代码编织梦想

本次的实验主要目的就是通过对哨兵2号数据的土地分类,分别进行两期的对比,然后看土地利用变化的情况如何,这里所用到的函数是:

remap(lookupIn, lookupOut, columnName)

Remaps the value of a specific property in a collection. Takes two parallel lists and maps values found in one to values in the other. Any element with a value that is not specified in the first list is dropped from the output collection.

Arguments:

this:collection (FeatureCollection):

The collection to be modified.

lookupIn (List):

The input mapping values. Restricted to strings and integers.

lookupOut (List):

The output mapping values. Must be the same size as lookupIn.

columnName (String):

The name of the property to remap.

Returns: FeatureCollection

重新映射一个集合中的特定属性的值。接受两个平行的列表,将其中一个列表中的值映射到另一个列表中的值。任何具有未在第一个列表中指定的值的元素将从输出集合中删除。

参数。
this:collection(特征集合)。

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.csdn.net/qq_31988139/article/details/124444213

Google Earth Engine(GEE)实例代码学习六——土地利用分类(Landcover Cleanup)-爱代码爱编程

标题 利用MODSI全球土地覆盖产品显示土地利用分类 首先大致介绍一下MODIS土地覆盖产品MCD12Q1 MCD12Q1 V6产品按六种不同的分类方案按年间隔(2001-2016年)提供全球土地覆盖类型。 它是使用MODIS Terra和Aqua反射数据的监督分类得出的。 然后,对监督分类结果进行额外的后处理,这些后处理结合了先验知识和辅助信息以进一

Google Earth Engine(GEE)实例代码学习三十——监督分类(Classification)-爱代码爱编程

监督分类与CRAT进行土地类型分类 本文分析如何利用选取训练样本进行土地类型分类,本利用CRAT分类回归树训练分类样本计算混淆矩阵 //选取城镇代码为0,植被代码为1,水体代码为0类别训练样本 var urban = ee.FeatureCollection( [ee.Feature( ee.Geometry.P

()Google Earth Engine(GEE)实例代码学习三十一——利用MODIS土地分类产品(MCD12Q1)对Landsat影像分类-爱代码爱编程

本文分享如何利用MODIS全球土地分类产品(MCD12Q1)通过采样点实现Landsat影像土地利用类型分类 //选取一块研究区 var geometry = ee.Geometry.Polygon( [[[29.972731783841393, 31.609824974226175], [29.97273178384

Google Earth Engine———土地类型分类-爱代码爱编程

利用GEE对遥感影像进行分类后,如何对地物类型进行统计。 我们采用MODIS官方的地物分类产品(MCD12Q1.006)官网:https://lpdaac.usgs.gov/products/mcd12q1v006/, 空间分辨率为500m,时间分辨率为一年,MODIS产品中含有多个地物分类的产品。 我们选用其中一种产品,波段为LC_Type1,

Google Earth Engine(GEE)——分别用NDVI和NDWI进行阈值设定从而进行土地类型的划分!-爱代码爱编程

这里唯一要解释的函数就是这个: updateMask(mask) 说白了就是将不满足你条件的东西去掉,留下满足你要求的影像进行输出,输出图像保留输入图像的元数据和足迹。 Updates an image's mask at all positions where the existing mask is not zero. The output im

Google Earth Engine ——MOD16A2 V105产品以1公里的像素分辨率提供8天的全球陆地蒸发量(ET)信息-爱代码爱编程

The MOD16A2 V105 product provides information about 8-day global terrestrial evapotranspiration at 1km pixel resolution. Evapotranspiration (ET) is the sum of evaporation and plan

Google Earth Engine ——土地分类/覆盖制图(随机森林方法2)-爱代码爱编程

分类 研究中使用随机森林监督分类方法。监督分类是最常用于遥感影像数据定量化学分析的技术。监督分类支持这样一种想法,即用户可以选择图片中代表特定类别的样本像素,因此指示图像处理软件使用这些训练站点作为图像中所有其他像素分类的参考。有关分类的更多详细信息,请访问链接   // 获取之前的波段 var bands = image.bandNames() p

