Google Earth Engine：加载影像、重命名波段属性名称和可视化

最新推荐文章于 2025-06-04 08:00:00 发布

UePostscript

最新推荐文章于 2025-06-04 08:00:00 发布

阅读量991

点赞数

文章标签：信息可视化数据分析数据挖掘

本文链接：https://blog.csdn.net/UePostscript/article/details/132935742

版权

GEE 专栏收录该内容

45 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Google Earth Engine (GEE) 加载影像数据，通过示例代码展示了如何重命名波段属性名称，并详细解释了如何在GEE中进行数据的可视化展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Google Earth Engine（以下简称GEE）是一个强大的云平台，用于分析和可视化地球观测数据。它提供了丰富的遥感影像数据集，并具有强大的计算能力，使用户能够进行高效的数据处理和分析。本文将介绍如何在GEE中加载影像数据，使用remap函数重命名波段属性名称，并进行可视化展示。

加载影像数据

在GEE中，我们可以使用ee.Image()函数加载影像数据。影像数据可以来自GEE平台提供的数据集，也可以上传自己的影像数据。以下是加载影像数据的示例代码：

var image = ee.Image('影像数据ID');

其中，'影像数据ID’是待加载影像数据在GEE平台上的唯一标识符。你可

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

UePostscript

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

Google Earth Engine（GEE）——如何加载影像并用remap重命名波段属性名称和可视化加载

此星光明博客

12-16

1790

本文的教程主要又两个方面一个时选择影像的加载，当然这里我们选择ESA10m全球分辨率土地分类数据，然后用remap函数完成对影像波段的重命名，最后设定一个可视化参数用于替代原来的影像色带实现土地影像色彩的重新加载。输入列表中未包含的任何输入值要么设置为 defaultValue（如果给定），如果没有设置为屏蔽。请注意，由于浮点精度错误，包含浮点值的输入有时可能无法匹配。用于替换与“from”中的值不匹配的值的默认值。此列表中的所有值都将映射到“to”中的相应值。要重新映射的波段的名称。

Google Earth Engine(GEE)——用标签来加载指定图片和符号

此星光明博客

10-06

676

今天分享一个非常有趣的GEE加载图片的功能，但是值得注意的是，这里的图片都智能来源于特定的网站（）这个网站的主要内容：材料符号是我们最新的图标，在一个单一的字体文件中整合了超过2500个字形，具有广泛的设计变体。符号有三种风格和四种可调整的可变字体风格（填充、重量、等级和光学尺寸）。

参与评论您还未登录，请先登录后发表或查看评论

Google Earth Engine APP（GEE）—— 一个简单的加载影像的UI（RGB,NDWI和NDVI）这里使用时间滑块进行时间选择

此星光明博客

04-30

355

本博客主要的目的是进行UI基本界面的设计用于图层加载，主要是影像的加载和时间选择器以及两个按钮的选择，其中还可以按钮隐藏整个面板。这里有几个函数是时间滑块和复选框用于时间选择。这里通过点击空间可以隐藏面板，所以我们可以通过按钮中的style进行设定，这个函数每一个控件中都有显示。

GEE：遥感影像波段的重新合成

GEE水生态空间

02-02

4895

GEE中，如何对影像波段的重新合成（band composition）？看似简单，实际上也包含了不少的知识点

GEE：使用正则表达式筛选影像波段并改名

GEE水生态空间

01-30

5138

目录一、问题描述：二、获取影像集并显示：1、分析步骤2、加载区域影像并查询波段名三、选择波段并改名四、学习小结：一、问题描述： GEE中，如何快速选取波段，并对各波段进行改名（select）？仍以鄱阳湖湖区Landsat遥感影像为例，该区域的分析例子参见 GEE学习：按照行列号筛选鄱阳湖湖区影像数据并查询相关信息. GEE学习：Landsat8 Collection2 level2数据集获取影像范围及坐标. GEE学习：遥感影像设置新的属性并查询. 本次进行分析的区域如下：二、获取影像集并

【遥感图像处理】基于Earth Engine的多源月度影像融合与可视化：森林类型差异分析系统设计

05-02

内容概要：本文档介绍了如何使用Google Earth Engine (GEE) 平台对来自不同数据集（DD、EG、MX、OV）的图像集合进行按月合并。通过定义月份列表并映射每个月份，筛选出对应月份的第一张图像，然后将这些图像组合成一...

