一直听说有GEE这一大利器,但是也从来没有用过,依然我行我素的写着python代码从Earthdata上批量下载数据,以及完成批处理等工作,觉得效率挺高了,今天用了GEE后发现,我之前的做法也太耗时间啦,可能原始的方法完成整个长时间序列的内蒙古的数据预处理至少得3个小时,但是GEE仅需要半把个小时就搞定啦。下面来初步介绍一下GEE以及获取MODIS数据吧
最重要的,写在前面,需要科学上网!!!!
首先,你需要有一个谷歌账号,并且申请使用GEE且被同意。
第二个就上一下GEE的界面吧。主要上一下Code Editer的界面,GUI还没使用,不过能用Code啦,为啥还要用GUI呢,有啥问题是不能几行代码解决的呢。

界面的介绍就不多说啦,直接上代码吧
- 先上传你需要处理的研究区的矢量文件,主要是dbf, prj, shp, shx这四个文件。

2. 上传矢量以后就是将这个矢量数据用到的Code Editor中,直接贴代码
![]()
写完这几个代码以后,点一下
,接着就会在Editor下面出现你的矢量范围啦。

3. 从ImageCollection中获取对应的MODIS产品,以及要获取的时间范围和波段。这里以LST产品为例。
var modis = ee.ImageCollection('MODIS/006/MOD11A2').filterDate('2001-01-01', '2018-12-31').select('LST_Day_1km');
4.对图像进行重投影处理,
var reprojected = image.unitScale(-10000, 10000).reproject('EPSG:32649', null, 1000);
5. 将处理好的数据导出到Google Drive(云盘)
Export.image.toDrive({
image: reprojected,
description: nameOut,
folder: 'MODIS_LST',
region: study,
scale: 1000,
maxPixels: 1e10
});
以上就是一个完整的MODIS产品的获取以及预处理流程啦。
本文介绍了如何使用Google Earth Engine(GEE)进行MODIS数据的获取、重投影和裁剪等预处理操作。通过GEE,可以显著提高长时间序列数据处理的效率,例如将内蒙古地区的MODIS数据预处理工作从3小时缩短至半小时。首先,需要拥有谷歌账号并申请使用GEE权限。然后,通过Code Editor上传矢量文件,筛选MODIS ImageCollection,重投影处理图像,最后将处理结果导出到Google Drive。
2663

被折叠的 条评论
为什么被折叠?



