Owen__z的博客

很多时候，我们会想查看一个特定的研究区和研究时间范围内的Landsat 或者 Sentinel系列数据集中影像的一些参数信息，如成像时间，云量，数量等等，以帮助我们确定应该如何筛选影像。比如，我想知道1990年至2020年期间，所有覆盖到北京市的Landsat影像的信息，如下图所示。Landsat系列和Sentinel系列是目前使用最为广泛的两个影像数据集，现在，我提供了实现这一操作的代码框架，大家可以在此基础上进行修改，以得到你想要提取的信息。基于此框架，你还可以扩展到其他影像数据集（如MODIS等）。

GEE中存储了海量的数据集，这些数据集的时间分辨率千差万别，有3小时、15天、月到年等等时间尺度的数据，在我们的日常研究中，通常使用日、月和年这三个时间尺度，比如一个数据集的时间分辨率是3小时，我们可以将其按照日、月或年计算平均，得到不同时间尺度的数据集。因此，本文提供了一个代码框架，用于将短时间尺度的数据集聚合到长时间尺度。本文以NASA 全球陆地数据同化系统第 2 版 (GLDAS-2)

文章构建了1985–2023年全国逐年无云无缝Landsat生长季影像数据集，系统解决云影干扰与数据缺口问题，为土地变化、碳监测等提供高质量数据支撑。刘教授团队发布的这一套数据集完成了全国陆域晴空像元全覆盖，解决了长时序影像数据缺口与噪声干扰等影响时空连续分析的痛点问题。虽然原始的Lansat4—7和Landsat8、9的波段代码不一样，但这套数据集的代码对应的都是Landsat4—7的代码。本文将重点介绍如何在geemap中使用python代码调用这套数据集，以及使用这套数据集作一些基础应用的展示。

【代码】GEE基于MODIS影像计算区域逐月kNDVI并批量导出。

筛选云函数这一段filter(ee.Filter.lt(‘CLOUDY_PIXEL_PERCENTAGE’, 60))可以根据个人需求调整，因为前面有做过去云，也可以不筛选。

加载研究区。

使用GEE进行生态敏感性评价