Google Earth Engine(GEE)——sentinel-2数据QA60波段去云函数-爱代码爱编程

影像: Dataset Provider European Union/ESA/Copernicus 哨兵-2是一项宽幅、高分辨率、多光谱成像任务,支持哥白尼土地监测研究,包括监测植被、土壤和水覆盖,以及观测内陆水道和沿海地区。 哨兵-2 L2数据可从scihub下载。它们是通过运行sen2cor计算出来的。警告:欧空局并没有为所有的L1资产制作L

Google Earth Engine(GEE)——MCD12Q1 v006(Terra+Aqua )土地覆盖类型 每年 L3 全球 500 m SIN 网格数据中国区域下载-爱代码爱编程

数据介绍 Terra 和 Aqua 组合中分辨率成像光谱仪 (MODIS) 土地覆盖类型 (MCD12Q1) 第 6 版数据产品每年(2001-2019 年)提供全球土地覆盖类型,源自用户指南中列出的六种不同分类方案。MCD12Q1 第 6 版数据产品是使用 MODIS Terra 和 Aqua 反射数据的监督分类得出的。然后,监督分类经过额外的后

Google Earth Engine(GEE)——案例分析土地分类数据的正确加载(UI.panel)-爱代码爱编程

本次的研究主要是正确加载一个土地分类数据,用到了UI.panel, ui.label,等以及legend图例的添加等内容的简单操作案例,主要目的是在GEE中加载土地分类数据和相应的面板上的标签和颜色的展示。 本文的案例和数据来源于: Remote Sensing | Free Full-Text | A Planted Forest Mapping M

Google Earth Engine 下载遥感影像——以Landsat 8数据为例-爱代码爱编程

目录 1、Google Earth Engine(GEE)简介 1.1 开发环境 1.2 说明书  2、GEE账号注册 3、GEE 查询库内卫星影像以及调用 3.1 数据集Datasets 3.2 加载影像 3.2.1 绘制感兴趣区 3.2.2 加载landsat 8数据集   3.3 影像的预处理 3.3.1 剔云处理 3.3.2

Google Earth Engine(GEE)——MODIS数据利用地形提取水体面积(以青海省为例)-爱代码爱编程

全球水掩膜使用SWBD(SRTM水体数据)与MODIS 250米数据相结合,创建一个完整的250米空间分辨率的全球地表水地图,大约在2000-2002年。该数据集用于处理栅格数据和在最终的栅格数据产品中掩盖水。这个就是全球一景影像,我们可以根据自己的矢量或者选择自己的在map上画的东西进行分析。 Dataset Availability数据的时间 20

Google Earth Engine(GEE)——利用哨兵S2数据进行PCA分析以单景影像分析-爱代码爱编程

之前有一篇公开的文章是有关单景Landsat8影像的PCA分析: (241条消息) Google earth engine——主成分分析PCA_此星光明2021年博客之星云计算Top3的博客-CSDN博客 我们今天尝试用哨兵2号卫星的数据去做一下,因为这样分辨率会高一些,同样的代码可以同样的使用,但是得注意一个问题,因为Landsat8的数据,每一个波

google earth engine ——数据全解析专辑(copernicus/corine/v18_5_1/100m)欧洲土地利用数据1986-爱代码爱编程

The CORINE (coordination of information on the environment) Land Cover (CLC) inventory was initiated in 1985 to standardize data collection on land in Europe to support environmen

google earth engine ——数据全解析专辑(copernicus/corine/v20/100m)欧洲土地利用数据集1986-爱代码爱编程

The CORINE (coordination of information on the environment) Land Cover (CLC) inventory was initiated in 1985 to standardize data collection on land in Europe to support environmen

google earth engine ——数据全解析专辑(copernicus/landcover/100m/proba-爱代码爱编程

Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3 The Copernicus Global Land Service (CGLS) is earmarked as a component of the Land service to operate a multi-purpose

google earth engine ——数据全解析专辑(copernicus global land cover layers: cgls-爱代码爱编程

Copernicus Global Land Cover Layers: CGLS-LC100 Collection 2 The Copernicus Global Land Service (CGLS) is earmarked as a component of the Land service to operate a multi-purpose