Google Earth Engine（GEE）——逐月影像缺失后利用插值方法弥补，并循环下载（北京市为例）

最新推荐文章于 2024-08-16 11:45:00 发布
最新推荐文章于 2024-08-16 11:45:00 发布
阅读量3.8k 收藏 23
点赞数 2
分类专栏： GEE案例分析 文章标签： 插值 ndvi fvc 月 gee
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/123925757
版权
该博客介绍了如何在Google Earth Engine（GEE）中进行NDVI和FVC的逐月计算及下载，同时解决月度影像因去云处理造成的空缺，采用插值方法进行填补。作者提供了以前关于插值的单独文章链接，并提醒用户在运行代码时注意减少运算负担，避免GEE平台的计算和内存超限问题。
摘要由CSDN通过智能技术生成

本次主要尝试了两个重要的结合，一个是NDVI、FVC的逐月计算并下载，另外就是将逐月影像存在的去云后影像空缺的方法进行弥补，将两者结合在一起，因为数据较大，建议在使用本代码的过程中尽量少打印出来结果，或者使用.limit()来限制输出的个数，我们可直接可以下载到本地进行影像查看。

以前单独的插值文章：

(469条消息) 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2021年博客之星云计算Top3的博客-CSDN博客

(455条消息) Google Ea

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
GEE：应用遥感影像时空插值技术的实践（插值填补去云空洞）
养乐多的博客
04-11 8442
本文介绍了几个GEE平台中处理遥感数据中的缺失值代码片段，这些代码可以用于时间序列线性插值，提供更加连续和完整的时间序列。第一段代码是一个线性插值函数，它能够在一个时间序列图像集合中对缺失数据进行插值。该函数使用了 GEE 平台中的图像集合操作函数和图像合成函数，并采用了线性插值方法对缺失值进行处理，最后返回一个插值后的图像集合。第二段代码是一个掩模替换函数，它的作用是将原始影像中的某些值（如缺失值）用一个新值替换。
Google Earth Engine（GEE）——利用插值方法解决影像去云后的空缺/填充/弥补方法详细讲解（拉萨区域为例）
热门推荐
此星光明博客
11-18 1万+
本篇文章重点要解决的 问题就是，很多时候我们无论是在小区域内的单景影像或者是中大尺度的影像，更或是长时间序列的影像研究中，很多情况下我们会因为云量筛选等因素，或多或少的存在影像空白而缺少值，因此如何处理这些问题，我们今天就来解决。 许多应用程序需要用来自其时间邻居的内插值替换图像中丢失的像素。这种间隙填充技术用于多种应用，包括： 替换多云像素：您可能希望使用无云像素前后的最佳估计值来填充图像中的空白。 估计中间值：您可以使用此技术为以前未知的时间步长计算图像。如果您有 2 个不同年份的人口栅格，并且想
GEE案例：利用MODIS数据计算长时序逐月的NDVI数据和下载
最新发布
此星光明博客
08-16 511
详细流程如下：1. 打开 Google Earth Engine (GEE) 平台的网站 https://earthengine.google.com/。2. 点击右上角的 "Sign In" 按钮，使用您的 Google 账号登录。3. 在 GEE 界面中，点击左上角的 "Code Editor" 按钮，进入代码编辑器页面。4. 在代码编辑器页面的左上方，点击 "Assets" 选项卡，然后点击右侧的 "New" 按钮，选择 "Image Collection"。
Google Earth Engine（GEE）——基于插值修补方法的区域人口弥补/填补/补缺（以北京为例）
此星光明博客
11-22 2084
同样在上一篇当中我们运用到了前后影像的插值修补方法进行了哨兵数据的NDVI空缺补差，这一次我们将利用该技术弥补人口的缺口 该技术的另一个有用应用是在缺失的时间间隔内生成数据。我们将采用GHSL：2000 年和 2015 年的全球人类住区层人口网格，并对其进行插值以创建 2005 年和 2010 年的人口网格。下图显示了我们试图实现的结果。 让我们先看看结果 我们可以按照与前一个示例相同的过程进行一些小的更改。前面的例子已经有了我们需要的所有时间步长的图像，我们只需要用内插值填...
在GEE使用线性插值和平均插值插补缺少的影像
wlh2067的博客
06-14 1813
本文利用线性平均和历史平均插值处理两种数据缺失的情况，下期利用Savitzky-Golay滤波和Whittaker滤波再对缺失的影像进行平滑并分享代码。一些遥感数据会出现整张影像缺失的情况，如下图的情况，整个6月是没有影像的。函数插值，第一个参数是待插值ImgCol，中间的参数是计算出的平均值，最后参数是在哪个尺度下进行插值。数据缺失存在两种情况，一种是局部数据缺失，一种是整张影像缺失，影像后续分析。如图所示，MODIS的某年反照率数据，可能由于云层或其他原因，有大面积缺失。
