Google Earth Engine(GEE)——Landsat 8 和 9 collection 2 去云方式

最新推荐文章于 2024-06-14 16:00:00 发布
最新推荐文章于 2024-06-14 16:00:00 发布
阅读量2.2k 收藏 6
点赞数 1
分类专栏： GEE教程训练 文章标签： java 开发语言 gee landsat 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/127136672
版权
这篇教程介绍了如何在Google Earth Engine (GEE)中处理Landsat 8和9 Collection 2的云遮挡问题。通过利用Landsat 8的CFMask QA_PIXEL波段，可以有效地筛选并排除不需的像素，同样适用于Landsat 9的数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本次教程展示的是Landsat 8 和 9 去云的方式，这个例子演示了使用Landsat 8 Collection 2, Level 2 QA_PIXEL波段（CFMask）来掩盖不需要的像素。

Landsat 8 

Dataset Availability

2013-03-18T15:58:14 -

Dataset Provider

USGS

Collection Snippet

Copied

ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")

Landsat 9

Dataset Availability

2021-10-31T00:00:00 -

Dataset Provider

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Google Earth Engine(GEE)——Landsat 4 5 7 collection2 通用去云方法
此星光明博客
10-03 3429
本次的教程我们将展示一个Landsat 4 5 7 集合2 的去云的例子，这个例子演示了使用Landsat 4, 5, 7 Collection 2,QA_PIXEL波段（CFMask）来屏蔽不需要的像素。大家注意一下的去云函数适用于以上的Landsat collection 2 中的数据集除了Landsat 8 和 9 ，所以我们只需要换影像集合就可以了。
Google Earth Engine（GEE）——Landsat 8 和sentinel 2真彩色rgb影像下载（只需替换研究区）
此星光明博客
06-14 2509
上面是一个简单的例子，这里我们将按照通用的代码，外加去云和映射后的结果进行分析，并且分别加载到地图上，并将名字分别按照标准的名字命名，保留了导出的所有参数的名称，你可以通过设定每一个参数来进行必要的修改。
GEE实战 | Lansat8去云
小鱼干的博客
03-07 8682
GEE实战 | Lansat8去云Landsat 8Landsat 8 SRLandsat 8 TOA 这里介绍下Landsat 8的去云函数和效果 Landsat 8 Landsat 8 SR 可以通过pixel_qa来去云： var l8sr = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR") function maskL8sr(image) { var cloudShadowBitMask = 1 << 3; var cloudsBitM
Google earth engine 中 Landsat-9调用和去云算法
weixin_38332192的博客
03-20 844
Google earth engine 中 Landsat-9调用和去云算法
【GEE】下载研究区的Landsat8去云清晰影像
TwcatL_tree
04-08 1671
/ 设置日期范围 var startDate = ‘2020-06-01’;// 对图像进行融合 var meanImage = landsat.select(‘B4’, ‘B3’,这里我选用的是RGB，如果你需要其他波段的话，请在这里添加。你可以适当的调整时间，来看看哪一张那个融合后的影像效果最好。如果你仅仅是使用影像来可视化的话，追求没有云的效果。如果你要绘制研究区概况或者是做一个产品的比较。需要整个研究区的Landsat8影像的话。
Google Earth Engine（GEE）——Landsat8 TOA 影像去云
此星光明博客
07-23 4274
上一篇文章写了如何去除Landsat 8 SR数据，这一片主要是讲一下如何去除Landsat8 TOA 影像。 除云前影像： 除云后影像： 代码： // 建立函数还是选择BQA波段 var maskL8 = function(image) { var qa = image.select('BQA'); //检查云层位是否关闭，设置让它回归到1，变成0 // See https://www.usgs.gov/land-resources/nli/landsat/landsat..
GEE中Landsat重大改变——Landsat Collection 1 到 Collection 2 影像集合迁移
此星光明博客
12-09 1546
Landsat Collection 1 到 Collection 2 迁移Landsat Collection 1 到 Collection 2 迁移Collection 1 数据切换 到 Collection 2 数据的说明。自 2022 年以来，集合 2 已在 Earth Engine 中完全可用，。Landsat Collection 1 已弃用，鼓励所有用户尽快迁移到 Collection 2。每个代表了使用一致的方法和例程处理的图像档案的一个版本。随着系统和处理算法的改进，新的集合会产生。
