【数据挖掘】Landsat8时间序列线性插值获取NDVI指数

已于 2024-05-26 22:04:43 修改
阅读量261 收藏
点赞数 1
分类专栏： 地学科研 文章标签： GIS javascript Landsat GEE 遥感 线性插值 时间序列
于 2024-05-03 13:54:59 首次发布
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/amyniez/article/details/138414737
版权

线性插值

1.写在前面

  首先祝大家五一节快乐，我今天分享一个对Landsat8数据进行线性插值并提取NDVI的方法。我想有很多人对遥感数据质量都有很大的困惑，主要是由于气候或者遥感探测器本身的影响，而导致部分时间段的遥感数据质量较差，所以，我们使用的线性插值的方法以提升遥感数据质量，以下为插值的基本原理：

在这里插入图片描述

在这里插入图片描述

2.实现代码

  GEE线性插值主要步骤：

  • 为每个图像添加时间波段；
  • 将图像集合与自身结合以查找每个图像之前和之后的图像 ；
  • 创建内插图像并用内插值替换被掩膜掉的像素；
  • 可视化并输出结果。
var geometry = ee.FeatureCollection(
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Jackson的生态模型
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Google Earth Engine——Landsat 1985-2020年生态遥感指数RESI计算
qq_31988139的博客
07-19 3343
/参数imgcoll影像集类型（imagecollection）需要保证，影像的顺序依据时间进行排列，第一张影像的时间应该为最早的时间。//参数timeBandNames字符串类型（String），其代表第一个参数imgcoll中影像的时间波段的波段名称。每张影像至少有两个波段，除待插值波段外，应有一个时间波段，为Int类型，代表该影像所处的时间，单位可由自己确定，但同一个影像集内应统一时间单位，该波段应在影像全范围内非NULL，且不可位于影像的第一个波段的位置。光谱时序曲线插值函数。...
Landsat8_NDVI_Water_remove_SWIR_Landsat8_landsat8_landsatNDVI_ND
09-30
标题中的“Landsat8_NDVI_Water_remove_SWIR_Landsat8_landsat8_landsatNDVI_ND”表明这是一个关于使用Landsat 8数据进行水体去除和计算NDVI_SWIR的过程。Landsat 8是美国宇航局（NASA）和美国地质调查局（USGS）...
【GEE笔记1】Landsat8/9的NDVI计算，并计算区域NDVI平均值
Vigo*GIS
07-31 9782
GEE提取Landsat8/9的NDVI数据，并计算研究区的NDVI均值
GEEer成长日记四：Landsat8_SR计算NDVI并时间序列分析
微信公众号：GEEer成长日记
01-28 4746
Landsat地表反射率影像计算NDVI时间序列
Google Earth Engine（GEE）深度学习入门教程-GEE预处理篇-哨兵2时间序列影像
最新发布
weixin_41099712的博客
05-23 721
采用时间窗口卷积的方式会导致时间序列两端出现不可避免的误差，为了消除这种影响，本文相应延长了插值时间序列和滤波时间序列的长度，并在滤波后截断多余的序列。综合考虑研究区的影像缺失情况，本文对去云后的时间序列影像进行线性插值，以补全云污染的区域，插值的时间单边窗口为。数据集的在GEE平台导出已经在上篇文章讲过了，本篇文章主要介绍哨兵2时间序列的影像的预处理方法，每个人的预处理方法不同，仅供参考。即缺失像素在分别向前后30天时间窗口中寻找最近高质量的观测值，采用线性插值填补当前的缺失值。研究区阴雨天气较多，
在GEE使用线性插值和平均插值插补缺少的影像
wlh2067的博客
06-14 1399
本文利用线性平均和历史平均插值处理两种数据缺失的情况，下期利用Savitzky-Golay滤波和Whittaker滤波再对缺失的影像进行平滑并分享代码。一些遥感数据会出现整张影像缺失的情况，如下图的情况，整个6月是没有影像的。函数插值，第一个参数是待插值ImgCol，中间的参数是计算出的平均值，最后参数是在哪个尺度下进行插值。数据缺失存在两种情况，一种是局部数据缺失，一种是整张影像缺失，影像后续分析。如图所示，MODIS的某年反照率数据，可能由于云层或其他原因，有大面积缺失。
时间序列数据如何插补缺失值？
一行玩python
12-31 8863
一行原来就处理过大量的气象数据，对于缺失的数据处理，我充满了同感 这里介绍一下，我们当时有哪几种方法处理缺失值 直接删除，如果缺失数据量较大，直接舍弃该列数据，因为仅存的数据难以证明几列数据之间的相关性 上下填补法，取前后临近的数据进行插值 前后加权均值法，按照前后时间距离的远近进行加权取平均差值 相似值填补法，取其他相似环境的数据进行插值 线性插值法，将相关数据拟合成一条函数，然后对缺失值进行插值 当然除了上面这五种，业内还有很多其它插值法，如下面这些 (1)人工填写(filling manual.
时间序列 插值代码实现
WGS.
06-17 8631