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 3825
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
GEE栅格插值（以TROPOMI的NO2数据为例）
peisipand的博客
04-12 2977
GEE插值 GEE提供了IDW和Kriging两种插值 var shp = ee.FeatureCollection("users/peisipand/cn_province"); // Define an area to perform interpolation over. var yunnan = shp.filter(ee.Filter.eq('OBJECTID', 25)); Map.addLayer(ee.Image().paint(yunnan, 0, 2), {}, 'yunnanbor
GEE：线性插值方法填补去云空洞——以 Landsat 和 NDVI 为例
养乐多的博客
07-08 3108
养乐多_本文将介绍如何使用Google Earth Engine（GEE）平台提取特定地区的归一化植被指数（NDVI）并进行插值处理，以获得更精细的空间分辨率和连续的时间序列数据。
Google Earth Engine（GEE）——用for双循环进行逐月数据下载以北京市为例
此星光明博客
03-16 2337
本次所用的函数：ee.ImageCollection filter(filter) Apply a filter to this collection.对这个集合应用一个过滤器。 Returns the filtered collection. Arguments: this:collection (Collection): The Collection instance. filter (Filter): A filter to apply to this collection. Ret
Google Earth Engine（GEE）-利用插值方法解决影像去云后的空缺填充弥补方法详细讲解.pdf
08-01
简单的说，就是通过一幅有云的影像时间位2020年，去云后有一部分空洞，但是我们通过该地区的2019年的前一幅影像和2021年的影像通过两者影像的合并并求取真值即可用来弥补影像。 Google Earth Engine 可以有效地用于...
Google Earth Engine（GEE）-MODIS去云后插值后影像来弥补，没有效果怎么办？含代码
04-22
在GEE中，可以利用内置算法检测云并删除，之后采用插值方法填补数据空缺。例如，使用时间序列插值，可以将相邻时段的影像数据插值到去云后的影像中，以形成较为完整的时空数据集。 在进行插值填补时，如果仅使用...
GEE土地分类-分类有影像出现空洞我们应该如何填充？（两种方法，集群填充和像素连接方法）.pdf
09-30
我想知道是否存在一种简单的方法来填充二进制分类图像（例如森林）中的空洞像素？被森林像素包围的空洞像素很可能是由分类错误产生的。使用focalMedian可以填补这个洞，但森林斑块的边界被扩大了很多。 这是一个演示此问题的简单链接。 https://code.earthengine.google.com/01167997b4d2cca9d3a7fd2d08093bf5 其他解决方案 出现空白区域可能是由于分类方法或数据问题导致的。如果是数据问题，可以尝试重新获取或处理数据。如果是分类方法问题，可以考虑重新选择分类方法或者改善分类参数，以得到更好的结果。 如果已经确认空白区域是分类结果问题，可以使用插值方法来填补空白区域。常用的插值方法有邻近像素插值、双线性插值和克里金插值等。具体的方法选择可以根据空白区域的大小和位置以及数据特点进行决定。但是应注意，插值方法只能在一定程度上填补空白区域，其结果与原始数据差异较大。因此，在进行插值处理之前，需要评估插值结果的准确性和可靠性。 本实验解决方法：利用focalMode（）进行填充，填充主要依据像素周围多少米范围之内展开。
Google Earth Engine（GEE）——当我们前后影像来弥补插值效果得时候，没有效果怎么办？
此星光明博客
07-03 1342
这个代码就是当我们再对影像进行插值对去云的影像进行弥补的时候，很多时候影像出不来结果，所以我们要改变我们的插值影像的时间，这样增加影像的时间，以便更多的影像用于插值。代码： 采用days=30天的时候，结果还是没有出来，说明对于影像无法弥补 ，我们增加日期，可以选择3个月或者100天等作为插值影像的时间。并且有几个月没有未遮罩的像素的位置。增加天数会有所帮助。另一个技巧是将集合添加到地图并检查像素。这将显示整个时间序列，可以帮助您可视化问题。 这里我们可以把前后30天影像扩大到1年，这样可以有效的将我们
GEE：线性插值方法填补去云空洞——以 MCD43A4 和 NDVI 时间序列为例
养乐多的博客
07-20 1852
