GEE基本概念（二）——3. filter&map&reducer

最新推荐文章于 2024-02-24 20:21:18 发布

小时候_可叼了

最新推荐文章于 2024-02-24 20:21:18 发布

阅读量1.3k

点赞数 3

文章标签：开发语言 javascript 云计算

本文链接：https://blog.csdn.net/a_aharon/article/details/126110153

版权

2.1 过滤筛选filter

过滤主要分为：空间过滤、时间过滤、属性过滤

下面例子中的ee.Filter.lt(name,value)和ee.ImageCollection().filter过滤是等价的。
过滤是在数据几何的基础上过滤的。

var point = ee.Geometry.Point(117.089, 36.744); 
var start= ee.Date('2020-08-01');
var finish = ee.Date('2020-09-01');
// 云量筛选
var  img = ee.ImageCollection('LANDSAT/LC08/C01/T1')
  .filterBounds(point)                  //空间过滤filterBounds()
  .filterDate(start, finish)            //时间过滤filterDate()
  // .sort('CLOUD_COVER', True)            //云量排序
  // .first()
  .filter(ee.Filter.lt('CLOUD_COVER', 5))       //云量过滤，ee.Filter.lt()筛选到小于给定值的元数据。返回构造好的过滤器
var vizParams = {bands: ['B5', 'B4', 'B3'], min: 5000, max: 15000, gamma: 1.3};
Map.centerObject(img, 7);
Map.addLayer(img, vizParams, 'Landsat 8 false color');

2.2 数据整合Reducer

数据整合Reducer是在EE中按照时间、空间、波段、矩阵或其他数据结构整合数据的方法。ee.Reducer()这一大类指定了数据整合的方式。Reducer是将数据整合起来的某种简单的统计算法（如最大最小值、平均值等等），或是对数据进行更为复杂的总结（如直方图、线性回归、列表等）。依据：

1.时间：imageCollection.Reducer();

2.空间：image.ReducerReigon();image.reducerNeighborhood();

3.波段：image.reducer();

4.FeatureColection的属性空间：FeatureColection.reducerColumns()或者以"aggregate_"开头的FeatureColection的方法。

example: 实现计算NDVI感兴趣区均值的例子。源于课本

var roi = ee.Geometry.Polygon(        
      [[[114.62959747314449, 33.357067677774594],  
       [114.63097076416011, 33.32896028884253],  
       [114.68315582275386, 33.33125510961763],  
       [114.68178253173824, 33.359361757948754]]]);  
Map.centerObject(roi, 9);  
var image = ee.Image("LANDSAT/LC08/C01/T1_TOA/LC08_123037_20180611");  
var ndvi = image.normalizedDifference(["B5", "B4"]).rename("NDVI");  
var visParam = {  
  min: -0.2,   
  max: 0.8,  
  palette: ["FFFFFF", "CE7E45", "DF923D", "F1B555", "FCD163",   
            "99B718", "74A901", "66A000", "529400", "3E8601",   
            "207401", "056201", "004C00", "023B01", "012E01",   
            "011D01", "011301"]  
};  
Map.addLayer(ndvi, visParam, "NDVI");  
Map.addLayer(roi, {color: "red"}, "roi");    
var mean = ndvi.reduceRegion({  
   reducer: ee.Reducer.mean(),      //reducer均值计算器
   geometry: roi,                   //geometry计算区域
   scale: 30                        //分辨率选择：30m
});  // 这部分是最重要的
print("reduceRegion value is: ", mean);

上述例子的链接：

https://code.earthengine.google.com/039f13adeedd57a36a1d36334a69598c

**Example：**Reducer实现多时相NDVI数据中值的计算。来源于培训教材的例子

var getNDVI = function(image) {
  return image.normalizedDifference(['B5', 'B4']).select(['nd'],['NDVI']);
}

var NDVIs = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filter(ee.Filter.eq('WRS_PATH',122))
    .filter(ee.Filter.eq('WRS_ROW',34))
    .filterDate('2019-01-01','2020-10-01')
    .map(getNDVI)
var reduceNDVI2=NDVIs.reduce(ee.Reducer.median())   //在结果上使用Reducer命令，进行NDVI中值的计算
Map.addLayer(reduceNDVI2,{min:1,max:1,palette:['0000FF','00FF00']},'ndvi2');

上述例子只是进行了简单的介绍，但是，reducer的理解较为复杂。有几十个，接下来具体介绍GEE中常用的各个Reducer的意思，其他的也可以在docs中查询。下面来自于知乎。

