使用 Google Earth Engine（GEE）批量下载 Landsat 遥感影像教程

一、引言

在遥感领域，获取大量的卫星影像数据是进行研究和分析的基础。Google Earth Engine（GEE）提供了一个强大的平台，能够方便地访问和处理海量的遥感数据。本文将详细介绍如何使用 GEE 批量下载 Landsat 8 和 Landsat 9 的遥感影像数据，以满足不同的研究需求。

二、代码解析

以下是实现批量下载 Landsat 影像的 GEE 代码及其详细解释：

1. 定义研究区边界

// 定义研究区边界（东经118°10′-119°54′，北纬31°14′-32°43′）
var roi = ee.Geometry.Rectangle(
  [118.1667, 31.2333, 119.9, 32.7167],
  'EPSG:4326',
  true
);

这里使用ee.Geometry.Rectangle函数定义了一个矩形区域作为研究区，参数分别为矩形的左下角和右上角的经纬度坐标，坐标系统为EPSG:4326（即 WGS84），最后一个参数true表示坐标顺序为[lon, lat]。

2. 定义下载年份范围

// 定义下载年份范围（根据实际数据存在性修改）
var startYear = 2020;
var endYear = 2025;  // 截至2023年数据，可修改为2024等最新年份
var years = ee.List.sequence(startYear, endYear);

通过设置startYear和endYear来确定需要下载影像的年份范围，然后使用ee.List.sequence函数生成一个包含这些年份的列表。

3. 加载 Landsat 8/9 数据集

// 加载Landsat 8/9数据集
var l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2');
var l9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2');
var merged = l8.merge(l9);

分别加载 Landsat 8 和 Landsat 9 的数据集，然后使用merge函数将两个数据集合并为一个。

4. 云掩膜函数

// 云掩膜函数
function maskClouds(image) {
  var qa = image.select('QA_PIXEL');
  var cloudBit = 1 << 3;
  var cloudShadowBit = 1 << 4;
  var mask = qa.bitwiseAnd(cloudBit).eq(0)
    .and(qa.bitwiseAnd(cloudShadowBit).eq(0));
  return image.updateMask(mask);
}

这个函数用于从影像的质量评估波段（QA_PIXEL）中提取云及其阴影的信息，并生成一个掩膜，将云及其阴影区域屏蔽掉，以得到更清晰的影像数据。

5. 按年处理函数

// 按年处理函数
function processYear(year) {
  // 生成年度时间范围
  var startDate = ee.Date.fromYMD(year, 1, 1);
  var endDate = ee.Date.fromYMD(year, 12, 31);
  
  // 筛选和合成
  var annualComposite = merged
    .filterBounds(roi)
    .filterDate(startDate, endDate)
    .map(maskClouds)
    .median();
  
  // 设置导出参数
  Export.image.toDrive({
    image: annualComposite,
    description: 'Landsat_' + year + '_Export',
    folder: 'GEE_Exports',
    fileNamePrefix: 'Landsat_' + year,
    region: roi,
    scale: 30,
    maxPixels: 1e13,
    crs: 'EPSG:4326',
    fileFormat: 'GeoTIFF'
  });
  
  // 打印年度信息
  print('Processed year:', year);
}

该函数用于处理每一年的数据。首先，根据年份生成年度时间范围；然后，从合并的数据集中筛选出在研究区内且在该年度时间范围内的影像，并应用云掩膜函数，最后使用median函数合成年度影像。接着，设置导出参数，将合成的年度影像导出到 Google Drive 的指定文件夹中，格式为 GeoTIFF。最后，打印处理的年份信息。

6. 执行批量处理

// 执行批量处理
years.evaluate(function(yearsList) {
  yearsList.forEach(processYear);
});

使用evaluate函数将 GEE 中的年份列表转换为 JavaScript 中的列表，然后使用forEach方法对每个年份调用processYear函数，实现批量处理和下载。

7. 显示区域和提示信息

// 显示区域
Map.centerObject(roi, 8);
Map.addLayer(roi, {color: 'red'}, 'ROI');

// 提示信息
print('请在Tasks面板中逐个启动导出任务！');
print('建议先用print(annualComposite)验证数据有效性');

将研究区在地图上显示出来，并添加提示信息，提醒用户在 GEE 的任务面板中手动启动导出任务，并建议在导出前验证数据的有效性。

结果展示：

8. 完整代码：

// 定义研究区边界（东经118°10′-119°54′，北纬31°14′-32°43′）
var roi = ee.Geometry.Rectangle(
  [118.1667, 31.2333, 119.9, 32.7167],
  'EPSG:4326',
  true
);

// 定义下载年份范围（根据实际数据存在性修改）
var startYear = 2020;
var endYear = 2025;  // 截至2023年数据，可修改为2024等最新年份
var years = ee.List.sequence(startYear, endYear);

// 加载Landsat 8/9数据集
var l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2');
var l9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2');
var merged = l8.merge(l9);

// 云掩膜函数
function maskClouds(image) {
  var qa = image.select('QA_PIXEL');
  var cloudBit = 1 << 3;
  var cloudShadowBit = 1 << 4;
  var mask = qa.bitwiseAnd(cloudBit).eq(0)
    .and(qa.bitwiseAnd(cloudShadowBit).eq(0));
  return image.updateMask(mask);
}

// 按年处理函数
function processYear(year) {
  // 生成年度时间范围
  var startDate = ee.Date.fromYMD(year, 1, 1);
  var endDate = ee.Date.fromYMD(year, 12, 31);
  
  // 筛选和合成
  var annualComposite = merged
    .filterBounds(roi)
    .filterDate(startDate, endDate)
    .map(maskClouds)
    .median();
  
  // 设置导出参数
  Export.image.toDrive({
    image: annualComposite,
    description: 'Landsat_' + year + '_Export',
    folder: 'GEE_Exports',
    fileNamePrefix: 'Landsat_' + year,
    region: roi,
    scale: 30,
    maxPixels: 1e13,
    crs: 'EPSG:4326',
    fileFormat: 'GeoTIFF'
  });
  
  // 打印年度信息
  print('Processed year:', year);
}

// 执行批量处理
years.evaluate(function(yearsList) {
  yearsList.forEach(processYear);
});

// 显示区域
Map.centerObject(roi, 8);
Map.addLayer(roi, {color: 'red'}, 'ROI');

// 提示信息
print('请在Tasks面板中逐个启动导出任务！');
print('建议先用print(annualComposite)验证数据有效性');

三、注意事项

1. 数据范围和年份：根据实际研究需求和数据可用性，合理设置研究区边界和下载年份范围。
2. 云掩膜效果：云掩膜函数可能无法完全去除所有的云及其阴影，需要根据具体情况进行调整和验证。
3. 导出任务管理：由于批量下载任务可能较多，建议在 GEE 的任务面板中合理管理和监控导出任务，避免任务失败或重复。
4. 数据验证：在正式下载数据之前，使用print函数验证合成的年度影像数据的有效性，确保数据符合研究要求。

• 欢迎关注我的公众号:遥感AI实战，会定期同步更新！