Google Earth Engine（GEE）——基于Sentinel-1-Imagery的高分辨率湿地水体覆盖检测，由谷歌地球引擎辅助

最新推荐文章于 2024-01-26 10:00:00 发布
最新推荐文章于 2024-01-26 10:00:00 发布
阅读量1.1k 收藏 8
点赞数
分类专栏： GEE案例分析 文章标签： javascript gee 湿地 水体 水体提取
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/129658750
版权
该研究利用Sentinel-1的C波段合成孔径雷达数据，结合谷歌地球引擎（GEE）进行高分辨率湿地水体覆盖检测。通过自动分类的水体检测方法和Weka K-Means聚类算法，实现了不受云层影响的连续监测。结果与Landsat 8和Sentinel-2的MNDWI数据进行验证，相关系数在0.54至0.80之间。代码基于MIT许可并提供了模块化结构，包括main1和main2两个主要脚本。
摘要由CSDN通过智能技术生成

盐碱地在一年中的供水量会有很大的时间波动，并且只通过降水进行补给，这意味着它们很容易受到气候变化引起的干旱化影响。由于云层覆盖和相对较低的时间分辨率，大多数无源卫星传感器不适合用于连续的湿地监测。然而，主动式卫星传感器，如Sentinel-1卫星的C波段合成孔径雷达提供免费的、不受云层影响的数据。我们研究了2014年10月至2018年11月匈牙利多瑙河-蒂萨河间严格保护区域（13,000公顷）的地表水覆盖变化，目的是帮助自然保护规划。变化和敏感性可以根据变异性的知识来定义。我们开发了一种基于自动分类的水盖检测方法，应用所谓的WEKA K-Means聚类算法。对于卫星数据处理和分析，我们使用了谷歌地球引擎云处理平台。在验证方面，我们将我们的结果与来自Landsat 8和Sentinel-2大气层顶部反射率图像的多光谱修正归一化水指数（MNDWI）进行了比较，对MNDWI数据采用了基于阈值的二元分类器（接收器运算特征）。使用两种完全不同的方法在不同的波长范围内操作，我们获得了充分的匹配结果，Spearman的相关系数（ρ）范围为0.54至0.80

文献：Gulácsi, A.; Kovács, F. Sentinel-1-Imagery-Based High-Resolution Water Cover Detection on Wetlands, Aided by Google Earth Engine.2020.

发表于2020年5月18日

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案例分析——利用Sentinel-1数据和SDWI 指数提取水域面积并下载（逐月巢湖水域提取）
qq_31988139的博客
05-30 1287
要使用Sentinel-1数据提取水域面积并进行下载，可以按照以下处理过程进行操作：1. 获取Sentinel-1数据：可以通过Copernicus Open Access Hub或Sentinel Data Hub等数据提供商获取Sentinel-1数据。这些数据提供商通常需要用户进行注册和登录。2. 数据预处理：从Sentinel-1数据中提取水域面积之前，需要进行一些数据预处理。首先，将SAR图像校正为地表反射率或等效散射横截面积（sigma0）。这可以通过应用辐射定标和地平校正实现。
Google Earth Engine（GEE）——sentinel-1 SAR求2015-2020年水体/洪水差异案例分析
qq_31988139的博客
12-04 3953
数据： 哨兵一号任务提供来自5.405GHz（C波段）的双极化C波段合成孔径雷达（SAR）仪器的数据。这个集合包括S1地面范围探测（GRD）场景，使用Sentinel-1工具箱处理，以生成一个校准的、正交校正的产品。该集合每天都会更新。新的资产会在它们可用后的两天内被摄取。 这个集合包含了所有的GRD场景。每个场景都有3种分辨率（10、25或40米）、4种波段组合（与场景的极化相对应）和3种仪器模式之一。在马赛克背景下使用该集合，可能需要过滤到一个同质的波段和参数集。关于收集的使用和预处理的细节，请..
