Open Earth Engine Library (OEEL)——oeel.ImageCollection.SavatskyGolayFilter(...)

最新推荐文章于 2024-11-04 23:29:30 发布

此星光明

最新推荐文章于 2024-11-04 23:29:30 发布

阅读量917

点赞数 1

分类专栏： Earth Engine高级外接应用文章标签： linq gee OEEL modis filter

本文链接：https://blog.csdn.net/qq_31988139/article/details/123254319

版权

Earth Engine高级外接应用专栏收录该内容

71 篇文章 4 订阅 ¥129.90 ¥299.90

订阅专栏

超级会员免费看

本文介绍了OEEL库中的oeel.ImageCollection.SavatskyGolayFilter(...)方法，该方法用于在图像集合上应用Savatsky-Golay时间滤波器。此滤波器通过移动窗口对图像进行处理，参数包括图像集合、过滤器函数、多项式阶数以及可选的波段选择器和估算集合。

摘要由CSDN通过智能技术生成

oeel.ImageCollection.SavatskyGolayFilter(...)

oeel.ImageCollection.SavatskyGolayFilter(collection, filter, distanceFunction, degree, bandOfInterest, EstimationCollection)

SavatskyGolayTimeFilter. Pass a Savatsky-Golay filter along the image collection

SavatskyGolayTimeFilter。沿着图像集合传递一个Savatsky-Golay过滤器

Arguments:

collection* ee.ImageCollection The image collection on which to perform the filtering
要进行过滤的图像集合。
filter* ee.Filter The moving windows filter 移动窗口过滤器
distanceFunction* function A lambda functi

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

此星光明

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

Open Earth Engine Library (OEEL)——如何使用OEEL函数和贡献自己的智慧

此星光明博客

03-08

1343

如何使用这个库？要使用该库，只需在你的代码中做以下导入，然后使用这些函数。在你的JavaScript code 中加入这个获取链接即可，即可加载所有的相关补充的飞官方函数内容 var oeel=require('users/OEEL/lib:loadAll') 你需要知道你用了哪个函数吗？只需在你的代码末尾添加以下一行，你将得到所有使用过的函数的列表和其他相关信息。 print('List of functions used',oeel.refs()) license 每个函数

Google Earth Engine（GEE）——NDVI时序线性插值补缺和导出视频结果案例分析（北京奥森公园为例）

此星光明博客

03-06

3821

本案例是一个综合案例：在NDVI时间序列上应用脚本使用OEEL库，在图像集上应用Savitzky-Golay滤波器。需要一个有规律的时间序列，没有任何遮挡的像素。所以这个脚本将线性插值来创建有规则间隔的图像，形成有规则间隔的图像，并从原始时间序列中提取。第1步：准备一个NDVI时间序列第2步：创建一个空的时间序列，其中包含n天的图像。第3步：使用连接来寻找前后的图像。第4步：应用线性插值来填充每个图像第5步：应用Savitzky-Golay滤波器。值得注意的是本次调用了一个库中

参与评论您还未登录，请先登录后发表或查看评论

google earth engine随缘学习（十九）SG平滑函数（二）

八千鸟的博客

03-12

4823

之前有写过一篇SG函数（点这里），但那个用起来太麻烦了，最近发现GEE编辑器页面更新了某大佬写的SG函数，于是来更新下，希望大家都能用到！ 1. 先放出源代码链接(点这里）这篇代码主要是用SG函数平滑modis数据的例子。 2. 函数用法 2.1 引用库第一步你需要在代码开头写下以下内容来引用大佬的库 var oeel=require('users/OEEL/lib:loadAll'); 2.2 使用函数函数用法： var smooth_result = oeel.ImageCollection

GEE 上NDVI 的savitzky-golay实现——以Sentinel为例

SunStrongInChina的博客

11-05

3613

savitzky-golay to daily MODIS time-series (google.com)

Open Earth Engine Library (OEEL)——oeel.ImageCollection.OtsuThreshold(...)

此星光明博客

03-08

870

oeel.ImageCollection.OtsuThreshold(...) oeel.ImageCollection.OtsuThreshold(imageCollection, selectBand, mode, nbThreshold, thresholdsCollection, getCoefCollection) OtsuThreshold.Compute the Otsu's threshold along a collection OtsuThreshold。沿着一个集合计算大津..

Open Google Earth Engine（OEEL）——添加时间属性addTimeProperties(...)

此星光明博客

06-29

351

只需添加一些来自system:time_start的时间指标（日、月、年...）即可。这里添加时间属性后的结果是。

Open Earth Engine library——利用大津法（otsu）区分NDVI一个点的峰值（阈值）

此星光明博客

08-20

973

我们使用oeel来实现我们的一个点NDVI值得统计，统计峰值，用来区分一些作物可以用这里用的是点，当然我们可以使用一个矢量研究区来进行分析。

S-G滤波算法应用于NDVI数据

puzige的博客

06-29

6154

M-G滤波算法主要是用来进行数据平滑使用，一种基于平滑时间序列数据和最小二乘原理的卷积算法，采用移动窗口的加权平均算法，但其加权系数不是简单的常数窗口，而是通过在滑动窗口内对给定高阶多项式的最小二乘拟合得出，关于M-G滤波算法网上有很多的文献，这里主要介绍在GEE平台上进行应用，代码如下： var oeel=require('users/OEEL/lib:loadAll'); modis=modis.filterDate('2020-01-01','2020-12-31').filterBounds(roi

