使用 Google Earth Engine(GEE)批量下载 Landsat 遥感影像教程

基于GEE下载landsat影像数据 在GEE 平台上执行,从Landsat 8卫星图像数据集中提取一个特定区域的影像数据,并进行处理和下载 阅读详情
AI摘要

本文聚焦于遥感领域,介绍利用 Google Earth Engine(GEE)批量下载 Landsat 8 和 9 遥感影像数据的方法。详细解析代码,包括定义研究区边界、下载年份范围等步骤,还给出完整代码。同时提醒注意数据范围、云掩膜效果、导出任务管理和数据验证等问题。

一、引言

在遥感领域,获取大量的卫星影像数据是进行研究和分析的基础。Google Earth Engine(GEE)提供了一个强大的平台,能够方便地访问和处理海量的遥感数据。本文将详细介绍如何使用 GEE 批量下载 Landsat 8 和 Landsat 9 的遥感影像数据,以满足不同的研究需求。

二、代码解析

以下是实现批量下载 Landsat 影像的 GEE 代码及其详细解释:

1. 定义研究区边界

// 定义研究区边界(东经118°10′-119°54′,北纬31°14′-32°43′)
var roi = ee.Geometry.Rectangle(
  [118.1667, 31.2333, 119.9, 32.7167],
  'EPSG:4326',
  true
);

这里使用ee.Geometry.Rectangle函数定义了一个矩形区域作为研究区,参数分别为矩形的左下角和右上角的经纬度坐标,坐标系统为EPSG:4326(即 WGS84),最后一个参数true表示坐标顺序为[lon, lat]。

2. 定义下载年份范围

// 定义下载年份范围(根据实际数据存在性修改)
var startYear = 2020;
var endYear = 2025;  // 截至2023年数据,可修改为2024等最新年份
var years = ee.List.sequence(startYear, endYear);

通过设置startYear和endYear来确定需要下载影像的年份范围,然后使用ee.List.sequence函数生成一个包含这些年份的列表。

3. 加载 Landsat 8/9 数据集


        
利用GEE来下载landsat-TIRES数据 本文以下载Landsat8-TIERS数据的地表反射率SR数据为例,来阐释如何利用GEE来下载所需影像。 阅读详情

相关推荐

Google Earth Engine批量下载Sentinel、Landsat、MODIS遥感影像代码

Google Earth Engine批量下载Sentinel、Landsat、MODIS遥感影像代码一、创建下载任务二、运行下载任务 一、创建下载任务 Google Earth Engine(GEE)云平台不仅算力强大,其遥感数据源也及其丰富,用GEE下载遥感数据可以节省拼接、裁剪等操作时间,最近在网上看到有大神发过类似的代码,但复制过去运行代码有一些小问题,于是参考之前的代码自己修改了一下,代码如下: //设置感兴趣区域roi var roi = ee.FeatureCollection("users/

Z.H.T 9032

基于GEE使用Landsat 8和Landsat 5影像进行分类

基于GEE的landsat 5和landsat 8影像分类,分类样本外部导入

zq2025的博客 4831

使用GEE处理Landsat 8影像并批量下载导出

这段代码使用Google Earth Engine(GEE)平台处理Landsat 8影像,进行云和饱和像素的掩膜处理,并将处理后的影像裁剪到指定的感兴趣区域(ROI),并导出影像集到Google Drive。

qq_36686882的博客 2742

基于GEE的Landsat影像拼接与导出

由于Landsat数据的分辨率较高,所以当研究区域较大时,需要下载多幅影像才能覆盖整个研究区域,不仅浪费存储空间,处理起来也相当耗费时间。所以下边为大家分享如何使用GEE对Landsat影像进行拼接,并筛选云量较少区域。之后对数据进行导出,方便大家在ENVI或者Arcgis中进行后续的处理研究。......

weixin_45250770的博客 6139

0基础使用GEE下载去云后的Landsat影像,保姆级教程

恭喜你,现在你已经能够使用Google Earth Engine下载并处理Landsat影像了!这个过程虽然涉及多个步骤,但每一步都是为了确保我们可以获得高质量的遥感数据。希望这篇详细教程能帮助你顺利完成项目,享受遥感数据分析的乐趣!如有疑问或需进一步学习,欢迎留言交流,或者直接添加作者微信:ictnet1。欢迎关注我的公众号:python与遥感,获取更多更实用的免费教程分享。

热爱分享,热爱记录 4321

Google Earth Engine(GEE)——Landsat 8 和sentinel 2真彩色rgb影像下载(只需替换研究区)

上面是一个简单的例子,这里我们将按照通用的代码,外加去云和映射后的结果进行分析,并且分别加载到地图上,并将名字分别按照标准的名字命名,保留了导出的所有参数的名称,你可以通过设定每一个参数来进行必要的修改。

