【GEE】基于GEE批量下载Landsat8 L2A数据（整幅）

RS迷途小书童

已于 2024-03-30 12:09:59 修改

阅读量787

点赞数 14

分类专栏： Google Earth Engine 文章标签：算法 javascript GEE 云计算

于 2024-02-01 11:41:07 首次发布

本文链接：https://blog.csdn.net/m0_56729804/article/details/135970429

版权

Google Earth Engine 专栏收录该内容

9 篇文章 30 订阅

订阅专栏

本文介绍了一位博主如何使用GoogleEarthEngine(GEE)下载Landsat8L2A数据，包括查询、裁剪和去云操作，以及提供相应的代码示例。作者希望分享更多GEE基础操作，以帮助新手理解和使用。

摘要由CSDN通过智能技术生成

之前发过一篇使用GEE下载Landsat8的文章，然后有很多小伙伴私信我各种问题，如L1C、L2数据代码怎么修改，如何镶嵌，如何去云、如何裁剪等一系列问题。正好快过年了，手头的事也没有多少了，所以这两天整理了一下GEE的相关代码，后续会陆续发出来。代码比较简单就是查询函数和导出函数，然后还有一个显示函数。

原创作者：RS迷途小书童

博客地址：https://blog.csdn.net/m0_56729804?type=blog

今天给大家带来的是Landsat8 L2A数据的批量下载，裁剪已经做过了。导出的结果为分幅的研究区影像（即原始影像裁剪后，无镶嵌）。

一、代码部分

//作者：RS迷途小书童
//博客：https://blog.csdn.net/m0_56729804?type=blog
var roi = table //感兴趣的区域信息
var style_set = {color:"red",fillColor:"00000000"}; //设置地图中要素的颜色和填充颜色
Map.addLayer(roi.style(style_set),{},"shape") //使用之前定义的样式集将roi添加到地图中。该地图层默认使用几何形状（例如多边形）来表示区域
Map.centerObject(roi,10) //将地图中心设置为roi对象，并设置缩放级别为10

function maskL8sr(image) {
  // 去云函数
  //var qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0);
  //从输入图像中选择QA_PIXEL波段，使用位运算和掩码来识别填充、云、云影等像素
  var saturationMask = image.select('QA_RADSAT').eq(0); //从输入图像中选择QA_RADSAT波段，并识别未饱和的像素。
  // 将缩放因子应用于适当的频带
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  // 从输入图像中选择光学波段，并应用归一化处理。
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  // 从输入图像中选择热红外波段，并应用归一化处理。
  return image.addBands(opticalBands, null, true)
      .addBands(thermalBands, null, true)
      //.updateMask(qaMask)
      .updateMask(saturationMask);}
var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
                  .filterBounds(roi)
                  .filterDate('2023-01-01', '2023-03-31')
                  .filter(ee.Filter.lte('CLOUD_COVER',5))
                  .map(maskL8sr)
                  .map(function(image){
                      return image.clip(roi)//裁剪
                  })
                  
print("dataset",dataset)
var Count =dataset.size();
print('Count:',Count); 
var visualization = {
  bands: ['SR_B4', 'SR_B3', 'SR_B2'],
  min: 0.0,
  max: 0.3,
};
Map.addLayer(dataset, visualization, 'Image');
// 彩色合成显示

var mergedImage = dataset.select("SR_B1","SR_B2","SR_B3","SR_B4","SR_B5","SR_B6","SR_B7");// "ST_B10"
// 将所选波段合并为一个多波段图像
print(mergedImage)

function exportImageCollection(imgCol) {
  // 导出函数
  var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"])
                        .get("list");
  indexList.evaluate(function(indexs) {
    for (var i=0; i<indexs.length; i++) {
      var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
      image = image.toFloat();
      Export.image.toDrive({
        image: image,
        description: indexs[i],
        fileNamePrefix: indexs[i],
        folder: 'Landsat8',
        region: roi,
        scale: 30,
        crs: "EPSG:4326",
        maxPixels: 1e13
      });
    }
  });
}
exportImageCollection(mergedImage);