代码编织梦想

今天分享一下如何在GEE中下载landsat影像,以landsat8为例,因为我的目标是下载地表真实影像,所以选择的数据集为’LANDSAT/LC08/C01/T1_SR;这个数据集已经进行过辐射定标和大气校正;运行代码如下:

研究区还是以山西省为例

//以山西省为研究区
var roi = ee.FeatureCollection("users/lilei655123/shanxi");
// 去云函数
function maskL8sr(image) {
  // Bits 3 and 5 are cloud shadow and cloud, respectively.
  var cloudShadowBitMask = (1 << 3);
  var cloudsBitMask = (1 << 5);
  // Get the pixel QA band.
  var qa = image.select('pixel_qa');
  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
                 .and(qa.bitwiseAnd(cloudsBitMask).eq(0));
  return image.updateMask(mask);
}
//Landsat8SR数据,经过辐射定标和大气校正
var l8SR = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
                  .filterBounds(roi)
                  .filterDate('2020-06-01', '2020-09-30')
                  .map(maskL8sr)
                  .select('B1','B2','B3','B4','B5','B6','B7','B10','B11')
                  .median()   //中值合成
                  .clip(roi)

print("l8SR",l8SR)

var rgbVis = {
  min: 0.0,
  max: 3000,
  gamma: 1.4,
  bands: ['B4', 'B3', 'B2'],
};

Map.addLayer(l8SR, rgbVis, 'l8SR');
Map.centerObject(roi,7)

//boundary
var styling = {color:"red",fillColor:"00000000"};
Map.addLayer(roi.style(styling),{},"geometry")

//影像导出函数
Export.image.toDrive({
  image: l8SR.select('B4', 'B3', 'B2'),
  description: 'l8SR',
  crs: "EPSG:4326",
  scale: 30,
  region: roi,
  maxPixels: 1e13,
  folder: 'shanxi'
});

因为我的目标是查看地表的真实影像,所以选用波段为’B4’, ‘B3’, ‘B2’,为真彩色合成

显示结果如下:
在这里插入图片描述
下载至云盘:
在这里插入图片描述
感谢关注,欢迎转发!

声明:仅供学习使用!

更多内容请关注微信公众号“生态遥感监测笔记”:

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/guaicaicexu/article/details/125523864

Google Earth Engine(GEE)——Landsat4/5/7 SR数据除云-爱代码爱编程

Landsat4/5/7 SR数据除云是我们进行波段计算必须要进行的一项工作,这样能更加准确的获取波段信息,所以我们今天来简单介绍除云。当然除云后会有空白板块的出现,这是在所难免的,至于影像色差如何取补,可以点击连接访问: GEE(Google Earth Engine)消除影像色差——直方图匹配算法!_此星光明的博客-CSDN博客    自己对

Google Earth Engine(GEE)——Landsat8 SR数据除云-爱代码爱编程

上一次讲了Google Earth EngineLandsat4/5/7 SR数据除云,这次讲一下Landsat8 SR数据除云, 同样是获取QA波段,select('pixel_qa'),将cloudShadowBitMask和cloudsBitMask的值都让它等于0,两个标志都应设置为零,表示清除条件。最后这个就成了掩膜后的对象。最后通过retur

Google Earth Engine(GEE)——Landsat8 TOA 影像去云-爱代码爱编程

上一篇文章写了如何去除Landsat 8 SR数据,这一片主要是讲一下如何去除Landsat8 TOA 影像。 除云前影像:   除云后影像:  代码: // 建立函数还是选择BQA波段 var maskL8 = function(image) { var qa = image.select('BQA'); //检查云层位是否关闭,设

Google Earth Engine(GEE)——Landsat8 影像梯度计算-爱代码爱编程

先看图像: 方向  梯度 直接看代码: //加载 Landsat 8 图像并选择全色波段。 var image = ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318').select('B8'); // 用内置函数直接,计算 X 和 Y 方向的图像梯度。 var xyGrad = ima

Google Earth Engine(GEE)——Landsat8影像数组排序和归约-爱代码爱编程

阵列排序对于获得自定义质量的mask很有用,这涉及根据不同波段中的值减少图像波段的子集。以下示例按云索引排序,然后获取集合中云最少的图像子集的平均值: 函数: ee.Algorithms.Landsat.simpleCloudScore(image) 使用亮度、温度和 NDSI 的组合计算 [0,100] 范围内的简单的云似然分数。这不是一个多云的云

