Google Earth Engine（GEE）——python s2cloudless 进行 Sentinel-2 云掩膜

最新推荐文章于 2024-10-12 12:26:23 发布
最新推荐文章于 2024-10-12 12:26:23 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： GEE-PYTHON 文章标签： python 概率论 Sentinel-2 掩膜 去云
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/qq_31988139/article/details/119934070
版权
本教程详细介绍了如何利用Google Earth Engine（GEE）和python的s2cloudless库，针对Sentinel-2卫星数据进行云和云阴影的掩蔽处理。通过定义过滤器参数，构建Sentinel-2集合，并应用云遮罩组件，最终实现了无云合成的图像处理。教程涵盖了云概率和云阴影的识别，以及在不同条件下的参数调整和结果评估。
摘要由CSDN通过智能技术生成

本教程介绍了使用地球引擎在 Sentinel-2 (S2) 表面反射 (SR) 数据中屏蔽云和云阴影。云是从 S2 云概率数据集 (s2cloudless) 中识别的，阴影是由云投影与低反射近红外 (NIR) 像素的交集定义的。

组装云MASK组件

本节构建了一个 S2 SR 集合，并定义了为集合中的每个图像添加云和云阴影组件层的函数。

定义集合过滤器和云MASK参数

定义用于过滤 S2 图像集合并确定云和云阴影识别的参数。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
sentinel2-cloud-detector:适用于Python的Sentinel-2图像的Sentinel Hub Cloud Detector
05-07
Sentinel Hub的Sentinel-2影像云探测器 注意：s2cloudless掩码现在可以作为Sentinel Hub中的预计算层使用。 查看 和。 s2cloudless Python软件包在Sentinel-2影像中提供了自动的云检测功能。 该分类基于Sentinel Hub的研究团队开发的基于单场景像素的云探测器，并中进行了更详细的描述。 安装 该软件包需要Python版本> = 3.6。 该软件包可在PyPI软件包管理器上找到，并可以通过以下方式安装 $ pip install s2cloudless 要手动安装软件包，请克隆存储库并 $ pip install . s2cloudless依赖项之一是lightgbm软件包。 如果在安装过程中遇到问题，请查阅。 在Windows上安装s2cloudless之前，建议从 s2cloudlessshapely地安装软件包。
GEE学习笔记 九十二：Sentinel-2 最新去云方法总结
热门推荐
无形的风专栏
05-12 1万+
关于影像去云实际上是非常复杂的算法来实现的，但是我们不是专业研究如何识别云的，所以我们采用被人已经研究好的成果来实现我们的需求就可以。在GEE如何上实现Sentinel-2去云，之前也专门提到过，这篇文章就是对目前最新的去云方法做一个总结介绍。 下面使用例子的原始影像截图如下： 第一种方法：使用QA波段去云 这是我们最常用的方法，具体原理就是利用QA60波段标记实现去云，具体代码如下： var s2 = ee.ImageCollection("COPERNIC...
Python MODIS 云掩膜产品预处理
qq_36274920的博客
06-25 1199
MOD35 云掩膜数据
基于Fmask 4.0对Landsat和Sentinel-2进行云掩膜
GeoSuper的博客
08-29 7430
下载地址： https://drive.google.com/drive/folders/1SXBnEBDJ1Kbv7IQ9qIgqloYHZfdP6O1O Shi Qiu, Zhe Zhu, Binbin He, Fmask 4.0: Improved cloud and cloud shadow detection in Landsats 4–8 and Sentinel-2 imager...
GEE采用s2cloudless对哨兵2号去云处理
热爱分享，热爱记录
07-07 1664
【代码】GEE采用s2cloudless对哨兵2号去云处理。
GEE_TimeSeries:带有Savitzky-Golay过滤器的Google Earth Engine时间序列
05-01
带有Savitzky-Golay过滤器的Google Earth Engine时间序列 该示例显示了如何为要素集合提取图像集合值，如何创建植物索引时间序列数据帧并在其上应用Savitzky-Golay过滤器的示例。 笔记 中实现了此函数的更好版本，...
基于GEE云平台sentinel-2影像的土地分类代码.js
04-01
基于Google Earth Engine (GEE) 平台进行 Sentinel-2 影像的土地分类的具体流程和下载如下： 登录到 GEE 平台 (https://earthengine.google.com/) 上的账号，并打开代码编辑器。 添加 Sentinel-2 影像数据集。在代码...
water-quality-gee:Google Earth Engine的水质脚本
05-16
该存储库包含用于使用Google Earth Engine从遥感数据评估水质的脚本 如果使用这些材料或脚本中的任何一种，请引用：Page，BP和D.Mishra（2018），《结合Sentinel-2A和Landsat-8进行内陆水质监测时的修正大气校正》，...
区域统计：关于如何使用Google Earth Engine（GEE）将区域统计应用于Sentinel-2图像的简短教程
02-10
在本教程中，我们将深入探讨如何利用Google Earth Engine（GEE）进行区域统计分析，特别是针对Sentinel-2卫星图像。Sentinel-2是欧洲航天局（ESA） Copernicus计划的一部分，提供高分辨率的多光谱数据，适用于农业...
GEE学习-初学者如何下载指定区域的Sentinel-2影像.pdf
03-26
初学者可以按照以下步骤利用Google Earth Engine（GEE）下载指定区域的Sentinel-2影像： 登录GEE账号并打开代码编辑器。代码编辑器位于GEE主页左上角的"Code Editor"按钮。 在代码编辑器中，点击左上角的"Script...
Google Earth Engine ——数据全解析专辑（COPERNICUS/S2_SR）20154至今哨兵-2号(SR) 数据集
此星光明博客
09-09 2336
