Google Earth Engine（GEE）——MODIS数据利用地形提取水体面积（以青海省为例）

最新推荐文章于 2024-03-19 15:16:44 发布
最新推荐文章于 2024-03-19 15:16:44 发布
阅读量3k 收藏 7
点赞数 1
分类专栏： GEE案例分析 文章标签： gee 青海 水体 dem 数据集
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/123995297
版权

全球水掩膜使用SWBD（SRTM水体数据）与MODIS 250米数据相结合，创建一个完整的250米空间分辨率的全球地表水地图，大约在2000-2002年。该数据集用于处理栅格数据和在最终的栅格数据产品中掩盖水。这个就是全球一景影像，我们可以根据自己的矢量或者选择自己的在map上画的东西进行分析。

Dataset Availability数据的时间

2000-02-24T00:00:00 - 2000-02-24T00:00:00

Dataset Provider

NASA LP DAAC at the USGS EROS Center

Collection Snippet

ee.Image("MODIS/MOD44W/MOD44W_005_2000_02_24")

Resolution

250 meters

Bands Table

Name Description
water_mask Land-water mask
water_mask Bitmask
  • Bit 0: Land-water mask
    • 0: Land
    • 1: Water
water_
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
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Google Earth Engine（GEE）——用MODIS数据 进行水体分析（以北京市为例）
qq_31988139的博客
04-11 2146
本文主要是对比Landsat和sentinel数据两者在计算NDWI数据的差异和对比 我们之前使用Landsat数据进行了水体提取分析，文章链接： (211条消息) Google Earth Engine ——LANDSAT 8 波段计算黄河流域的归一化水体指数NDWI指数_此星光明2021年博客之星云计算Top3的博客-CSDN博客 今天我们的目的就是使用Sentinel-2 MSI: MultiSpectral Instrument, Level-1C数据进行分析，使用同样的波段 .
Google Earth Engine（GEE）——计算水体面积提取2013-2020年青海湖面积的为例
qq_31988139的博客
09-13 3286
今天我们要做的就是计算青海湖面积长时间序列的分析，这里用到的一点过就是用mask建立一个常量影像，然后淹没掉NDVI大于0的部分，剩下的部分就可以作为估算的面积，这里是反向操作就是把NDVI小于0的分布来进行分析，然后再分别获取时间和格式修改，然后进行乡原属两的统计最后返回值给相应矢量设定面积和影像的属性波段。当然这个里面没有进行影像的去云，所以大家可以先进性去云后再进行分析，加入去云函数。这是打印出来的水体影像的面积统计。回传给矢量后的矢量属性统计。
Google Earth Engine（GEE）-MNDWI水体面积提取和统计分析OTSU算法（东江水库为例）.pdf
11-13
Google Earth Engine（GEE）——MNDWI水体面积提取和统计分析OTSU算法（东江水库为例）Otsu最大类间方差法原理 利用阈值将原图像分成前景，背景两个图象。 前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度 背景：用n2, sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度 当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在otsu算法中这个衡量差别的标准就是最大类间方差，在本程序中类间方差用sb表示，最大类间方差用fmax 关于最大类间方差法（otsu）的性能: 类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。 当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。 最大类间方差法（otsu）的公式推导： 记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。 则图像的总平均灰度为：u=w0*u0+w1*u1。 前景和背景
GEE：对Sentinel-2遥感影像进行处理，水体提取与可视化
养乐多的博客
05-30 7406
