Google Earth Engine（GEE）——Landsat卫星影像重采样提高分辨率

最新推荐文章于 2025-01-09 15:45:12 发布
最新推荐文章于 2025-01-09 15:45:12 发布
阅读量4.7k 收藏 13
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Google Earth Engine 文章标签： GEE 重采样 卫星影像 LANDSAT RS
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/qq_31988139/article/details/119784315
本文介绍了如何利用Google Earth Engine（GEE）进行重采样操作，以提高Landsat卫星影像的分辨率。默认情况下，GEE在重投影时采用最近邻重采样，但可以通过`resample`方法切换到双线性或双立方插值，以获得更平滑的图像效果。重采样操作在输入图像的其他处理之前进行，确保了影像质量的提升。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

如投影文档中所述，地球引擎在重新投影期间默认执行最近邻重采样。您可以使用resample()或reduceResolution()方法更改此行为。具体而言，当这些方法之一应用于输入图像时，将使用指定的重采样或聚合方法完成输入的任何所需重新投影。

重采样

resample()导致在下一次重新投影时使用指定的重采样方法（'bilinear'或'bicubic'）。由于在输出投影中请求输入，因此在输入的任何其他操作之前可能会发生隐式重新投影。因此，resample()直接调用 输入图像。考虑以下简单示例：

函数：

resample(mode)