文章目录先来看一下需求直接上代码，需要的自行修改首先需要获取断开的时间，以及要往前插的时间将日期转为数字，便于插值对断开的数据进行三次样条插值，对其余的往前取均值插插值完成全部代码有关scipy interpolate的差值方法demo可以参考如下两篇文章 先来看一下需求 有一个时间序列数据，例如如下： x = ['2021-05-10', '2021-05-11', '2021-05-12', '2021-05-13', '2021-05-16'] y = [3.4783, 1.25, 1.1111, 1
Google Earth Engine（GEE）——NDVI时序线性插值补缺和导出视频结果案例分析（北京奥森公园为例）
qq_31988139的博客
03-06 3684
本案例是一个综合案例： 在NDVI时间序列上应用脚本使用OEEL库，在图像集上应用Savitzky-Golay滤波器。 需要一个有规律的时间序列，没有任何遮挡的像素。所以这个脚本将线性插值来创建有规则间隔的图像，形成有规则间隔的图像，并从原始时间序列中提取。 第1步：准备一个NDVI时间序列 第2步：创建一个空的时间序列，其中包含n天的图像。 第3步：使用连接来寻找前后的图像。 第4步：应用线性插值来填充每个图像 第5步：应用Savitzky-Golay滤波器。 值得注意的是本次调用了一个库中
GEE8：多个矢量点的NDVI连续数据的获取及分析【CSV数据】
amyniez的博客，欢迎交流讨论
11-05 2011
Sentinel-2是一个宽波段、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，以及观察内陆水道和沿海地区。Sentinel-2数据包含13个UINT16波段，代表TOA反射率10000倍。此外，有三个QA波段，其中一个(QA60)是带云掩码信息的位掩码波段。通过导入的本地矢量点，获取像元的植被指数，和之前的几篇博客相结合。
getlandsat:获取 landsat 8 图像和元数据
05-31
大地卫星 getlandsat ：从 AWS 公共数据集中获取 Landsat 8 数据getlandsat可以访问位于AWS S3上托管的Landsat 8元数据和图像。 该包仅获取数据。 它不会尝试帮助用户进行下游使用，但是可能会添加一些其他功能。 新...
landsat8原始遥感影像数据
06-28
landsat8原始遥感影像数据
基于Landsat8数据反演地表发射率的几种不同算法对比分析
05-31
为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表...
Landsat 8数据介绍
01-29
Landsat 8数据介绍 Landsat 8 卫星于2013年2月发射升空，卫星搭载 OLI（Operational Land Imager 陆地成像仪）和 TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器，每16天可以实现一次全球覆盖。
GEE：应用遥感影像时空插值技术的实践（插值填补去云空洞）
养乐多的博客
04-11 7350
本文介绍了几个GEE平台中处理遥感数据中的缺失值代码片段，这些代码可以用于时间序列线性插值，提供更加连续和完整的时间序列。第一段代码是一个线性插值函数，它能够在一个时间序列图像集合中对缺失数据进行插值。该函数使用了 GEE 平台中的图像集合操作函数和图像合成函数，并采用了线性插值方法对缺失值进行处理，最后返回一个插值后的图像集合。第二段代码是一个掩模替换函数，它的作用是将原始影像中的某些值（如缺失值）用一个新值替换。
GEE：线性插值方法填补去云空洞——以 Landsat 和 NDVI 为例
养乐多的博客
07-08 2560
养乐多_本文将介绍如何使用Google Earth Engine（GEE）平台提取特定地区的归一化植被指数（NDVI）并进行插值处理，以获得更精细的空间分辨率和连续的时间序列数据。
GEE教程——利用Landsat collection2 SR影像对比Landsat5，7，8的差异和创建1990-2023年长时序影像集合
qq_31988139的博客
09-13 945
Landsat是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作开展的一个地球观测计划，旨在提供高分辨率、全球覆盖、长期稳定的卫星遥感数据。Landsat系列卫星已经成为全球最重要的地球观测系统之一，广泛应用于自然资源管理、环境监测、农业生产、城市规划等领域。Landsat collection2 T1 L2影像是Landsat系列卫星拍摄的第二代数据产品，是一种高质量的地表反射率和辐射温度数据。
Google Earth Engine（GEE）——利用插值方法解决影像去云后的空缺/填充/弥补方法详细讲解（拉萨区域为例）
热门推荐
qq_31988139的博客
11-18 1万+
本篇文章重点要解决的 问题就是，很多时候我们无论是在小区域内的单景影像或者是中大尺度的影像，更或是长时间序列的影像研究中，很多情况下我们会因为云量筛选等因素，或多或少的存在影像空白而缺少值，因此如何处理这些问题，我们今天就来解决。 许多应用程序需要用来自其时间邻居的内插值替换图像中丢失的像素。这种间隙填充技术用于多种应用，包括： 替换多云像素：您可能希望使用无云像素前后的最佳估计值来填充图像中的空白。 估计中间值：您可以使用此技术为以前未知的时间步长计算图像。如果您有 2 个不同年份的人口栅格，并且想
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jackson的生态模型

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值