基于 GEE 下载较高空间分辨率的哨兵遥感影像数据

目录

1 数据集介绍

2 代码解析

3 完整代码

4 运行结果

---

1 数据集介绍

数据提供者：European Union/ESA/Copernicus

数据集名称：COPERNICUS/S2_SR_HARMONIZED

可用时间：2017年03月28日—至今

空间分辨率：不同的波段有不同的空间分辨率，部分如下。

（1）10 米分辨率：适用于可见光和近红外波段（如蓝色、绿色、红色、近红外波段等）。

（2）20 米分辨率：适用于短波红外波段（SWIR）以及一些其他的波段。

（3）60 米分辨率：用于气溶胶波段（Aerosol）。

数据集的使用时间：2023年06月01日—2024年01月01日

2 代码解析

定义研究区（roi）和添加云掩膜函数：

//maskS2clouds 用于处理 Sentinel-2 图像数据，从 Sentinel-2 图像
//中去除云层和卷云的影响，确保图像数据尽可能地反映真实的地表情况
function maskS2clouds(image) {
  var qa = image.select('QA60');
 
  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
 
  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
 
  return image.updateMask(mask).divide(10000);
}

选择数据集（筛选时间、空间、云量，应用云掩膜函数）：

// 选择影像集
var dataset = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
                  .filterDate('2023-06-01', '2024-01-01')
                  .filterBounds(roi)
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 0.1))
                  .map(maskS2clouds);

选择中值合成时间范围内的影像，裁剪到研究区的形状：

 // 使用中位数合成影像以覆盖整个区域
var image = dataset.median().clip(roi); 

选择波段可视化，将影像显示出来：

// 可视化参数
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
 
// 将影像添加到地图
Map.centerObject(roi, 9);
Map.addLayer(roi, {}, 'Roi');
Map.addLayer(image, visualization, 'Image');

导出影像到云盘：

// 导出影像
Export.image.toDrive({
  image: image,//导出的影像对象
  description: 'Sentinel2_Image',//任务名称
  scale: 10,  // 分辨率，单位是米
  region: roi,//研究区
  fileNamePrefix: 'Sentinel2_Image',//导出影像的文件名
  folder: 'lym',  // Google Drive中的文件夹名称
  crs: 'EPSG:4326' , // 坐标参考系
  maxPixels: 1e13, //指定处理图像时允许的最大像素数量
});

3 完整代码

//感兴趣的区域信息
var roi = ee.FeatureCollection("projects/ee-zhangkanghnust/assets/HengShaoLou"); 

//maskS2clouds 用于处理 Sentinel-2 图像数据，从 Sentinel-2 图像
//中去除云层和卷云的影响，确保图像数据尽可能地反映真实的地表情况
function maskS2clouds(image) {
  var qa = image.select('QA60');
 
  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
 
  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
 
  return image.updateMask(mask).divide(10000);
}

// 选择影像集
var dataset = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
                  .filterDate('2023-06-01', '2024-01-01')
                  .filterBounds(roi)
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 0.1))
                  .map(maskS2clouds);

 // 使用中位数合成影像以覆盖整个区域
var image = dataset.median().clip(roi); 

// 可视化参数
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
 
// 将影像添加到地图
Map.centerObject(roi, 9);
Map.addLayer(roi, {}, 'Roi');
Map.addLayer(image, visualization, 'Image');

// 导出影像
Export.image.toDrive({
  image: image,//导出的影像对象
  description: 'Sentinel2_Image',//任务名称
  scale: 10,  // 分辨率，单位是米
  region: roi,//研究区
  fileNamePrefix: 'Sentinel2_Image',//导出影像的文件名
  folder: 'lym',  // Google Drive中的文件夹名称
  crs: 'EPSG:4326' , // 坐标参考系
  maxPixels: 1e13, //指定处理图像时允许的最大像素数量
});

4 运行结果

运行结果可视化

点击RUN即可下载数据