命令	解释
ee.Reducer.allNonZero()	检查输入是否都是非0值，如果都是非0值，则返回1，否则0。
ee.Reducer.anyNonZero()	检测输入是否包含非0值，如果包含非0值，则返回1，否则0
ee.Reducer.first()	返回输入的第一个元素
ee.Reducer.firstNonNull()	返回输入的第一个非null元素
ee.Reducer.last()	返回输入的最后一个元素
ee.Reducer.lastNonNull()	返回输入的最后一个非null元素
ee.Reducer.min()	获取输入的最小值。如果输入是数值列表，获取数值的最小值；如果是影像集合，获取所有匹配波段的每一个像素的最小值；如果是单张影像，获取波段中的像素最小值。
ee.Reducer.max()	获取输入的最大值。如果输入是数值列表，获取数值的最大值；如果是影像集合，获取所有匹配波段的每一个像素的最大值；如果是单张影像，获取波段中的像素最大值。
ee.Reducer.minMax()	获取输入的最小值和最大值，如果输入是数值列表，获取数值的最小值和最大值；如果是影像集合，获取所有匹配波段的每一个像素的最小值和最大值；如果是单张影像，获取波段中的像素最小值和最大值
ee.Reducer.mode()	获取输入的众数
ee.Reducer.mean()	获取输入的均值

//1. ee.Reducer.allNonZero()
function allNonZero() {
  //ee.Reducer.allNonZero(),
  var a = ee.List([1,0,2,3]);
  //输出结果为0，因为包含0
  print("result1", a.reduce(ee.Reducer.allNonZero()));
  var b = ee.List([1,2,3,4]);
  //输出结果为1，因为全是非0值
  print("result2", b.reduce(ee.Reducer.allNonZero()));
}
allNonZero();

/2.ee.Reducer.anyNonZero()
function anyNonZero() {
  //ee.Reducer.anyNonZero()
  var a = ee.List([1,0,2,3]);
  //因为包含非0值，输出1
  print("result1", a.reduce(ee.Reducer.anyNonZero()));
  var b = ee.List([0,0]);
  //值全为0，输出0
  print("result2", b.reduce(ee.Reducer.anyNonZero()));  
}
anyNonZero();

//3.ee.Reducer.first()
var roi = /* color: #d63000 */ee.Geometry.Polygon(
        [[[116.11220202824006, 38.133561577393166],
          [116.37569631837516, 38.1696689233409],
          [116.32936651641012, 38.35173534234094],
          [116.07083980910647, 38.31789056147068]]]),
    l8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT_TOA");
 
function generateImage() {
  Map.centerObject(roi, 10);
  var img = l8.filterDate("2018-6-1", "2018-8-1")
              .filterBounds(roi)
              .map(ee.Algorithms.Landsat.simpleCloudScore)
              .map(function(image){
                image = image.updateMask(image.select("cloud").lte(20));
                return image;
              })
              .map(function(image) {
                return image.addBands(image.normalizedDifference(["B5", "B4"]).rename("NDVI"));
              })
              .select("NDVI")
              .mosaic()
              .clip(roi);
  var visParam = {
    min: -0.2,
    max: 0.8,
    palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
      '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
  };
  Map.addLayer(img, visParam, "NDVI");
  return img;
}
var img = generateImage();


function first() {
  //ee.Reducer.first()
  //list
  var a = ee.List([1,2,3,4,5]);
  //返回列表的第一个元素 1
  print("result", a.reduce(ee.Reducer.first()));
 
  //image
  var firImg = ee.Image(l8.reduce(ee.Reducer.first()));
  //返回集合中每一景影像的波段第一个像素，同时重命名波段名称
  print("firImg", firImg);
}
first();

//4.ee.Reducer.firstNonNull()
function firstNonNull() {
  //ee.Reducer.firstNonNull()
  //list
  var a = ee.List([null, 1,2,3,4,5]);
  //返回第二个元素 1
  print("result", a.reduce(ee.Reducer.firstNonNull()));
}
firstNonNull();
function firstNonNull() {
  //ee.Reducer.firstNonNull()
  //list
  var a = ee.List([null, 1,2,3,4,5]);
  //返回第二个元素 1
  print("result", a.reduce(ee.Reducer.firstNonNull()));
}
firstNonNull();

//5.ee.Reducer.last()
function last() {
  //ee.Reducer.last()
  //list
  var a = ee.List([1,2,3,4,5]);
  //返回最后一个元素 5
  print("result", a.reduce(ee.Reducer.last()));
}
last();

//6.ee.Reducer.lastNonNull()
function lastNonNull() {
  //ee.Reducer.lastNonNull()
  //list
  var a = ee.List([0, 1,2,3,4, null]);
  //返回倒数第二个元素 4
  print("result", a.reduce(ee.Reducer.lastNonNull()));
}
lastNonNull();

其他详细的资料看下面第二个链接，代码都是上述第三个例子为基础：

ee.Reducer()介绍详细参考资料：

https://zhuanlan.zhihu.com/p/45335579

https://zhuanlan.zhihu.com/p/46683686

2.3 循环遍历map

循环遍历是依次对列表或者集合中每一个元素做相同的处理，在其他编程语言中是for或while，同样，gee也可以，但是由于其特殊性，推荐map。和之前的Map映射不一样。

map通常搭配函数一起使用，提取landsat最大ndvi并添加为新波段，请看下例：

var getNDVI = function(image) {
  var ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI');
  return image.addBands(ndvi);      //定义添加ndvi新波段的函数，.rename()是将变量更名
    
