目录
前言
根据汇能的项目需要计算每一年的7-8月份的影像组合,分析每一年的植被覆盖度,地表湿度,遥感环境评价指数的变化。根据主成分分析变化的驱动力。
一、GEE数据处理的几个环节
- 数据的选择与应用
- 范围选择
- 遥感数据处理的几个步骤
- 数据集合的融合处理
- 数据的导出。
二、使用步骤
1.数据的选择与应用
代码如下(示例):
rt numpy as np import pandas as pd import matplotli
//导入数据范围,以及显示位置的确定
var roi = ee.FeatureCollection(table);
Map.addLayer(roi, {'color':'grey'}, 'studyArea');
Map.centerObject(roi);
//数据的选择
//简单
var collection = ee.ImageCollection('LANDSAT/LE07/C01/T1_TOA')
.filterDate('2002-11-01', '2002-12-01');
//复杂
var LC8_BANDS = ['B4', 'B5']; //Landsat 8
var STD_NAMES = ['Red', 'NIR'];
var l8=ee.ImageCollection("LANDSAT/LC08/C01/T1_SR")
.filterDate(Date_start,Date_end)
.filter(ee.Filter.calendarRange(month_start,month_end,'month'))
.filterBounds(roi)//根据范围来处理数据
// .filter(ee.Filter.lte('CLOUD_COVER',10))//云量过滤
.map(rmL8Cloud)
.select(LC8_BANDS, STD_NAMES);
var l5=ee.ImageCollection("LANDSAT/LT05/C01/T1_SR")
.filterDate(Date_start,Date_end)
.filter(ee.Filter.calendarRange(month_start,month_end,'month'))
.filterBounds(roi)
但是在
var LandsatMean = ee.ImageCollection(l5.merge(l7).merge(l8)).median().clip(roi);
中却采用的clip();它们两个的区别是在哪里呢?
filter与fileterDate的区别是在哪里呢?
2.FVC函数的代码
代码如下(示例):利用二分法计算植被指数,三个传参分别为、去mask后的ndvi指数、区域、分辨率
function calFVC(BestVI,region,scale){
// compute the min and max values
var num = BestVI.reduceRegion({
reducer:ee.Reducer.percentile([5,95]),
geometry:region,
scale:scale,
maxPixels:1e13
});
var min = ee.Number(num.get("NDVI_p5"));
var max = ee.Number(num.get("NDVI_p95"));
//quantile and combine
var greaterPart = BestVI.gt(max);
var lessPart = BestVI.lt(min);
var middlePart =ee.Image(1).subtract(greaterPart).subtract(lessPart);
//calculate FVC
var tempf1=BestVI.subtract(min).divide(max.subtract(min));
var FVC=ee.Image(1).multiply(greaterPart)
.add(ee.Image(0).multiply(lessPart))
.add(tempf1.multiply(middlePart));
return FVC.rename('FVC');
}
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。