此星光明博客 2962

Google Earth Engine(GEE)——Landsat9的使用和去云分析以青海省为例

本文的GEE代码链接: https://code.earthengine.google.com/91b1a81d9b0748a63061c384acb3ca3c 引言: 昨天我给Simon (Vsevolod) Ilyushchenko发了一封邮件,主要的意思就是问为啥还没有Landsat9的影像在GEE的数据集中呢?结果反馈是这样的,因为现在Landsat9已经可以使用了,但是在平台上目前还没有展示Landsat9的数据集。回复我的原文是这样的: Landsat 9 catalog entry i

此星光明博客 2863

YOLOv8改进——引入可变形卷积DCNv3

本文只讲解在YOLOv8的代码中添加DCNv3的操作流程, 具体的原理参见上述的链接~是pytorch实现的版本,只要基础的pytorch环境安装正确就不会出错。是C++实现版本,必须先在上一步编译成功,或者安装好了轮子,否则会报错。但是在实际的训练过程中,C++版本的运行速度更快,推荐使用C++版本。(具体怎么修改,都可以自己决定,然后通过实验看看效果如何)文件夹,该文件夹下的内容就是实现DCNv3算子的核心代码。中,下图中的列表里添加。

zyw2002的博客 3万+

DaVinciCFG实战:从ARXML配置到ADC代码生成全解析

本文详细解析了使用DaVinciCFG工具进行ADC模块配置的全过程,从ARXML文件处理到代码生成与集成。重点介绍了关键参数配置、ARXML语法规则、常见错误排查及代码优化技巧,帮助开发者掌握AUTOSAR架构下ADC驱动开发,提升汽车电子系统的可靠性。

f9g0h的博客 378

安检机图像处理避坑指南:从条纹校正到物质分类,那些论文里没写的工程细节

本文深入探讨了双能X射线安检机图像处理中的关键工程实践,从条纹校正到物质分类,揭示了论文中未提及的实用技巧。针对探测器校正、物质分类模糊、伪彩色系统设计等核心问题,提供了动态参数更新、空间上下文分析和自适应色彩映射等解决方案,助力提升安检系统的准确性和鲁棒性。

weixin_30325487的博客 886

Allegro16.6详细教程(二)

3-D Viewer,可以直接在allegro中看到board file的3-D顯示效果。3-D Viewer對於PCB Editor Products,只有環境變數中的OpenGL顯示功能開啟後才有效,而對於APD/SiP是無效的。2.3-D viewer是在一個獨立的視窗中打開的。3-D environment環境支援多種顯示內容的過濾,取景視角和顯示效果的選項,透過遊標可以直接控制放大,移動,翻轉等操作。

axingxiansen的博客 1917

贝叶斯时空模型-INLA-4

该文章中,会简化数学计算的过程,主要是针对,在有数据的基础上,如何应用贝叶斯时空模型,找出影响因素,绘制时间变化的空间分布预测图。上述中关键一步与前几期介绍的不一样的地方是,我们加入了n.group参数,用来指定年份,先看一下Year有多少年的,然后封装在s.index里面。在前述的内容中,我们介绍了,如何处理空间的数据,利用海拔高度预测降雨量的例子。建立好数据及mesh以后,我们现在写INLA公式,如果不考虑残差项,那就是固定效应,现在我们增加残差项,及空间与时间效应。这里的Mesh设定值为10,20。

学习中 2947

详解FreeRTOS:低功耗Tickless模式(高级篇—7)

FreeRTOS提供了一个叫做Tickless的低功耗模式,本篇博文我们就来学习一下如何使用这个Tickless模式。

不脱发的程序猿 1896

AUTOSAR进阶图解==>AUTOSAR_EXP_CDDDesignAndIntegrationGuideline

本文档提供了AUTOSAR架构中复杂驱动(CDD)的设计与集成指南。CDD作为非标准化的软件实体,位于复杂驱动层,实现传感器评估、执行器控制、微控制器访问等特殊功能。文档详细阐述了CDD的架构特点、设计建议(包括文档要求、文件结构、接口描述等)以及与其他模块(RTE、库、标准BSW等)的集成方式。特别强调了CDD在多核系统和MCAL层中的实现考量,为开发人员提供了从文档规范到代码实现的全方位指导,确保CDD在保持AUTOSAR兼容性的同时满足特殊功能需求。

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 1886

深度解析与实战:长短时记忆网络(LSTM)在股票走势预测中的应用(基于Python + PyTorch)

本文全面探讨了LSTM在股票价格预测中的应用,从理论基础到实践操作。文章首先强调了股票市场预测的重要性,并介绍了LSTM网络结构及其在处理时间序列数据中的优势。接着,详细说明了数据预处理的关键步骤,包括数据收集、清洗、特征选择和归一化。文章还讨论了LSTM模型的构建、训练和评估,并提供了Python及PyTorch的实操案例。最后,总结了LSTM在股票预测的成果,并提出了未来研究的方向,如模型优化和特征工程,旨在帮助读者掌握LSTM在股票价格预测中的应用,并探索提升模型性能的方法。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 2100

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

上一篇: 高光谱图像分类-基于Python的多分类器对比与结果可视化
下一篇: Google Earth Engine(GEE)遥感指数计算实战教程:从数据处理到批量导出
遥感AI实战
博客等级 码龄9年 1002粉丝 107原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

遥感AI实战

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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