Google Earth Engine（GEE）—— 多光谱指数整合中推导出湿地覆盖类型 (WCT)
qq_31988139的博客
11-23 1254
在这里，我们提出了一种新方法来导出湿地覆盖类型 (WCT)，该方法结合了三个常用的多光谱指数 NDVI、MNDWI 和 NDTI，位于印度各地不同地貌和气候环境的三个大型拉姆萨尔湿地。这些湿地包括东恒河平原的漫滩湿地 Kaabar Tal、印度东部的沿海湿地 Chilika Lagoon 和印度西部半干旱地区的 Nal Sarovar。我们方法的新颖之处在于派生的 WCT 在空间和时间上是稳定的，因此，跨不同湿地或在大型湿地的不同区域内的给定 WCT 将暗示相似的潜在生物物理属性。
Google Earth Engine（GEE）——国家湿地目录（地表水和湿地）数据集
qq_31988139的博客
04-09 668
不幸的是，自1780年以来，美国一半以上的湿地已经消失，而且湿地的损失今天仍在继续。美国FWS国家湿地目录（NWI）是一个公开的资源，提供了关于美国湿地的丰度、特征和分布的详细信息。我们还创建了一个单一的JSON文件，让你能够评估哪些数据集包含哪些州，作为一个简单的参考，你可以在这里找到它。我们试图在earthengine中把每个州的多个部分合并成一个单一的特征集，因为GEE在特征集导出时不会对零面积的对象进行处理，所以我们创建了一个过滤器来标记每个特征类型并计算面积。同时，零面积的特征也被排除在外。
Google Earth Engine（GEE）——基本介绍和图像分析、可视化和处理实战
qq_31988139的博客
10-30 3621
本教程解释了如何使用模块*climada.util.earth_engine*。它从 Google Earth Engine Python API (https://earthengine.google.com/)查询数据。还将使用来自 Scikit-image (scikit-image: Image processing in Python — scikit-image) 的算法介绍一些基本的图像处理方法。在此页面https://developers.google.com/earth-engin...
GEE Savitzky-Golay 滤波 以Sentinel-1数据为例
wxy15650598003的博客
01-15 1695
Sentinel-1由于其容易受到扰动而出现噪声，在数据分析时，通过平滑滤波对其去噪，更容易体现数据本身反映的变化趋势。
Google Earth Engine Python ——使用sentinel-1数据识别火灾前后的结果
qq_31988139的博客
01-30 766
每个场景包含4个可能的偏振带中的1个或2个，这取决于仪器的偏振设置。哨兵一号任务提供来自5.405GHz（C波段）的双极化C波段合成孔径雷达（SAR）仪器的数据。这个集合包括S1地面范围探测（GRD）场景，使用Sentinel-1工具箱处理，以产生一个校准的、正交校正的产品。关于使用Sentinel-1图像的进一步建议，请参阅Guido Lemoine的SAR基础知识教程和Mort Canty的SAR变化检测教程。每个场景还包括一个额外的 "角度 "波段，它包含了每一个点的椭圆体的近似入射角，单位是度。
Google Earth Engine（GEE）——Sentinel-1 算法数据简介
qq_31988139的博客
03-24 2914
Sentinel-1是一项由欧盟资助并由欧洲航天局 (ESA) 在哥白尼计划内执行的太空任务。Sentinel-1 收集各种偏振和分辨率的 C 波段合成孔径雷达 (SAR) 图像。由于雷达数据需要几种专门的算法来获得校准、正射校正的图像，因此本文档描述了地球引擎中 Sentinel-1 数据的预处理。 Sentinel-1 数据是在上升和下降轨道期间使用几种不同的仪器配置、分辨率、波段组合收集的。由于这种异质性，通常需要在开始处理之前将数据过滤到同质子集。此过程在下面的元数据和过滤部分中进行了概述。 .