SavitzkyGolayFilter（可运行在STM32单片机）

11-30

Savitzky-Golay滤波器（通常简称为S-G滤波器）最初由Savitzky和Golay于1964年提出，发表于Analytical Chemistry 杂志。之后被广泛地运用于数据流平滑除噪，是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波器最大的特点在于在滤除噪声的同时可以确保信号的形状、宽度不变。

GEE学习笔记【5】GEE的数据类型之Image Collection，卫星数据，矩阵

sqwev的博客

05-28

811

文章目录ImageCollectionee.ImageCollection/ee.ImageCollection.loadImageCollection.filterBounds/filterDate/filterMetadataImageCollection.limitImageCollection.selectImageCollection.distinctImageCollcetion.combineImageCollection.uint8ImageCollection.set/setMultiIm

【GEE 学习】批量导出影像ImageCollection

kkkyyyxxx的博客

01-29

2760

1、在MOD11A1中提取LST，且完成投影转换、参数乘积和裁剪 2、结果批量导出到云盘

Kafka 消息丢失如何处理？

一名很普通的互联网打工人

11-04

510

监控是最基础的保障手段。很多时候，消息丢失的“锅”其实是消费者自己在消费时出了问题，明明没处理完却偷偷提交了 offset，让 Kafka 以为消息已经处理完毕了。最常见的是消费者拉取了消息，但是业务处理失败，或者消费后没有提交 offset，导致消息“看似”消费了，实际根本没处理。面试官顿时一愣，沉默了片刻后，可能有点不耐烦，说道：“这个你不用管，反正现在发现消息丢失了，你就说如何处理。这个方式虽然不能彻底避免消息丢失，但能保证消息不会轻易丢失，特别是一些重要业务场景中，消息的可靠性至关重要。

【大数据学习 | kafka】消费者的分区分配规则

最新发布

2301_80912559的博客

11-04

735

上面我们提到过，消费者有的时候会少于或者多于分区的个数，那么如果消费者少了有的消费者要消费多个分区的数据，如果消费者多了，有的消费者就可能没有分区的数据消费。那么这个关系是如何分配的呢？现在我们知道kafka中存在一个coordinator可以管理这么一堆消费者，它可以帮助一个组内的所有消费者进行分区的分配和对应。通过coordinator进行协调这个分配规则分为以下几种。

【大数据学习 | kafka】producer之拦截器，序列化器与分区器

2301_80912559的博客

11-01

1208

interceptor是拦截器，可以拦截到发送到kafka中的数据进行二次处理，它是producer组成部分的第一个组件。@Override@Override@Override@Override实现拦截器需要实现这个接口，其中的泛型要和producer端发送的数据的类型一致。onSend方法是最主要的方法用户拦截数据并且处理完毕发送获取确认应答的方法，这个方法和producer端的差不多，只能知道结果通知close是执行完毕拦截器最后执行的方法。

java.io.IOException: Too many open files

qq_45938780的博客

11-01

361

Too many open files

Kafka日志记录

qq_41081716的博客

11-01

432

这些日志条目展示了 Kafka 客户端从初始化连接到成功发送消息并最终关闭连接的整个过程。通过这些日志，可以确认 Kafka 生产者已经成功连接到 Kafka 集群，并且在发送消息后正确关闭了连接。如果有任何连接或通信问题，这些日志也会提供有价值的调试信息。

【大数据学习 | kafka】kafka的ack和一致性

2301_80912559的博客

11-01

1150

这个模式不会丢失数据，但是如果leader接受完毕数据并且将数据同步给不同的follower，从节点已经接受完毕，但是还没有返回给sender线程ack的时候，这个时候leader节点宕机了，sender没有接收到这个ack，它人为没有发送成功还会重新发送数据过来，会造成数据重复。在kafka的0.10以后的版本中增加了新的特性，幂等性，主要就是为了解决kafka的ack = -1的时候，数据的重复问题，设计的原理就是在kafka中增加一个事务编号。

ee.ImageCollection.reduceColumns

10-17

`ee.ImageCollection.reduceColumns` 是Google Earth Engine (GEE) 中的一个函数，用于对 `ImageCollection` 中的图像列进行聚合操作。它允许你在每列图像上应用一个函数（通常是统计函数），并将结果汇总到一个新的 Image 或者 Feature Collection 中。这个功能常用于处理时间序列数据，比如计算每个日期或时间段的平均值、总和或其他统计指标。例如，如果你有一个包含每日温度数据的 `ImageCollection`，你可以使用 `reduceColumns` 函数来计算每个地点每年的平均温度： ```python temp_data = ee.ImageCollection('your/dataset') annual_average_temp = temp_data.select('temperature').reduceColumns( reducer=ee.Reducer.mean(), selectors=['year'], geometries=image.geometry() ) ``` 在这里，`reducer` 是 `mean()`，表示我们希望得到的是平均值；`selectors` 列出了我们想要按照哪些列（在这个例子中是 'year'）来进行分组；`geometries` 参数则是为了保持每个地点（由 `image.geometry()` 提供）与其对应的平均温度相关联。