Sentinel-2 is a wide-swath, high-resolution, multi-spectral imaging mission supporting Copernicus Land Monitoring studies, including the monitoring of vegetation, soil and water cover, as well as observation of inland waterways and coastal areas. The Sent
哨兵2号数据下载与利用Python处理（波段融合、降采样、可视化、裁剪等）全过程详解
littleyy666的博客
06-21 2264
哨兵-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，幅宽达290千米。地面分辨率分别为10m、20m和60m、一颗卫星的重访周期为10天，两颗互补，重访周期为5天。从可见光和近红外到短波红外，具有不同的空间分辨率，在光学数据中，哨兵-2号数据是唯一一个在红边范围含有三个波段的数据，这对监测植被健康信息非常有效。13个波段中蓝色 (B2)、绿色 (B3)、红色 (B4) 和近红外 (B8) 波段具有 10 米的分辨率；
【数据处理进阶之路】---- 利用Python实现Sentinel-2 L1C级影像批量大气校正并另存为Geotiff格式
fefkem的博客
08-18 2650
Sentinel-2数据的免费获取无疑为广大遥感、地信等领域的科技工作者提供了强大的数据支撑，然而往往一些项目/工程需要对某一地区进行长时序变化分析，自然也就需要更多景遥感影像支持。为了数据处理的方便，本篇博客主要介绍了利用Python来实现Sentinel-2 L1C级影像批量大气校正并另存为Geotiff格式，以便为后续操作提供便利。.........
Python遥感图像处理应用篇(二十六)：Python+GDAL Sentinel-2数据波段组合
soderayer的博客
11-24 1243
批量读取原始压缩包解压后的数据，然后进行波段组合运算。文件列表如下：之前写过的是基于Landsat8数据，将所有tif文件放置在一个文件夹种实现的波段组合。文件路径很多，我们需要先读取到需要组合波段的完整路径。选取以上9个波段进行波段组合。最后读取到的是全部的波段完整路径，部分显示如下：接着就可以开始按照上一篇文章之中的代码进行波段组合运算了。
python gdal 无法打开 Sentinel-2 L2A 数据的问题
遥感基础算法爱好者
04-22 1063
在Sentinel-2 L2A 地表反射率产品过程中发现，GDAL不支持 读取 L2A 产品。这是由于GDAL版本较低的原因。可以安装2.4.0+版本。在gdal安装过程中发现，采用pip install gdal 无法成功安装gdal的情况，这个时候可以使用whl格式文件安装。链接地址如下：https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal，在这里...
Sen2Cor+SNAP处理Sentinel数据
qq_36327475的博客
09-25 4249
一、下载安装Sen2Cor 1.在官网上下载Sen2Cor后，解压，并将其放到C:\Users 2.打开cmd命令提示符（Window10系统，电脑左下角右键点击如下） 3. 输入cmd 4. 输入命令：cd+空格+Sen2Cor路径进行安装。安装之后，输入：L2A_Process --help，出现以下窗口则显示成功： 二、Sen2Cor命令大气校正 1.将需要大气校正的文件夹进行复制（路径不要太长，尽量不要有中文路径） 2. 将路径复制下来 例如： G:\Text\20210923\S2B_M
【Python&RS】基于Python批量下载哨兵二号数据
Remote Sensing迷途小书童
06-14 3657
使用Python和IDM批量下载哨兵二号数据
【Python&RS】基于GDAL哨兵二号波段合成
Remote Sensing迷途小书童
06-13 1485
学遥感的避免不了使用哨兵数据，毕竟10m的分辨率可以满足大部分的定量分析，同时也是最重要的一点，它免费！！！这里使用Python实现Sentinel-2数据的批量波段组合。代码同样适用于其他遥感数据。
【人工智能学习之PaddleOCR快速上手】
最新发布
Jiagym的博客
10-12 1273
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
生成代码：GEE中sentinel-2与sentinel-1融合
05-11
以下是使用Google Earth Engine (GEE)将Sentinel-2和Sentinel-1数据融合的示例代码： ``` // 导入Sentinel-2和Sentinel-1数据集 var s2 = ee.ImageCollection('COPERNICUS/S2'); var s1 = ee.ImageCollection('COPERNICUS/S1_GRD'); // 定义时间范围和空间范围 var startDate = '2020-01-01'; var endDate = '2020-12-31'; var roi = ee.Geometry.Point([116.38, 39.90]).buffer(10000); // 选择Sentinel-2和Sentinel-1数据集中的波段 var s2bands = ['B2', 'B3', 'B4', 'B8']; var s1bands = ['VV', 'VH']; // 过滤Sentinel-2和Sentinel-1数据集 var filteredS2 = s2.filterDate(startDate, endDate) .filterBounds(roi) .select(s2bands); var filteredS1 = s1.filterDate(startDate, endDate) .filterBounds(roi) .select(s1bands); // 将Sentinel-2和Sentinel-1数据集合并 var sentinel2 = ee.Image(filteredS2.first()); var sentinel1 = ee.Image(filteredS1.first()); var sentinel = sentinel2.addBands(sentinel1); // 显示合成图像 Map.centerObject(roi, 10); Map.addLayer(sentinel, {}, 'Sentinel-2 and Sentinel-1 Composite'); ``` 在这段代码中，我们首先导入了Sentinel-2和Sentinel-1数据集，然后定义了时间范围和空间范围。接着，我们选择了Sentinel-2和Sentinel-1数据集中的波段，过滤了数据集，并将它们合并为一个图像。最后，我们在地图上显示了合成图像。
评论 1
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

此星光明

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