本文介绍了通过Google Earth Engine平台，并使用哨兵数据提取水体掩膜的方法和代码。通过记录代码、裁剪和去除云等处理步骤，最终得到具有水体掩膜的影像，并进行可视化和导出。这种方法基于归一化水体指数（NDWI）和OTSU阈值计算技术，无需复杂的图像处理算法，适用于快速获取水体信息的需求。
GEE：水体掩膜（water mask）的多种数据集和计算方式
养乐多的博客
03-19 1191
本文总结了在 Google Earth Engine（GEE）平台上水体掩膜（water mask）的一些数据集和计算方法。
基于MODIS数据的水体提取研究
01-26
基于MODIS数据的水体提取研究，马丹，，通过分析遥感图像各类地物的光谱特征和水体在中等分辨率的EOS/MODIS上的波谱特征，确定水体最为明显的波段组合，研究如何从不同时期
基于MODIS数据的水体提取算法研究与实现 (2009年)
05-26
MODIS遥感数据以其自身特点已被广泛应用于洪水灾害监测。根据MODIS数据的特点以及水体的波谱特性，分别采用了归一化植被指数法、谱间关系法和自组织神经网络算法进行了水体提取试验研究，并对比分析了三种方法的优缺点，以及用C语言对这三种算法进行实现。
Google Earth Engine ——MOD44W V6陆地/水面掩膜250米产品是使用用MODIS数据
qq_31988139的博客
10-13 1270
The MOD44W V6 land/water mask 250m product is derived using a decision tree classifier trained with MODIS data and validated with the MOD44W V5 product. A series of masks are applied to address known issues caused by terrain shadow, burn scars, cloudiness,
Google Earth Engine（GEE）——批量计算水体面积、监测洪水情况并导出面积最大的影像、水体、excel表格
weixin_46493028的博客
07-13 2352
Google Earth Engine（GEE）——批量计算水体面积、监测洪水情况并导出面积最大的影像、水体、excel表格
GEE google earth engine批量裁剪下载MODIS数据
01-16
请将代码复制到GEE运行，该代码是读取MODIS数据集的NDVI数据，裁剪、下载，可批量处理，使用简单方便，完美运行。
MODIS 2020年中国250m植被指数（NDVI）空间分布数据集
04-27
该植被指数数据来源于美国NASA定期发布的MODIS数据系列，原始数据集为MOD13Q1。MOD13Q1的空间分辨率为250m，时间分辨率为16d。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用最大合成法（MVC，Maximum Value Compositing）生成对应年份的NDVI数据。 地区：中国 时间分辨率：年 空间分辨率：250m 投影坐标系：Albers conical equal area 椭球：WGS84 变形比例：1.0 中央经线：105 标准纬线：25 标准纬线：47 引用：Didan, K. (2015). MOD13Q1 MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006 [Data set]. NASA EOSDIS Land Processes DAAC. Accessed 2022-04-13 from https://doi.org/10.5067/MODIS/MOD13Q1.006
Google Earth Engine（GEE）-利用Landsat卫星影像计算EVI数据并下载以山西省为例.pdf
02-14
(452条消息) Google Earth Engine（GEE）——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算_此星光明2021年博客之星云计算Top3的博客-CSDN博客 第一步我们进行SR去云函数的设定：第二步：设定EVI波段运算的...
基于GEE云平台实现NDWI水体提取并计算面积覆盖代码.txt
最新发布
04-06
基于GEE云平台实现NDWI水体提取并计算面积覆盖代码，所使用的数据是LANDSAT/LC08/C02/T1 NDWI数值范围 NDWI (Normalized Difference Water Index) 的数值范围在-1到1之间。数值越接近1表示水体的可能性越高，数值越...
Google Earth Engine -在 GEE 中计算面积含各类要素计算（土地分类为例）含讲解和代码.pdf
03-11
在 GEE 中计算面积含各类要素计算（土地分类为例）含讲解和代码。 本教程中 从土地分类影像的加载，地图统计和面积统计等多个环节对如何在GEE中进行土地分类进行了全面分析，包含了所有计算代码。省去了下面再本地...
GEE提取水体
热门推荐
Soul_taker的博客
09-01 1万+