Google Earth Engine（GEE）——Sentinel-2 Level-2A数据进行水域面积提取（宁夏为例）
qq_31988139的博客
05-21 3335
本次我们采用哨兵2号卫星数据进行水体提取，提取出的的水体结果显示效果是非常精确的，先来看一下数据：这次我们按照塞上江南来看一眼最后提取的影像结果是非常不错的 Sentinel-2 MSI: MultiSpectral Instrument, Level-2A Dataset Availability 2017-03-28T00:00:00 - Dataset Provider European Union/ESA/Copernicus ee.ImageCollection("COPERNICUS
Google Earth Engine（GEE）——sentinel-2 NDVI多时相影像展示
qq_31988139的博客
09-02 995
注意：提供一个大的或复杂的集合作为几何参数会导致性能不佳。使用最小的集合（或几何体）来实现所需的结果。这相当于this.filter(ee.Filter.metadata(..))。使用 filter() 与 ee.Filter.eq(), ee.Filter.gte() 等。通过与几何体相交来过滤一个集合的快捷方式。集合中的项目如果没有与给定的几何体相交，就会被排除。这等同于this.filter(ee.Filter.bounds(..))。要与之相交的几何体、特征或集合。name（字符串）。...
gee-manual:Google地球引擎（GEE）使用手册
03-18
Google地球引擎（GEE）使用手册 车手：哈维尔·马丁内斯（JavierMartínez） 导师：伊莎贝尔·拉塔斯（Isabel LLatas） 地理信息系统（GEE）和多地理标志（GE）的数据地理调查是由调查员，地名侦探，生物技术研究人员和Tierra研究人员共同完成的。市长信息顾问 。 ConexiónGoogle Earth Engine（GEE） 需要特别注意的一点是 。可以使用Python和API进行实际使用的终端，也可以使用los siguientes comandos； 点安装Earthengine-api pip install earthengine-api --upgrade 在Python中导入COM； 进口ee 最终安装了地球发动机自动维修服务； ee.Authenticate（） 恩角城CASO本身HARA拉verificación德拉CUENTA经由w
GEE 数据处理——Sentinel-1（哨兵1号）正确的数据预处理（去噪、滤波、辐射归一化）
最新发布
qq_31988139的博客
01-26 3198
哨兵-1 号卫星提供时间密度高、空间分辨率高的合成孔径雷达（SAR）图像。哨兵-1 号的开放数据政策和全球覆盖范围使其成为基于合成孔径雷达的广泛应用的宝贵数据源。在这方面，谷歌地球引擎是进行大面积分析的关键平台，采集后几天内就可获得预处理的哨兵-1 反向散射图像。为了保留信息内容和用户自由度，一些预处理步骤（如斑点过滤）没有应用于摄入的圣天诺-1 图像，因为它们可能因应用而异。
基于GEE与哨兵1号影像数据提取水体
热门推荐
puzige的博客
05-27 1万+
在进行光学数据提取水体时，常会发现部分时间、部分区域内由于云的存在而出现大面积的空白区域，从而使得我们提取水体面积过程中存在不精确的问题。因此，基于微波数据进行云的提取就成为我们较好的一个选择，通过阅读各种文献以及实践，我在原有基于GEE平台和哨兵1号影像提取水体代码的基础上，进行了部分补充，从而使得提取水体的精度更加准确。代码如下所示： // An highlighted block var slope_lib = require('users/wushupu18/Nanhu:slope_correcti
GEE Sentinel-1影像数据下载及处理
XinemaChen的博客
02-19 6000
单独下载一张影像，影像信息如代码里的 //导出HH HV 和angle //下载指定文件名称的S1数据，导出为北极极投影，40m，双极化数据，波段为HH HV 入射角 var image = ee.Image.load('COPERNICUS/S1_GRD/S1A_EW_GRDM_1SDH_20210429T152824_20210429T152924_037667_0471AC_7DBB'); // image = image.select("VH"); //转成float32位 image = im
Google Earth Engine（GEE）——全球红树林分布、地上生物量和树冠高度
qq_31988139的博客
03-16 1272
利用遥感冠层高度测量和特定区域的异速模型，得出2000年名义年的（1）红树林地上生物量（AGB）、（2）最大冠层高度（最高的树的高度）和（3）基底面积加权高度（单个树的高度按其基底面积的比例加权）的估计值。1.2版：2019年5月更新了数据文件，因为相关的《自然-地球科学》出版物中的高度到生物量（AGB）的转换方程是正确的，但在生成公开的数据文件时执行错误。从空间遥感数据和现场测量得出的红树林冠层高度和AGB的空间明确地图，可用于评估可能调节森林结构和碳循环动态的当地规模的地球物理和环境条件。