}
// .select(['nd'],['NDVI'])         //和.rename()一个意思，是将nd更名为NDVI
var maxNDVI = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filter(ee.Filter.eq('WRS_PATH',122))
    .filter(ee.Filter.eq('WRS_ROW',34))
    .filterDate('2019-01-01','2020-10-01')      //按照路径和block提取的数据集
    .map(getNDVI)
    .max()                          //.max()为提取ndvi为最大值的那张影像

print(maxNDVI)
Map.addLayer(maxNDVI.select('NDVI'),{min:-1,max:1,palette:['0000FF','00FF00']},'ndviDiff');

这个代码是map的另一个案例，结合了Reducer():

https://code.earthengine.google.com/9d9b72c002fe16ba406f6fe388b120c1

2.4 ee.Image().mask()

掩膜，使用一个数据度另一个数据进行裁剪，类似于ee.filterBounds()：

// This function gets NDVI from Landsat 5 imagery.
var getNDVI= function(image) {
return image.normalizedDifference(['B4', 'B3']);
};
// Load two Landsat 5 images, 20 years apart.
var image1 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_19900604');
var image2 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20100611');
// Compute NDVI from the scenes.
var ndvi1 = getNDVI(image1);
var ndvi2 = getNDVI(image2);
// Compute the difference in NDVI.
var ndviDifference= ndvi2.subtract(ndvi1);



// Load the land mask from the SRTM DEM.
var landMask= ee.Image('CGIAR/SRTM90_V4').mask(); //准备掩膜数据，dem陆地部分为1，水体为0，用为1的部分掩膜
// Update the NDVI difference mask with the land mask.
var maskedDifference= ndviDifference.updateMask(landMask);//掩膜
// Display the masked result.
var vizParams= {min: -0.5, max: 0.5, palette: ['FF0000', 'FFFFFF', '0000FF']};
Map.setCenter(-122.2531, 37.6295, 9);

Map.addLayer(ndviDifference, vizParams, 'ndviDifference');
Map.addLayer(landMask, vizParams, 'landMask');
Map.addLayer(maskedDifference, vizParams, 'NDVI difference');

//2.另一种掩膜，也就是大于0.1的部分作为mask进行掩膜，结果就是将NDVI大于0.1的显示出来
var mask = maskedDifference.gt(0.1)
var vegtationNDVI = maskedDifference.updateMask(mask)
Map.addLayer(mask,{min:-1,max:1,palette:['0000FF','00FF00']},'mask');
Map.addLayer(vegtationNDVI,{min:-1,max:1,palette:['0000FF','00FF00']},'NDVI');

2.5发布APP

APP是指把EE中编写的代码发布成为可在线运行的网页端应用，其他用户可以直接通过我们发布的链接地址访问、使用APP。具体操作如下：

var center = /* color: #d63000 */ee.Geometry.Point([116.387928, 40.00649]);  //定义初始化地图并显示位置；
var zoom = 9;  //定义初始化地图及缩放级别；
var leftMap = ui.Map();  

//初始化左地图和右地图，并用linker将其联系起来；
leftMap.centerObject(center, zoom);  
var rightMap = ui.Map();  
rightMap.centerObject(center, zoom);  
leftMap.setControlVisibility(false);  
rightMap.setControlVisibility(false);  
leftMap.setControlVisibility({zoomControl: true});  
var linker = new ui.Map.Linker([leftMap, rightMap]);  

//定义滑动界面组件，左右布局，中间显示滑动条；
var splitPanel = ui.SplitPanel({  
 firstPanel: leftMap,  
 secondPanel: rightMap,  
 orientation: 'horizontal',  
 wipe: true  
});  
//清空原始的地图界面内容
ui.root.clear();  
ui.root.add(splitPanel);  

//RGB  左地图显示
var landsat = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')  
                .filterDate('2017-01-01', '2018-01-01')  
                .median();  
landsat = landsat.addBands(landsat.normalizedDifference(['B5', 'B4']).rename("NDVI"));  
var vis = {bands: ['B4', 'B3', 'B2'], min: 0, max: 3000};  
leftMap.addLayer(landsat, vis, "rgb");  
//NDVI  右地图显示
var visNDVI = {  
 min: 0,  
 max: 1,  
 palette: 'FFFFFF,CE7E45,DF923D,F1B555,FCD163,99B718,74A901,66A000,529400,' + 
     '3E8601,207401,056201,004C00,023B01,012E01,011D01,011301'  
};  
rightMap.addLayer(landsat.select("NDVI"), visNDVI, 'NDVI');

但是我貌似发布不了，不知道为什么，链接：