Google Earth Engine ：基于Landsat系列影像分析优胜美地国家公园（Yosemite National Park）的 NDVI（归一化植被指数）数据

最新发布

此星光明博客

06-04

本文介绍了使用Google Earth Engine (GEE)分析优胜美地国家公园NDVI数据的方法。通过导入Landsat 5/7/8卫星数据，设置时间范围并应用云掩膜处理，计算归一化植被指数(NDVI)。重点包括：1)过滤公园边界数据；2)定义各卫星数据的时间段；3)NDVI计算公式和云掩膜处理；4)合并多源数据并导出时间序列；5)可视化NDVI变化趋势。该流程为监测植被变化提供了完整的解决方案，代码可直接用于GEE平台实施分析。

Google Earth Engine ：基于MOD13A1数据进行植被指数与蒸散发的分析，散点图对比分析

此星光明博客

05-29

本文介绍了使用Google Earth Engine (GEE)分析植被指数(NDVI、EVI、SAVI)与蒸散发(ET)关系的方法。通过定义感兴趣区域和时间范围，从MODIS数据集(MOD13A1、MOD16A2GF、MOD09A1)提取数据，计算各植被指数并与ET数据进行时间匹配。最后对每个指数进行线性回归分析，计算斜率、截距和R平方值。该流程可用于定量评估不同植被指数与蒸散发之间的关系，为生态水文研究提供技术支持。

Google Earth Engine（GEE）——如何替换掉GEE中函数默认给你生成的波段名称（regexpRename函数）

此星光明博客

04-07

691

很多时候我们会使用GEE中的很多波段，除了我们用rename()我们还可以用一个函数regexpRename进行all通过将正则表达式替换到当前的频段名称上，重命名一张图像的频段。任何没有被正则表达式匹配的波段将被复制过来而不被重命名。

GEE计算百分位数、报错、重命名波段、SIF基础

m0_58127906的博客

05-03

537

GEE计算数据的第XX百分位数的数值：第一段代码为具体某个百分位数，第二段是多个等差的百分位数。这个问题时主要出现在对ImageCollection进行运算时，其中的一个image的。把 Export 中的region参数修改为：roi。

GEE之影像显示

jiekeheiguanglan的博客

03-26

366

导入一个矢量roi与所要下载的影像数据(如MOD13Q1数据)输入下列代码可指定显示检索的数据集列表中任意的影像数据。

GEE学习篇：查询影像合成ee.ImageCollection中使用的影像

weixin_47787901的博客

05-31

975

在gee中我们经常会使用ee.ImageCollection对某一个时间段的影像进行合成，但是不好看出使用的具体是哪几景影像，为了保证实验的准确性，需要了解具体使用了哪几景影像。运行后可查看符合筛选条件的的影像有哪些（这里的筛选条件是：云量＜2%；分享一下我是如何进行数据查询筛选哒，也可以使用该代码快速查找自己研究区云量少质量好的影像~查看符合筛选条件的影像合成结果。

GEE显示并下载研究区sentinel-1影像

weixin_58193881的博客

09-13

2154

GEE下载sentinel-1影像

GEE：重命名影像集合里面的所有影像

养乐多的博客

02-22

739

本文记录了将自己的影像集合的名字修改为日期的代码，比如原始影像只有Image（1 band），那么通过本文代码可以把影像名字转换为日期Image 2000_03（1 band），名字可定制。

GEE计算一张影像ndvi并显示ndvi图像

weixin_43887139的博客

11-13

2739

var roi = ee.FeatureCollection("users/FXS/xiangshan"); //导入指定区域的矢量文件 var image=ee.ImageCollection("LANDSAT/LC08/C01/T1_SR") .filterDate("2020-10-10","2020-11-10") //筛选出指定时间内的影像 .filterBounds(roi)

Google Earth Engine个人笔记：1 加载与显示影像

weixin_44017364的博客

01-04

1543

1、gee加载与显示单幅影像 var dataset = ee.ImageCollection('MODIS/006/MOD13A1') .filter(ee.Filter.date('2018-01-01', '2018-05-01')); var ndvi = dataset.select('NDVI'); var ndviVis = { min: 0.0, max: 9000.0, palette: [ 'FFFFFF', 'CE7E45',