GEE数据融合——Landsat （collection 2，level 2 ）4、5、7、8、9长时间序列影像数据融合和视频导出分析
此星光明博客
06-14 1348
长时间序列影像数据融合是指将Landsat影像数据集合2级2（Level 2）中的4、5、7、8和9这五个卫星的数据进行融合。具体来说，这包括将同一地点的多个卫星影像数据进行处理和整合，以产生一个单一的、具有更高质量的影像产品。在长时间序列影像数据融合中，首先需要对不同卫星的影像数据进行校正，以消除不同卫星之间的光谱差异、辐射度问题和几何纠正误差等。然后，通过使用融合算法，将多个卫星的影像数据进行组合，以生成一张全新的、高质量的合成影像。
GEE错误——Landsat9数据集进行去云操作后显示白板
此星光明博客
03-10 1035
我遇到了一些有关 Landsat9 图像中的云遮蔽和图像处理的问题。我正在分享我所使用的代码以及我感兴趣的区域（资产）。请帮我解决这个问题。我是一名 GEE 学习者。问题：最终图像在大面积上有云状覆盖。这里我们查看了搜索出的代码发现并不是没有数据集导致的，该区域有24景影像。
Google Earth Engine 教程——Landsat 8 影像集合去云分析QA波段和去云NDVI的影像
此星光明博客
11-05 2317
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。对于特征和特征集合，唯一支持的键是 "color"，是一个CSS 3.0颜色字符串或 "RRGGBB "格式的十六进制字符串。图像的新掩码，是[0, 1]范围内的浮点值（无效=0，有效=1）。输出的图像保留了输入图像的元数据和足迹。该图层的不透明度，用0到1之间的数字表示，默认为1。
使用Google Earth Engine进行Landsat 9影像的云去除分析：以青海省为例
VwajAlgorithm的博客
09-21 292
在GEE中，我们可以利用Landsat 9卫星影像进行云去除分析。本文将以中国青海省为例，介绍如何使用GEE进行Landsat 9影像的云去除分析。通过导入Landsat 9影像数据，应用云掩膜，并可视化云去除结果，我们可以获得清晰的卫星影像，有助于进一步的遥感分析和地理空间研究。的函数，该函数根据Landsat 9影像中的像素质量（pixel_qa）波段信息，将云和阴影的像素标记为掩膜。函数将该云掩膜函数应用到整个影像集合上，得到云去除后的影像集合。在上述代码中，我们定义了一个名为。
Google Earth Engine（GEE）——landsat 8 和9影像集合SR_B6无法进行映射
此星光明博客
04-16 1063
所有目前对于所有的C02数据中，Landsat8 和5的地表反射率中，无法进行温度波段的映射和转换。只有Landsat9 是ok的。上面的代码中已经去除了温度波段的映射计算，所以结果是可以的，也可以进行正常的波段运算，这可能是GEE数据集中在归档的时候，并没有把温度波段和其它波段一起放，而是放在了。这里简单举一个例子，请查看下面的Landsat5的波段。
GEE必须会教程—Landsat去云处理（新）
Promising_GEO的博客
02-19 5257
GEE平台上上传了新的Landsat数据，如果实现去云，本篇文章期待可以帮到你！
Landsat8（三）- 去云&降尺度&等处理工具
热门推荐
liuguobo的专栏
12-25 2万+
Landsat8 去云： （1）ENVI里的大气纠正模块；（2）fmask：https://code.google.com/p/fmask/ Landsat8 降尺度： （1）所老师；（2）USGS工具L-LDOPE Toolbelt：http://landsat.usgs.gov/L-LDOPE_Toolbelt.php
GEE必须会教程—Landsat影像去云处理（旧）
Promising_GEO的博客
02-18 3350
基于GEE的Landsat数据去云处理
PIE-engine 教程 ——Landsat 8 TOA数据常见的4中去云方式，其中一种比GEE简单只需一行代码
此星光明博客
09-26 1818
在PIE中有很多已经设定好的去云函数，这里面包括了Landsat 5-9 、sentinel 2、 FY-4以及Himawari8等数据的去云筛选，这里的操作就是直接使用这个函数就可以蒋云去掉，至于背后的函数，在平台上并没有给出明确的指示。对传入的image1和image2中每个匹配波段对的值按位与运算。这这里这介个函数并没有进行介绍，不过大家可以理解为提取出云量或者是置信度恨到的云量的区域。Image掩膜运算，参数image需要是一个0和1的二值图，返回一个Image对象。加载的两幅云量差异较大的影像。
基于GEE的Landsat影像拼接与导出
weixin_45250770的博客
08-08 5694
由于Landsat数据的分辨率较高，所以当研究区域较大时，需要下载多幅影像才能覆盖整个研究区域，不仅浪费存储空间，处理起来也相当耗费时间。所以下边为大家分享如何使用GEE对Landsat影像进行拼接，并筛选云量较少区域。之后对数据进行导出，方便大家在ENVI或者Arcgis中进行后续的处理研究。......
Google Earth Engine（GEE）——Landsat 8/9 Level 2，Collection 2 LST地表温度（不包含Landsat7之前的数据集）
此星光明博客
04-01 1968