GEE提取水体 老板需要提取2015-2019年，每年4、7、10月份的水体数据，一个月的卫片需要4张才能盖住研究区，我表示有点儿懵，看了大神的文章（https://blog.csdn.net/weixin_36396470/article/details/106899589），毅然入坑GEE！！！ 然而，坑入的并不顺利，科学上网、用户申请、环境搭建（到现在还没搭好本地的Python环境）一步一个坎儿，下回整理一下发出来吧，今天主要说水体的提取问题。 1.工作环境 由于时间短、任务急，我直接参考大神的代码，
GEE案例——利用NDWI指数和大津法OTSU进行水域面积提取
qq_31988139的博客
01-11 1732
NDWI指数是一种遥感指数，用于反映水体和植被分布情况。NDWI指数的计算公式为：其中，Green代表绿波段（例如Landsat 8卫星的绿波段），NIR代表近红外波段（例如Landsat 8卫星的近红外波段）。NDWI指数的数值范围在-1到1之间，数值越接近1表示水体的可能性越高，数值越接近-1表示植被的可能性越高，数值接近0表示陆地或无水体的可能性较高。NDWI指数在水资源监测、植被提取等领域具有广泛应用。例如，可以利用NDWI指数来提取水体边界、监测水体污染、测算湖泊蓄水量、提取洪水等。
GEE水体提取之NDWI（矢量裁剪、统计面积、数据导出）
Lbta的博客
06-25 1万+
GEE专栏：GEE水体提取之MNDWI（矢量裁剪、数据导出） 计算区域2018年6-10月武汉市所有Landsat 8数据。 效果图 1、基于otsu计算结果，基于otsu提取结果，之前一直处于途中计算状态，原因推测数据量大，计算耗时，此外GEE给每个人分配的计算资源是有一定的限制的，非无线计算资源。 源码部分 function maskL8sr(image) { var cloudShadowBitMask = (1 << 3); var cloudsBitMask = (1 &
基于GEE平台实现湖泊水位与水体面积关系分析
yuanYW7556的博客
10-08 5335
对于传统的湖泊水位面积关系模型研究,长时间序列遥感影像水体提取存在数据下载和处理繁琐、大量使用专业软件和人工干预多等问题,研究过程耗时长、效率低.基于Google Earth Engine,对2002年至2016年长时间序列Landsat影像数据进行预处理,利用NDWI提取东洞庭湖水体范围并计算水域面积，结合城陵矶水文站日水位数据,设计水位加权平均法、阈值法和单点水位法比较并确定影像对应的最优水位,建立水位-水体面积关系曲线研究结果表明: (1)东洞庭湖水域范围随季节变化大，面积在79月最大，在13月最小;
GEE提取塔里木河流域水体
05-04
您好，使用Google Earth Engine提取塔里木河流域的水体可以按照以下步骤进行： 1. 打开Google Earth Engine Code Editor（https://code.earthengine.google.com/）； 2. 在左上角的搜索栏中输入“Tianshan Systems”，并选择“Tianshan Systems / Rivers in Tianshan”数据集； 3. 在代码编辑器中输入以下代码： ``` var Tianshan = ee.FeatureCollection('Tianshan Systems/Rivers in Tianshan'); Map.addLayer(Tianshan); var water = ee.Image('JRC/GSW1_0/GlobalSurfaceWater'); var occurrence = water.select('occurrence'); var water_mask = occurrence.gt(90); Map.addLayer(water_mask, {}, 'water mask'); var water_shp = water_mask.reduceToVectors({ geometry: Tianshan, crs: water.projection(), scale: 30, geometryType: 'polygon', eightConnected: false, labelProperty: 'water', reducer: ee.Reducer.mean() }); Map.addLayer(water_shp, {}, 'water layer'); ``` 4. 运行代码后，在地图上会显示出提取出来的水体图层。 这段代码首先导入了Tianshan Systems中的“Rivers in Tianshan”数据集，然后通过JRC Global Surface Water数据集提取出了水体，并使用reduceToVectors函数将水体转换成矢量数据，并将其与Tianshan数据集进行裁剪。最后在地图上显示了提取出来的水体图层。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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