Google Earth Engine——导入无云 Sentinel-2 图像和NDVI计算

于 2024-09-05 15:00:00 发布
阅读量14 收藏
点赞数 1
分类专栏： GEE教程训练 文章标签： sentinel 人工智能 gee ndvi 归一化植被指数 波段运算 遥感
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/121289951
版权

目录

搜索和导入无云 Sentinel-2 图像

Sentinel-2 的背景

打开 GEE 界面

定义您感兴趣的领域

查询 Sentinel-2 图像的存档

过滤图像集合

将图像添加到地图视图

定义真彩色可视化参数

探索影像

定义假色可视化参数

从波段组合中导出指数

NDVI

锻炼

本实验的目的是介绍 Google Earth Engine 处理环境。在本练习结束时，您将能够搜索、查找和可视化范围广泛的遥感数据集。在第一个练习中，我们将重点关注 Sentinel-2 数据，并学习将图像显示为真彩色和假彩色合成。我们还将学习如何从多光谱图像计算 NDVI。

搜索和导入无云 Sentinel-2 图像

Sentinel-2 的背景

SENTINEL-2 是一种宽幅、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 由欧洲航天局开发和运营，自 2015 年 6 月 23 日以来一直将数据发送回地球。

SENTINEL-2 数据包含 13 个光谱带，代表按 10000 缩放的 TO

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
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
Google Earth Engine（GEE）——用sentinel-2数据获取获取一个月前归一化植被指数NDVI差异（危地马拉为例）
qq_31988139的博客
06-21 1083
本次的实验主要是通过sentinel2数据对一个区域的进行变化前后的监测和分析。通过对比一个月前后的结果分别分析其结果。分别寻找一个月内的差异在哪里代码：
Google Earth Engine（GEE）——使用Sentinel-2的地表现象学（LSP）
qq_31988139的博客
06-30 517
Sentinel-2增强型植被指数（EVI）的结果最好（SoS的均方根误差（RMSE）和平均误差（ME）分别为3.0 d和-0.3 d，EoS为6.5 d和-3.8 d），尽管其他植被指数表现类似。Sentinel-2 EVI的物候图与同质地貌中从中分辨率成像分光仪（MODIS）中提取的相同地图相比较好（SoS的RMSE和ME分别为9.2 d和2.9 d，EoS为6.4和-0.9 d）。在这里，我们提出了第一个高空间分辨率的SoS和EoS地图（10米），完全覆盖最近几年（2019-2020年）的北极。
Google Earth Engine（GEE）——用sentinel-2影像去云去雪分析然后导出KMEANS聚类分析后的影像
qq_31988139的博客
04-02 487
本文的主要目的，是利用sentinel-2影像去云去雪分析然后导出KMEANS聚类分析后的影像，这次使用的分类是15个分类，大家可以自行选择分类数量。函数：initcanopiesminDensityt1t2fastseed。
【Earth Engine】基于GEE合成Landsat4/5/7/8/9影像并进行NDVI、NDWI和MNDWI等指数计算
Leaze932822995的博客
06-13 9716
调用符合要求的所有Landsat系列影像合成，并计算各种基础指数。
GEE学习笔记四 如何利用GEE获取并下载Sentinel-2及Landsat-8影像
qq_31392899的博客
10-09 6015
使用GEE获取遥感影像非常迅速便捷。今天主要学习一下如何获取一定时间段的去云哨兵2和Landsat8影像。废话不多说，直接上代码。直接将矢量区域换成自己研究区即可。获取并下载Sentinel-2影像代码如下。获取并下载Landsat8影像代码如下。
GEE案例：Sentinel-1影像雷达图像时间序列评估孟加拉国的河岸侵蚀情况
qq_31988139的博客
07-26 71
地球上的许多河流系统都存在河岸侵蚀现象，河岸侵蚀会破坏农田和住房，从而影响沿河居民。在这项研究中，我们利用谷歌地球引擎（GEE）中提供的时间序列哨兵-1 号卫星雷达图像、重访周期为 12 天的地面探测（GRD）数据，检测了孟加拉国贾木纳河沿岸过去发生的河岸侵蚀事件。通过进行土地覆被分类和检测土地覆被从季风前的植被区到季风后的沙地或水域的变化来检测侵蚀土地。此外，如果居民点位于侵蚀土地上，则将其作为持续散射体进行检测，并将其归类为侵蚀土地。
Google Earth Engine（GEE）——R 语言 Google 地球引擎20个基本案例分析
qq_31988139的博客
08-30 2835
基本 rgee - 最佳实践 改编自Google Earth Engine 文档。 本文档描述了旨在最大化复杂或昂贵的地球引擎计算成功机会的编码实践。 1. 避免将客户端函数和对象与服务器函数和对象混合 Earth Engine 服务器对象是具有以ee（例如ee$Image、ee$Reducer）开头的构造函数的对象，并且此类对象上的任何方法都是服务器函数。任何不是以这种方式构造的对象都是客户端对象。客户端对象可能来自 R Earth Engine 客户端（例如 Map）或 R 语言（例
总结一下google earth engine（GEE）中的MODIS数据集
zhuzhu1213812138的博客
08-28 967
GEE中的MODIS数据集
Google Earth Engine（GEE）——光谱指数影像的加载（真彩色和假彩色）以及NDVI的计算
qq_31988139的博客
08-28 487
本实验的目的是了解一系列光谱指数，并培养计算您需要的任何指数的技能。在开始之前，我们将在上周实验室的基础上学习如何为任何感兴趣的地理位置查找图像。 编码面板的正上方是搜索栏。在此 GEE 搜索栏中搜索“达尔文”，然后单击结果以将地图平移和缩放至达尔文（图 1）。 使用几何工具在查尔斯达尔文大学的 Casuarina 校区（位于 Rapid Creek 以北的 Brinkin 郊区）上做一个点。创建几何点后，您将在“导入”标题下看到它作为变量 (var) 添加到“编码”面板中。 通过单击导入..