Google Earth Engine（GEE）——1985-2021年长时间序列NDVI影像CSV单点提取为表格（随机样本点进行分析）
qq_31988139的博客
09-07 2663
每个输出的特征将在输入图像的每个波段有一个属性，以及从输入特征中复制的任何指定属性。CRS变换值的列表。减速器的输入数必须与输入图像的波段数相同，或者它必须有一个单一的输入，并将对每个波段进行重复。如果多边形在给定的比例下包含太多的像素，计算并使用一个更大的比例，这样可以使操作成功。年"、"月"、"周"、"日"、"小时"、"分钟 "或 "秒 "中的一个。年"、"月"、"周"、"日"、"小时"、"分钟 "或 "秒 "中的一个。对一个集合中的对象的给定属性进行聚合，计算出一个所选属性的所有值的列表。
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 3060
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
Google Earth Engine ——高分辨率 50 厘米卫星图像的建筑物轮廓数据集
qq_31988139的博客
09-16 1908
This large-scale open dataset consists of outlines of buildings derived from high-resolution 50 cm satellite imagery. It contains 516M building detections across an area of 19.4M km2 (64% of the African continent). For each building in this dataset we inc
Google Earth Engine（GEE）——将影像中的云层显示出来并添加到影像波段中（Landsat8 oil）
qq_31988139的博客
05-07 1188
之前我们只知道要去除影像中的云和阴影，但是我们并不清楚如何查看详细的云和阴影，此次，我们就通过加载影像的云和阴影来查看具体的效果，这里我们所建立的函数有点像去云的函数一样。 代码： // 对Landsat Collection 2 SR图像进行缩放，并将云层掩码添加为带状。 function prepSrL8(image) { // 为不需要的像素掩膜（填充、云、云影）。 var qaMask1 = image.select('QA_PIXEL').bitwiseAnd(parseIn
生成代码：GEE中sentinel-2与sentinel-1融合
05-11
以下是使用Google Earth Engine (GEE)将Sentinel-2和Sentinel-1数据融合的示例代码： ``` // 导入Sentinel-2和Sentinel-1数据集 var s2 = ee.ImageCollection('COPERNICUS/S2'); var s1 = ee.ImageCollection('COPERNICUS/S1_GRD'); // 定义时间范围和空间范围 var startDate = '2020-01-01'; var endDate = '2020-12-31'; var roi = ee.Geometry.Point([116.38, 39.90]).buffer(10000); // 选择Sentinel-2和Sentinel-1数据集中的波段 var s2bands = ['B2', 'B3', 'B4', 'B8']; var s1bands = ['VV', 'VH']; // 过滤Sentinel-2和Sentinel-1数据集 var filteredS2 = s2.filterDate(startDate, endDate) .filterBounds(roi) .select(s2bands); var filteredS1 = s1.filterDate(startDate, endDate) .filterBounds(roi) .select(s1bands); // 将Sentinel-2和Sentinel-1数据集合并 var sentinel2 = ee.Image(filteredS2.first()); var sentinel1 = ee.Image(filteredS1.first()); var sentinel = sentinel2.addBands(sentinel1); // 显示合成图像 Map.centerObject(roi, 10); Map.addLayer(sentinel, {}, 'Sentinel-2 and Sentinel-1 Composite'); ``` 在这段代码中，我们首先导入了Sentinel-2和Sentinel-1数据集，然后定义了时间范围和空间范围。接着，我们选择了Sentinel-2和Sentinel-1数据集中的波段，过滤了数据集，并将它们合并为一个图像。最后，我们在地图上显示了合成图像。
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