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Google Earth Engine（GEE）——重采样后的精度有没有提升？分辨率有没有变化？
此星光明博客
05-22 1585
有关上一次有朋友问到30米分辨重采样后的精度如何，这里我们进行分析一下：上次的文章链接： (1101条消息) Google Earth Engine（GEE）——Landsat卫星影像重采样提高分辨率_此星光明2021年博客之星云计算Top3的博客-优快云博客_gee重采样 // 加载加利福尼亚州旧金山上空的 Landsat 图像。 var landsat = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20160323').select(['B2',
GEE python:Landsat影像的重采样（双线性插值或双三次插值）和重投影（MODIS影像）
此星光明博客
07-31 1454
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的，它实现了几个与地球引擎数据层交互的方法，比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有，它将安装geemap，它会自动安装其依赖项，包括earthengine-api、folium和ipyleaflet。
通过基于学习的超分辨率，通过与SPOT5图像融合来提高Landsat TM / ETM的空间分辨率
03-03
为了充分利用Landsat专题地图（TM）/增强型专题地图（ETM +）图像的宽幅宽度以及Systeme Pour l'Observation de la Terre 5（SPOT5）图像的高空间分辨率，我们提供了一个学习方法融合这两种数据类型的基于超分辨率的方法。 预计融合图像的特征在于TM / ETM +图像的扫描宽度和SPOT5图像的空间分辨率。 为此，我们首先通过模糊和下采样操作建立图像降级模型，从而对从SPOT图像到TM / ETM +图像在其对应频段的成像过程进行建模。 使用此降级模型，我们可以从每个SPOT5图像生成一个模拟的Landsat图像，从而避免了两个输入图像的几何配准需求。 然后，可以在两个阶段中逐个波段地实现图像融合：1）从给定的SPOT5和模拟的TM / ETM +图像中学习代表高分辨率和低分辨率细节的字典对； 2）基于字典对和稀疏编码算法对输入的Landsat图像进行超分辨。 值得注意的是，所提出的方法还可以通过使用学习到的字典对来处理TM / ETM +和SPOT5图像的常规空间和频谱融合。 为了检查所提出的融合TM / ETM +的条带宽度和SPOT5
如何大幅提高遥感影像分辨率（Python+MATLAB）
qq_2787174606的博客
08-18 1639
算法：NSCT算法（非下采样变换）数据：Landsat8 OLI 遥感图像数据编程平台：MATLAB+Python论文参考：毛克.一种快速的全色和多光谱图像融合算法[J].测绘科学,2016,41(01):151-153+98.DOI:10.16251/j.cnki.1009-2307.2016.01.028.左图：未进行融合的多光谱真彩色合成 右图：利用NSCT变换后的多光谱真彩色合成（1）上采样低分辨率多光谱图像LRM，使其和全色图像HRP的分辨率相同，记为LRM杠；
GEE：image分辨率更改
huuua494的博客
07-04 1819
GEE可以用ee.image.reproject()更改分辨率。
Google Earth Engine（GEE）——通过重采样对影像进行分割，然后让影像成为油画形式附带3D效果
此星光明博客
05-04 1789
本文通过Landsat影像和哨兵1号数据进行分析，然后利用sentinel1数据进行校正最后得到影像的响应分割，分别对每一块进行分析，最后得出相应的效果。 代码： var Slic = require('users/gena/packages:slic').Slic // ============ LANDSAT 8======================== function slicExampleLandsat8() { Map.setCenter(148.80, -34.94, 13)
Google Earth Engine（GEE)—将 MODIS 土地覆盖分类 (250m) 重采样到 Landsat 分辨率 (30m)
此星光明博客
07-28 4097
使用监督分类器将 MODIS 土地覆盖分类 (250m) 上采样到 Landsat 分辨率 (30m)。 最后的效果 Landsat8影像 modis数据 代码： var geometry = ee.Geometry.Polygon( [[[29.972731783841393, 31.609824974226175], [29.972731783841393, 30.110383818311096], [32.5655...
基于python和GDAL实现遥感影像重采样（改变分辨率）
热门推荐
做GIS梦的人
05-23 1万+
很多时候都需要改变已经影像的分辨率，这里自己动手研究了一下相关原理，并进行了实现，以后可以很方便地改变影像的分辨率。 影像重采样核心 重采样的核心是影像的坐标范围不变，改变影像像元的大小，来实现像元个数的增减，即分辨率的改变。 像元的面积*像元个数=固定值 像元大小变为原来的1/2时，影像的像元数量变为原来的四倍。 代码实现 from osgeo import gdal, gdalconst import os import numpy as np def resampli..
Google Earth Engine (GEE) ——ALOS/AVNIR-2 ORI高分辨率（10m）数据集（仅限日本地区）
此星光明博客
10-15 1632
这个数据集包含来自先进的可见光和近红外辐射计2型(AVNIR-2)传感器上的先进陆地观测卫星(ALOS)“大池”的正射校正图像。AVNIR-2 ORI 产品是根据 ALOS 的全色立体测绘遥感仪器(PRISM)衍生的 DSM AW3D30进行立体匹配后，从 AVNIR-21B1数据创建的。JAXA不保证该数据集的质量和可靠性，JAXA对使用该数据集造成的任何直接或间接损害和损失不承担任何责任。当您使用该数据集发布您的产品时，请您显示版权（© JAXA）和数据的来源。
微软行星云计算planet platform中的高分辨率影像通过API接入Google Earth Engine（GEE）
此星光明博客
04-07 1816
Planet Platform Planet Platform 是一个完全自动化的基于云的图像和分析平台，可以访问由 PlanetScope 和 SkySat 星座捕获的全面的每日数据集。Planet Platform每天下载、处理和管理15TB以上的数据。这个独特的卫星数据集生活在网上，通过基于网络的工具和用户友好的API和GUI使客户的访问和下载变得简单。最近收到了关于planet官方的邮件：主要内容是新的旗舰产品，有利于高质量影像的获取，虽然没能及时参会，但是会后还是看了视频。 两种超高分辨率
Google Earth Engine（GEE）——加拿大高分辨率数字高程模型（HRDEM）