Google Earth Engine(GEE)——Landsat 系列卫星及其算法的介绍(新手必备)!-爱代码爱编程

Landsat 采集结构 USGS 为每颗卫星生成 3 层(类别)数据: 第 1 层 (T1) - 满足几何和辐射质量要求的数据第 2 层 (T2) - 不符合第 1 层要求的数据实时 (RT) - 尚未评估的数据(最多需要一个月)。有关详细信息,请参阅有关 Collection 1 Tiers 的 USGS 文档(https://www.usgs.g

Google Earth Engine(GEE)——Landsat SR影像去云函数-爱代码爱编程

  函数: bitwiseAnd(image2) Calculates the bitwise AND of the input values for each matched pair of bands in image1 and image2. If either image1 or image2 has only 1 band, then

Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算-爱代码爱编程

1简介2背景3在 Google Earth Engine 中使用 Landsat 8 进行预处理 3.1预处理级别示例。3.2大气顶(TOA)3.3表面反射率(SR)3.4 Landsat 影像比较的完整代码3.5云遮蔽 3.5.1单图像屏蔽:第 1 部分3.5.2单图像屏蔽:第 2 部分3.5.3跨多个日期的掩码3.5.4可视化

Google Earth Engine(GEE)——如何批量下载1986-2020年的Landsat SR地表反射率影像?-爱代码爱编程

这篇文章主要是再长时间序列的研究中,很多时候我们需要下载很多年的影像,因为GEE平台有时候代码补全,所以可以通过下载影像来在本地实现影像的处理,所以当GEE成为一个数据下载的中心时,我们就可以通过以下几个步骤完成: 1.上传自己的研究区的矢量影像 2.写出去云函数 3.定义开始时间和结束时间 4.影像的筛选,时间,边界和波段选择,最后通过镶嵌影像变

Google Earth Engine(GEE)——Landsat8影像逐月NDVI_FVC计算内含直方图和下载——以北京市为例-爱代码爱编程

本文通过逐年逐月遍历影像,计算NDVI影像计算和FVC计算,并且统计其逐月的直方图和下载,但是本文为了减少GEE网页崩溃,所以直接就用一年的影像进行了实验。 本文中用到的函数两个: ee.Image(args) An object to represent an Earth Engine image. This constructor accepts

Google Earth Engine(GEE)——Landsat TOA影像一种新的去云方法-爱代码爱编程

利用光学仪器获取的地球观测卫星图像需要自动和准确的云检测。云层检测的多时空方法通常比其单一场景的方法更强大,因为云层的存在在不同的采集中变化很大,而表面在广义上可以假设是静止的。然而,两个实际的限制通常会阻碍其操作使用:获取完整的卫星图像档案和所需的计算能力。 最近有一个其他方法去云:Mateo-García, G提出了一种在谷歌地球引擎(GEE)云计算

Google Earth Engine(GEE)——利用Landsat卫星影像计算EVI数据并下载以山西省为例-爱代码爱编程

这里简单说明以下本次适用的数据是Landsat系列,但是Landsat系列卫星中常用的数据包含地表反射率数据SR和大气层顶反射数据,这里面用到的去云方法是不一样的,所以大家要根据所选择的系列影像去采取不同的去云方法,本次案例我们以Landsat SR数据为实验目标。 之前关于去云的文章请参考: (452条消息) Google Earth Engine(

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)——Landsat 7条带色差修补-爱代码爱编程

本文主要是利用Landsat5和8去填充Landsat7造成的条带色差的问题,本文的整体思路就是奖原有的Landsat7条带去除,然后进行分析,最后分别计算Landsat5 和8影像进行填充,最后叠加填充后的效果是可以的 focalMin(radius, kernelType, units, iterations, kernel) 使用命名的或自定义的内

triple-爱代码爱编程

Shapelets是时间序列分类的判别子序列。尽管基于形状的方法已经取得了良好的性能和可解释性,但它们仍然有两个问题需要改进。首先,以前的方法只是通过对所有样本进行分类的准确性来评估一个shapelet。然而,对于多类不平衡分类任务,这些方法将忽略能够区分少数类和其他类的shapelets,而倾向于使用能够区分多数类的shapelets。其次,在训练阶段后

google earth engine(gee)——landsat5-爱代码爱编程

本篇主要实现Landsat5-9影像整体融合,查看某一区域的影像有多少的问题 这里有个函数需要介绍一下: distinct(properties) Removes duplicates from a collection. Note that duplicates are determined using a strong hash over the