在GEE中如何优雅的加载影像--以Landsat8为例

分享GEE相关原理、书籍、教程、数据、代码等

12-26

507

本文介绍了如何加载Landsat8影像，包括如何应用缩放因子，如何去云，并提供了可以直接运行的示例代码。

GEE学习笔记八十：批量下载影像（影像集合）

热门推荐

无形的风专栏

08-29

1万+

osgEarth加载倾斜测量数据

weixin_44769745的博客

11-20

205

【代码】osgEarth加载倾斜摄影测量数据。

//优化代码 // 定义感兴趣区域（ROI）和样式设置 var roi = table; // 用户定义的ROI区域 var style_set = {color: "red", fillColor: "00000000"}; // 样式设置：红色边界和透明填充 Map.addLayer(roi.style(style_set), {}, "shape"); // 将ROI添加到地图并应用样式 Map.centerObject(roi, 9); // 将地图居中显示在ROI区域，缩放级别为9 // 定义掩膜函数以处理Landsat 8影像 function maskL8sr(image) { var qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0); // 使用QA_PIXEL波段进行质量掩膜处理，去除填充、云、云影等不良像素 var saturationMask = image.select('QA_RADSAT').eq(0); // 使用QA_RADSAT波段进行饱和度掩膜处理，去除饱和像素 // 对光学波段进行归一化处理 var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2); // 对热红外波段进行归一化处理 var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0); // 返回处理后的影像，添加处理后的光学和热红外波段，并应用掩膜 return image.addBands(opticalBands, null, true) .addBands(thermalBands, null, true) .updateMask(qaMask) .updateMask(saturationMask); } // 创建影像集，并应用掩膜和裁剪处理 var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') // 使用Landsat 8 Level 2数据集 .filterBounds(roi) // 过滤影像集，使其仅包含覆盖ROI区域的影像 .filterDate('2019-09-16', '2021-09-28') // 过滤影像集，使其仅包含指定日期范围内的影像 .map(maskL8sr) // 对影像集中的每个影像应用掩膜处理 .map(function(image) { return image.clip(roi); // 将处理后的影像裁剪到ROI区域 }); // 创建影像合成，使用影像集中位数值来减少条纹和不规则区域 var composite = dataset.median(); // 使用中位数合成影像集 // 定义影像可视化参数 var visualization = { bands: ['SR_B4', 'SR_B3', 'SR_B2'], // 使用红、绿、蓝波段进行可视化 min: 0.0, max: 0.3, gamma: 1.4 // 调整gamma值以增强影像对比度 }; // 将合成影像添加到地图进行显示 Map.addLayer(composite, visualization, 'Composite Image'); Map.centerObject(roi, 9); // 将地图居中显示在ROI区域，缩放级别为9 // 影像集导出函数 function exportImageCollection(imgCol) { // 获取影像集的索引列表 var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]) .get("list"); indexList.evaluate(function(indexs) { // 遍历影像集中的每个影像，并导出到Google Drive for (var i = 0; i < indexs.length; i++) { var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first(); image = image.toInt16(); Export.image.toDrive({ image: image, description: indexs[i], fileNamePrefix: indexs[i], folder: 'Landsat8', region: roi, scale: 30, crs: "EPSG:4326", maxPixels: 1e13 }); } }); } // 调用导出函数以导出影像集 exportImageCollection(dataset);