此星光明博客
03-03 688
HRDEM数据集的源数据是通过不同合作伙伴的多个项目获得的。高分辨率数字高程模型（HRDEM）产品是CanElevation系列的一部分，是为了支持NRCan实施的国家高程数据战略。大多数2米分辨率的数据集是由ArcticDEM项目产生的，因此在这次工作中没有摄入，只有1米分辨率的瓦片被摄入。由于瓦片边缘不匹配，而且数据集来自不同的来源和日期，因此对具有相同名称的瓦片采用了一种简单的方法，即用最大的文件尺寸取代该名称的任何文件。免责声明：数据集的全部或部分描述是由数据集的作者或提供者及其作品提供的。
Arcgis重采样时分辨率的设置
Blue_wjh的博客
11-27 9882
在输出像元大小的位置可以输入x，y的值，此处单位是米。当X,Y输入1200时，得到的结果就是空间分辨率为1200米的影像。
第十二篇GEE中使用Sentinel来下载空间分辨率较高的影像
Gee Explorer的博客
08-29 943
/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。
20240323期：GEE平台获取15/30m分辨率DEM地形影像
weixin_55429615的博客
03-23 1557
01.进入Gee平台界面。02.导入shp文件。03.编写代码。04.run。
Google Earth Engine(GEE)实例代码学习十一——影像全色波段融合提高分辨率（HSV Pan Sharpening）
little00bee的博客
04-19 5764
利用全色波段提高影像分辨率 本文分享如何利用Landsat8全色波段提高影像分辨率 //筛选Landsat8影像云覆盖最少影像 var image = ee.Image(ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA') .filterDate('2017-01-01', '2017-12-31') .filterBounds(ee.Geometry...
基于 GEE 的 13 个免费高分辨率遥感数据集
@HNUSTer的博客
01-09 3931
基于 GEE 的 13 个免费高分辨率遥感数据集。
GEE案例——如何进行重采样（分辨率由高分辨率降为低分辨率）以sentinel2为例重采样到1000米
此星光明博客
10-14 1830
如何正确的将高分辨率影像降低为低分辨率？这里我们使用sentinel2影像数据作为研究，并最终将影像转化为1000米分辨率的影像聚合像素要在地球引擎中聚合像素，必须使用 reduceResolution() 函数。有关该函数的更多信息，请参阅《Earth Engine 用户指南》。现在我们来看看如何将人口栅格聚合到较低分辨率的栅格中。首先，我们必须按所需分辨率计算投影参数。投影由 CRS 和 CRS 变换组成。
GEE快速获取大范围无云10米遥感影像
m0_51479488的博客
12-31 3685
很多GEE学习者，都是从下载大范围高空间分辨率遥感影像开始的，或者在GEE上进行一些植被指数处理。本文选择Sentinel-2数据，利用S2_CLOUD_PROBABILITY数据集对其进行去云处理。然后合成无云的Sentinel-2影像及ndvi。
GEE案例:利用两期高分辨率土地分类数据进行建成区对比
此星光明博客
09-10 431
建成区是指城市和乡村居民点聚集区域建设用地。利用高分辨率土地分类数据进行建成区对比，可以了解不同时间段内建成区的变化情况。具体步骤如下：1. 收集两期高分辨率土地分类数据，如Landsat遥感影像数据。2. 将两期数据进行几何校正和辐射校正，保证数据的精度。3. 利用遥感图像处理软件，如ENVI、ArcGIS等，进行影像配准，将两期影像完美对齐。4. 进行影像分类，可采用最大似然分类、支持向量机分类（SVM）等算法进行分类，得到各类别像元数目。
Landsat L2影像数据的分辨率怎么查
最新发布
05-20
### 查看Landsat L2影像数据的分辨率及其遥感数据特性 Landsat L2级产品是经过大气校正后的地表反射率和亮温等参数化的产品，其分辨率取决于具体的波段和传感器类型。以下是关于Landsat L2影像数据分辨率的相关信息： #### 1. **Landsat OLI/TIRS (Landsat 8 和 Landsat 9)** 的分辨率 Landsat 8 和 Landsat 9 使用的是Operational Land Imager (OLI) 和 Thermal Infrared Sensor (TIRS)，它们的不同波段具有不同的空间分辨率： - 可见光、近红外和短波红外波段的空间分辨率为30米/像素[^1]。 - 热红外波段（Band 10 和 Band 11）的空间分辨率为100米/像素，在地面处理过程中通常重采样到30米以匹配其他波段的分辨率[^1]。 #### 2. **Landsat ETM+ (Landsat 7)** 的分辨率 对于Landsat 7 Enhanced Thematic Mapper Plus (ETM+) 数据： - 可见光、近红外和短波红外波段的空间分辨率为30米/像素。 - 热红外波段（Band 6）的空间分辨率为60米/像素，但在某些情况下也会被重采样至30米以与其他波段一致[^1]。 #### 3. **如何查看具体影像的分辨率** 可以通过以下几种方式来确认特定Landsat L2产品的分辨率： - 访问美国地质调查局(USGS) EarthExplorer 或 NASA LP DAAC 官方网站下载元数据文件(Metadata File)，其中会详细说明各波段的具体分辨率[^2]。 - 利用Google Earth Engine(GEE) 平台加载并探索Landsat集合的数据属性。例如，通过调用`ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')`可以访问Landsat 8 Tier 1 Level-2 大气校正表面反射率图像集，并进一步提取每种波段的信息[^2]。 ```javascript // 示例代码：在 GEE 中读取 Landsat 8 L2 波段信息 var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') .filterDate('2022-01-01', '2022-12-31'); print(dataset.first().bandNames()); // 输出所有可用波段名称 ``` #### 4. **遥感数据特性的理解** 了解Landsat L2数据的特性有助于更好地分析和解释结果： - 地表反射率已经过大气校正，减少了大气散射和吸收的影响[^1]。 - 辐射定标系数应用于原始DN值(Digital Number)，从而转换成物理单位如反射率或亮度温度。 - 不同时间序列下的同一地点可对比变化趋势，适用于长期动态监测研究领域如植被健康状况评估、水资源管理及城市扩张检测等方面的应用场景[^1]。
评论 10
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

此星光明

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