 9. 导出影像示例（导出单年） Export.image.toDrive({ image: ee.Image(ee.Feature(resultCollection.first()).get('MNDWI_image')), description: 'MNDWI_1990', region: aoi, scale: 30, maxPixels: 1e13 }); ``` ### 三、关键步骤说明 1. **数据选择**：自动切换不同Landsat卫星数据集： - 1990-1999: Landsat 5 - 1999-2013: Landsat 7 - 2013-2021: Landsat 8 - 2021+: Landsat 9 2. **辐射校正**：使用USGS提供的比例因子（0.0000275）和偏移量（-0.2）进行辐射校正[^2] 3. **云掩膜**：通过QA_PIXEL波段识别云（第3、4位）并进行掩膜 4. **水体提取**：使用经验阈值0.2，建议根据实际情况调整 5. **面积计算**：利用`ee.Image.pixelArea()`计算实际面积，精度达平方公里级 ### 四、使用建议 1. **阈值优化**：通过`MNDWI`直方图分析确定最佳阈值 ```javascript var histogram = ui.Chart.image.histogram({ image: mndwiImg.select('MNDWI'), region: aoi, scale: 30, maxPixels: 1e7 }); print(histogram); ``` 2. **异常值处理**：添加数据完整性检查 ```javascript var count = filtered.size(); print('Year '+year.getInfo()+': '+count.getInfo()+' scenes'); ``` 3. **时间序列分析**：可视化面积变化趋势 ```javascript var chart = ui.Chart.feature.byFeature(resultCollection, 'year', 'area') .setChartType('LineChart') .setOptions({ title: 'Water Area Variation', hAxis: {title: 'Year'}, vAxis: {title: 'Area (sq.km)'} }); print(chart); ```
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