本文将介绍使用GEE平台上的数据集“MODIS/006/MCD43A4”，计算NDVI时间序列，并对去云后产生的空洞采用线性插值的方法进行填补，以获得更精细的空间分辨率和连续的时间序列数据。
Google Earth Engine（GEE）填补缺失影像
guaicaicexu的博客
09-14 7659
今日分享：Google Earth Engine（GEE）填补缺失影像之前在做月合成NDVI的过程中，发现如果研究区较大时，一个月的影像覆盖不了整个研究区，就会有缺失的地方，还有就是去云之后，有云量的地区变成空值。例如：所以今天来用一种插值的方法，来填补缺失的影像，以NDVI为例。主要实现原理其实就是用前后两个月的NDVI的均值进行填补01—GEE部分实现代码选择研究区var roi = ee.F...
Google Earth Engine——Landsat图像在描述全球森林范围和变化方面的时间序列分析结果（2013年）
此星光明博客
11-17 860
Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery from the first and last available years for Landsat spectral bands 3, 4, 5, and 7. Refe
GEE克里金插值
学习历程记录和分享
03-21 202
kriging() 函数用于进行克里金插值，其中包括了一些克里金插值模型的参数，如属性名称、形状、范围、sill、nugget 等。csvTable 是一个包含点数据的表格，每行代表一个点，每列代表不同的属性。1、准备一个CSV数据，内容如下：至少有有经纬度信息、值信息。samplesFC 是一个点特征集合，包含了采样点的数据。通过Assets上传这两个文件。
Google Earth Engine（GEE）——单景/合成的Landsat 8 C01 TOA影像BQA波段去云操作和影像空缺弥补
此星光明博客
09-23 1419
计算图像1和图像2中每一对匹配的波段的输入值的比特和。如果图像1或图像2只有一个波段，那么它将与另一个图像中的所有波段进行对比。输出的带子以两个输入中较长的命名，或者如果它们的长度相等，则以图像1的顺序命名。其实大家已经知道如何去云等的计算，但是这里和之前的我们所用到的波段不同（QA_pixel）或者（pixel_qa），这里我们看一下BQA波段的具体内容包含哪些。当然在单景影像无法满足去云要求的情况下，我们可以通过拉长时间序列来满足影像填充的要求，同样我们可以用单点来筛选影像所处的影像范围，
Google Earth Engine（GEE）——反距离加权插值甲烷插值案例分析
此星光明博客
08-15 756
Earth Engine 中的反距离加权 (IDW) 函数基于Basso 等人描述的方法。(1999)。gamma在反距离上以衰减因子 ()的形式添加额外的控制参数。其他参数包括要插值的属性的均值和标准差以及要插值的最大范围距离。以下示例创建甲烷浓度的插值表面以填充原始栅格数据集中的空间间隙。它FeatureCollection是通过对为期两周的甲烷复合物进行采样而生成的。 要用到的影像： 影像当中的波段信息 要用到的函数： aggregate_stats(property) ...
如何利用gee下载mod09a1图像
01-28
要利用Google Earth Engine（GEE）下载MOD09A1图像，需要按照以下步骤进行操作： 1. 登录/注册GEE账户：首先，需要登录或注册一个GEE账户。登录后，可以访问GEE的各种功能和数据集。 2. 在Code Editor中搜索数据集：在GEE的Code Editor中，可以搜索要下载的MOD09A1数据集。这可以通过在代码中使用数据集的名称进行搜索。 3. 添加图像到地图：找到MOD09A1图像后，可以将其添加到地图中进行可视化。这可以通过在代码中使用`Map.addLayer（）`函数来完成。 4. 定义区域和时间范围：为了下载特定区域和时间范围的数据，需要在代码中定义一个地理区域（例如矩形范围）和时间范围。 5. 执行下载操作：在代码中使用`Export.image.toDrive（）`函数，将定义的区域，时间范围和其他选择参数传递给该函数。这将触发数据下载，并将其保存在Google Drive中。 6. 监视下载进度：一旦启动了数据下载，可以在GEE的任务面板中监视下载进度。任务面板将显示下载任务的状态，包括正在进行的任务和已完成的任务。 7. 下载完成后访问数据：一旦下载完成，就可以通过访问Google Drive中存储的文件来获取MOD09A1数据。可以在代码中使用相关的文件访问函数（例如`ee.ImageCollection（）`）加载和处理该数据。 这是一个简要的步骤指南，帮助您利用GEE下载MOD09A1图像。具体的代码实现和详细的操作可能需要根据您的具体需求进行调整和进一步学习。
评论 9
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