不再需要使用 Ermida 的算法计算表面温度。Landsat Level 2，Collection 2 包含经大气校正的地表反射率和地表温度 (LST)。所有 Collection 2 LST 产品均采用由罗彻斯特理工学院 (RIT) 和美国国家航空航天局 (NASA) 喷气推进实验室 (JPL) 联合开发的单通道算法创建。
2022年Landsat8/9 Collection2数据 ENVI5.3打开（暴力打开，亲测有效）
betterldd93的博客
03-30 1万+
Landast8/9 C2 数据 ENVI5.3打不开？ 暴力开干！齐活！
gee下载去云的landsat8影像代码
最新发布
03-14
### 使用 Google Earth Engine API 下载无云 Landsat 8 图像 以下是通过 Python 调用 Google Earth Engine (GEE) 的方法来下载去除了云层影响的 Landsat 8 地表反射率图像的示例代码： #### 安装依赖库 在运行以下代码之前，请确保已安装 `earthengine-api` 库。可以通过 pip 进行安装： ```bash pip install earthengine-api ``` #### 初始化 GEE 初始化 GEE 需要先完成身份验证并启动服务。 ```python import ee # 初始化 Earth Engine ee.Initialize() ``` #### 示例代码：下载无云 Landsat 8 图像 下面是一个完整的脚本，展示了如何利用 `.map()` 函数批量处理多张 Landsat 8 图像以移除受云污染的部分，并最终导出为 GeoTIFF 文件[^2]。 ```python # 导入必要的模块 import ee # 初始化 Earth Engine ee.Authenticate() # 如果尚未认证，则需要手动登录 ee.Initialize() # 定义研究区域（AOI） aoi = ee.Geometry.Rectangle([-106.5, 43.7, -105.9, 44.2]) # 示例坐标范围 # 加载 Landsat 8 表面反射率集合 l8sr = ee.ImageCollection(&#39;LANDSAT/LC08/C02/T1_L2&#39;) # 设置时间过滤器 filtered_collection = l8sr.filterDate(&#39;2022-01-01&#39;, &#39;2022-12-31&#39;) \ .filterBounds(aoi) # 创建一个函数用于去除云掩膜 def maskClouds(image): qa_pixel = image.select(&#39;QA_PIXEL&#39;) # 提取 QA 像素中的云位掩码 cloud_bitmask = 1 << 3 cirrus_bitmask = 1 << 2 # 构建掩模条件 mask = qa_pixel.bitwiseAnd(cloud_bitmask).eq(0) \ .And(qa_pixel.bitwiseAnd(cirrus_bitmask).eq(0)) return image.updateMask(mask) # 对整个影像集应用云掩膜函数 cloud_free_images = filtered_collection.map(maskClouds) # 将第一个可用的无云图像转换为单个 Image 并裁剪到 AOI first_image = cloud_free_images.first().clip(aoi) # 获取波段列表 bands_of_interest = [&#39;SR_B4&#39;, &#39;SR_B3&#39;, &#39;SR_B2&#39;] # 波段顺序对应 RGB 显示 # 导出图像至 Google Drive 或本地文件夹 task = ee.batch.Export.image.toDrive( image=first_image.select(bands_of_interest), description=&#39;Landsat8_CloudFree_Export&#39;, folder=&#39;gee_exports&#39;, region=aoi, scale=30, # 分辨率为 30 米 crs=&#39;EPSG:4326&#39; ) # 启动导出任务 task.start() print(f&#39;Export task started with ID {task.id}&#39;) ``` 上述代码实现了以下几个功能： 1. **加载数据源**：选择了 Landsat 8 Collection 2 Level 2 数据产品。 2. **定义地理边界**：指定了感兴趣区（AOI），即目标地理位置。 3. **筛选日期范围内的影像**：限定了分析的时间窗口。 4. **创建自定义函数**：编写了一个名为 `maskClouds` 的函数，该函数基于质量评估 (`QA_PIXEL`) 层提取干净像素。 5. **映射操作**：使用 `.map()` 方法将此函数应用于所有符合条件的影像集合。 6. **导出结果**：选取了其中一张代表性的无云影像，并将其保存为 GeoTIFF 格式的文件。 #### 注意事项 - 上述代码假设用户已经配置好 Google Cloud Storage 或 Google Drive 来存储输出文件。 - 可能需要调整参数如分辨率 (`scale`) 和投影系统 (`crs`) 以满足具体需求。 ---
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