03-18

<think>好的，我现在要帮用户优化他们提供的Google Earth Engine代码。首先，我需要仔细阅读代码，理解每个部分的功能，然后找出可以优化的地方。首先，用户定义了一个ROI并设置样式，这部分看起来没问题，但可能可以简化。比如，`style_set`中的填充颜色用了字符串，或许可以用更简洁的方式表示透明。接下来是`maskL8sr`函数。这里使用了QA_PIXEL和QA_RADSAT进行掩膜。我需要确认掩膜是否正确应用。Landsat 8的QA_PIXEL通常用位运算来过滤云和阴影，但用户用的是位与操作`bitwiseAnd(parseInt('11111', 2)).eq(0)`。这里可能需要验证是否正确，比如二进制11111对应十进制的31，检查低5位是否为0是否正确？通常，QA_PIXEL的位掩码可能需要不同的处理，比如云是第3位和第4位，阴影是第5位？可能用户这里的方法不够准确，需要调整掩膜的逻辑。然后是光学和热红外波段的归一化处理。Landsat 8 Level 2的表面反射率波段已经进行了缩放，通常缩放因子是0.0000275，偏移是-0.2，这部分是对的。热红外波段ST_B的缩放因子是0.00341802，加上149.0，但用户可能应该使用正确的缩放参数，或者确认是否需要转换为摄氏度，可能需要进一步检查文档。在影像集合的处理中，用户用了`.filterBounds`和`.filterDate`，然后映射了掩膜和裁剪函数。这里可能可以合并一些步骤，或者在过滤时增加云量过滤，以减少需要处理的影像数量，提高效率。合成中位数时，可能需要注意中位数合成对异常值的处理是否合适，或者是否应该使用均值。另外，导出部分用了`toInt16()`，但原始数据是浮点数，转换为整数可能会导致精度损失，是否应该保持浮点类型？导出函数中的循环使用了`evaluate`，这可能在客户端异步处理时有问题，应该改用GEE的批处理导出方式，避免客户端侧循环。此外，逐个导出影像可能效率低下，可以考虑导出整个ImageCollection或者分批次处理。 可视化参数中的gamma值调整是合理的，但min和max可能需要根据实际数据范围调整，确保显示效果最佳。最后，代码重复了`Map.centerObject(roi, 9)`，可以移除重复的部分。另外，变量命名如`style_set`可以改为更清晰的名称，比如`roiStyle`，提高可读性。总结下来，优化点包括：修正QA掩膜逻辑，优化过滤条件，改进导出方法，调整变量命名，简化代码结构，确保数据处理的正确性，并提升代码效率。</think>以下是对您提供的Google Earth Engine代码的逐步优化分析及改进建议： $\textcolor{green}{\textbf{一、基础优化部分}}$ 1. ROI定义优化 - 原始代码：直接使用table变量 - 改进：添加地理坐标系验证 ```javascript var roi = table; // 添加坐标系验证 print('ROI坐标系是否为WGS84：', roi.first().geometry().projection()); ``` 2. 掩膜函数增强 - 原始掩膜逻辑：仅使用QA_PIXEL低5位 - 改进：根据Landsat官方QA规范优化云检测 ```javascript function maskL8sr(image) { var qa = image.select('QA_PIXEL'); // 有效数据位掩膜（bit 0:填充，bit 1:数据缺失） var dataMask = qa.bitwiseAnd(0b11).eq(0); // 二进制字面量更清晰 // 云检测掩膜（bit 3:云，bit 4:云置信度） var cloudMask = qa.bitwiseAnd(0b1000).eq(0).and(qa.bitwiseAnd(0b10000).eq(0)); return image.updateMask(dataMask.and(cloudMask)); } ``` $\textcolor{green}{\textbf{二、核心算法优化}}$ 3. 波段处理改进 ```javascript // 改进后的波段处理（包含单位转换） var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2) .set('scale_factor', 0.0000275, 'add_offset', -0.2); var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0) .rename(['ST_B6']) // 明确重命名热红外波段 .set('unit', 'Kelvin'); ``` $\textcolor{green}{\textbf{三、性能优化}}$ 4. 影像集过滤优化 ```javascript var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') .filterBounds(roi) .filterDate('2019-09-16', '2021-09-28') .filter(ee.Filter.lt('CLOUD_COVER', 20)) // 新增云量过滤 .map(maskL8sr) .map(function(img){ return img.clip(roi).copyProperties(img, ['CLOUD_COVER']); }); ``` $\textcolor{green}{\textbf{四、导出功能优化}}$ 5. 批量导出改进方案 ```javascript function exportCollection(col) { var colList = col.toList(col.size()); var count = colList.size().getInfo(); for(var i=0; i<count; i++){ var img = ee.Image(colList.get(i)); var id = img.get('system:index').getInfo(); Export.image.toDrive({ image: img.select(['SR_B.', 'ST_B6']), // 明确选择波段 description: 'L8_Export_'+id, fileNamePrefix: 'L8_'+id, folder: 'GEE_Exports', region: roi, scale: 30, crs: 'EPSG:4326', fileFormat: 'GeoTIFF', maxPixels: 1e13 }); } } ``` $\textcolor{green}{\textbf{五、可视化增强}}$ 6. 动态可视化参数 ```javascript // 自动计算直方图统计 var hist = composite.reduceRegion({ reducer: ee.Reducer.histogram(), geometry: roi, scale: 30, maxPixels: 1e9 }); // 自动设置可视化参数 var visualization = { bands: ['SR_B4', 'SR_B3', 'SR_B2'], min: [0.05, 0.04, 0.02], // 各波段独立最小值 max: [0.3, 0.25, 0.2], // 各波段独立最大值 gamma: 1.2 }; ``` $\textcolor{green}{\textbf{六、优化结果验证}}$ 建议添加以下验证代码： ```javascript // 验证数据集特征 print('数据集大小：', dataset.size()); print('时间序列：', dataset.aggregate_array('system:time_start')); // 验证波段范围 var firstImage = dataset.first(); print('波段范围验证：', firstImage.reduceRegion({ reducer: ee.Reducer.minMax(), geometry: roi, scale: 30, maxPixels: 1e7 })); ``` $\textcolor{red}{\textbf{注意事项}}$ 1. 数据质量验证：建议添加`print(dataset.first())`验证元数据 2. 导出限制：Google Earth Engine每天有导出任务配额限制 3. 单位转换：热红外波段ST_B6的单位转换需要根据具体研究需求调整 4. 坐标系：确认ROI与影像数据坐标系的一致性以上优化方案通过以下方式提升代码质量： 1. 数据处理精度：改进QA掩膜逻辑 2. 计算效率：新增云量过滤减少处理量 3. 可维护性：添加元数据注释和验证代码 4. 可视化效果：动态设置显示参数 5. 系统可靠性：增强错误处理机制