Lab1 - Fundamentals of Google Earth Engine.pdf
08-27
Google Earth Engine（GEE）是一个由Google托管的云计算平台，专为地球表面的大型数据分析而设计。它提供了对多PB规模的卫星图像和地理空间数据目录的直接访问，包括整个EROS（USGS/NASA）Landsat目录、MODIS、NAIP...
Linux sentinel写法
17岁boy的博客
08-29 437
元素就可以了，因为它判断的单一性，会让CPU很容易预测并将代码放入热路径（CPU缓存）里加快寻址与执行过程让循环代码变得更。，因为如果判断语句较为复杂会导致CPU分支预测失败率提高，当分支预测失败时CPU为了保证程序能够正常运行下去会重新。例如我们现在想遍历一个数组，那么终止条件就是判断当前是否为结束符，如果是结束符则遍历结束。了，无论什么条件只要遇到了哨兵那就意味着这个数组的遍历该。此外在遍历数组时不需要去关心它的大小了，也不需要去。可以看到数组声明初始化时的尾部会有一个空白的。
Sentinel微服务保护
qq_64353233的博客
08-29 1602
熔断降级：是在调⽤⽅这边加⼊断路器，统计对服务提供者的调⽤，如果调⽤的失败⽐例过⾼，则熔断 该业务，不允许访问该服务的提供者了。刚才的配置中，对查询商品这个接⼝的所有商品⼀视同仁，QPS都限定为5. ⽽在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商 品不⼀样，⾼⼀些。1000个⽤户，100秒，因此QPS为10，超过了我们设定的阈值：5 请求的⽬标是/order/update，超过阈值后会对/order/query进行限流 /order/update不限流。
Datawhale X 李宏毅苹果书AI夏令营 学习笔记
m0_61049596的博客
08-31 1048
今天，我继续学习了深度学习中的优化算法，并且着重理解了如何利用。等高级优化器来提高模型训练的效率和效果。2024年8月30日。
如何开发主播美颜工具？直播美颜SDK的实现方案
最新发布
q1031691172的博客
09-04 297
由于直播场景对实时性要求极高，因此性能优化是美颜SDK开发的关键。开发者可以通过减少计算复杂度、优化算法效率、利用硬件加速等手段来提升性能。同时，还需在不同设备和操作系统上进行兼容性测试，确保SDK的广泛适用性。
智能化升级：AI在客服知识库中的应用
LookLook同学的博客
09-03 1073
探讨AI在客服知识库中的应用，提升效率与用户体验。
YOLOV5入门教程-yolov5s.yaml文件
vimpirespider的博客
09-04 678
这段backbone共有9个层次，每个层次逐步提取图像特征并下采样。最后输出的特征图尺寸为40x40，通道数为1024。这个特征图包含了从输入图像中提取到的高层次特征，准备在后续的网络层中用于目标检测。
【大模型理论篇】RoPE旋转位置编码底层数学原理分析
源泉的小广场
08-30 4068
大模型、位置编码、Transformer、旋转位置编码、RoPE、Rotary Positional Encoding、数学原理、数学推导、旋转矩阵、相对位置、绝对位置、词元相似性、位置相关性
您应该使用哪个矢量数据库？ 选择最适合您需求的数据库
weixin_41446370的博客
09-01 1569
在现实世界中，并非所有数据都能整齐地排列成行和列。在处理复杂的非结构化数据（如图像、视频和自然语言）时尤其如此。矢量数据库是一种以高维矢量形式存储数据的数据库，本质上是代表对象特征或特性的数字列表。每个矢量对应一个独特的实体，如一段文本、图像或视频。但为什么要使用矢量呢？奥妙就在于它能够捕捉语义和相似性。通过将数据表示为向量，我们可以对它们进行数学比较，并确定它们的相似或不相似程度。这使我们能够执行复杂的查询，如 "为我查找与此相似的图片 "或 “检索与此文本语义相关的文档”。
GEE通过sentinel-2计算ndvi
06-13
好的，GEE 可以通过 Sentinel-2 数据计算 NDVI。以下是计算 NDVI 的代码示例： ```javascript var s2 = ee.ImageCollection('COPERNICUS/S2_SR') .filterDate('2021-01-01', '2021-12-31') .filterBounds(geometry); var addNDVI = function(image) { var ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI'); return image.addBands(ndvi); }; var s2WithNDVI = s2.map(addNDVI); var ndvi = s2WithNDVI.select('NDVI'); var ndviVis = { min: 0.0, max: 1.0, palette: [ 'FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901', '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01', '012E01', '011D01', '011301' ] }; Map.addLayer(ndvi, ndviVis, 'NDVI'); ``` 其中，'COPERNICUS/S2_SR' 是 Sentinel-2 的表面反射率数据集，'geometry' 是感兴趣区域的几何形状。代码中，首先筛选出指定时间范围内指定区域的 Sentinel-2 数据集，然后通过 `normalizedDifference` 函数计算 NDVI，并将 NDVI 添加为图像的一个波段。最后选择 NDVI 波段并将其可视化。 需要注意的是，Sentinel-2 数据集包含多个波段，不同波段对应的反射率需要根据波段编号进行选择。上述代码中，'B8' 对应的是近红外波段，'B4' 对应的是红光波段。计算 NDVI 的公式与前面提到的公式相同。 您也可以根据需要调整代码中的时间范围、区域、波段选择等参数。
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