GEE学习笔记-如何在jupyter lab中使用ee数据

本笔记基于吴秋生老师编写的教材进行学习。

1.如何导入数据？请看代码

import ssl
import ee
import geemap
ssl._create_default_https_context = ssl._create_unverified_context
geemap.set_proxy(port=7890)
image = ee.Image('USGS/SRTMGL1_003')#导入数据
image
image.getInfo()#查看数据信息

导入数据的代码编号可以进gee官网中查找

2.可视化数据：

Map = geemap.Map(center=[21.79, 70.87], zoom=3)#创建底图，center中的是坐标，zoom代表扩大或缩放几次
image = ee.Image('USGS/SRTMGL1_003')
vis_params = {
    'min': 0,
    'max': 6000,
    'palette': ['006633', 'E5FFCC', '662A00', 'D8D8D8', 'F5F5F5'],
}#可视化参数
Map.addLayer(image, vis_params, 'SRTM')#添加图层
Map

3.加载云端tif数据

可视化多波段数据

B3 = 'gs://gcp-public-data-landsat/LC08/01/044/034/LC08_L1TP_044034_20131228_20170307_01_T1/LC08_L1TP_044034_20131228_20170307_01_T1_B3.TIF'
B4 = 'gs://gcp-public-data-landsat/LC08/01/044/034/LC08_L1TP_044034_20131228_20170307_01_T1/LC08_L1TP_044034_20131228_20170307_01_T1_B4.TIF'
B5 = 'gs://gcp-public-data-landsat/LC08/01/044/034/LC08_L1TP_044034_20131228_20170307_01_T1/LC08_L1TP_044034_20131228_20170307_01_T1_B5.TIF'#定义波段
URLs = [B3, B4, B5]#将这三个URL组成的列表传递给geemap.load_GeoTIFFs函数，加载多个GeoTIFF图像并创建一个图像集合。
collection = geemap.load_GeoTIFFs(URLs)
image = collection.toBands().rename(['Green', 'Red', 'NIR']).selfMask()#将这个图像集合转换为单个多波段图像，重命名波段为'Green', 'Red', 'NIR'，并应用自我掩膜（去除无数据区域）。
Map = geemap.Map()
vis = {'bands': ['NIR', 'Red', 'Green'], 'min': 100, 'max': 12000, 'gamma': 0.8}#定义一个新的可视化参数字典，这次是针对近红外、红、绿波段的假彩色组合，并调整了亮度范围和伽马值以优化显示效果。
Map.addLayer(image, vis, 'Image')
Map.centerObject(image, 8)
Map

4.可视化collection数据

• ImageCollection: 这是Earth Engine中的一个数据类型，代表一组在时间序列上有组织的、具有相同空间范围和属性的影像。你可以把它想象成一系列卫星图像，这些图像覆盖相同的地理区域，并且通常按照它们被获取的时间排序。

• Map = geemap.Map()
  collection = ee.ImageCollection('COPERNICUS/S2_SR')
  image = collection.median()#取中值去云
  
  vis = {
      'min': 0.0,
      'max': 3000,
      'bands': ['B4', 'B3', 'B2'],
  }
  
  Map.setCenter(83.277, 17.7009, 12)
  Map.addLayer(image, vis, 'Sentinel-2')
  Map

  

• 5.筛选数据

• collection=  ee.ImageCollection('COPERNICUS/S2_SR')#导入数据
  Map = geemap.Map()
  collection = (
      ee.ImageCollection('COPERNICUS/S2_SR')
      .filterDate('2021-01-01', '2022-01-01')
      .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 5))
  )
  image = collection.median()
  
  vis = {
      'min': 0.0,
      'max': 3000,
      'bands': ['B4', 'B3', 'B2'],
  }
  
  Map.setCenter(83.277, 17.7009, 12)
  Map.addLayer(image, vis, 'Sentinel-2')
  Map

  实战练习，通过画出的西安市区的roi筛选时间和云量限制的数据：