GEE数据：Sentinel-2数据更新新增两个云和雪波段（MSK_CLDPRB和MSK_SNWPRB）

于 2024-07-30 06:00:00 发布
阅读量700 收藏 23
点赞数 14
分类专栏： GEE数据集专栏 文章标签： sentinel 哨兵 数据集 云 雪 波段 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/140657147
版权

目录

简介

数据时间

数据提供者

Collection Snippet

波段名称

Class Table: SCL

影像属性

代码

结果 

简介

2022年1月25日之后，PROCESSING_BASELINE为“04.00”或以上的Sentinel-2场景的DN（值）范围移动了1000。HARMONIZED集合将新场景中的数据转移到与旧场景相同的范围内。 Sentinel-2是一项宽范围、高分辨率、多光谱成像任务，支持Copernicus土地监测研究，包括监测植被、土壤和水覆盖，以及观察内陆水道和沿海地区。 Sentinel-2 L2数据从scihub下载。它们是通过运行sen 2cor来计算的。警告：ESA没有为所有L1资产生成L2数据，并且早期的L2覆盖范围并非全球性。 这些资产包含12个UINT 16光谱带，代表按10000缩放的SR（与L1数据不同，没有B10）。还有几个L2特定的乐队（详细信息请参阅乐队列表）。有关详细信息，请参阅Sentinel-2用户手册。此外，还存在三个QA频段，其中一个（QA 60）是具有云屏蔽信息的位屏蔽频段。欲了解更多详细信息，请参阅有关如何计算云面罩的完整解释。 Sentinel-2 L2资产的EE资产ID具有以下格式：COPERNICUS/S2_SR/20151128T002653_20151128T102149_T56MNN。这里，第一个数字部分表示传感日期和时间，第二个数字部分表示产品生成日期和时间，最后的6个字符串是指示其UTM网格参考的唯一颗粒标识符（请参阅MGRS）。

数据时间

2017-03-28T00:00:00 -

数据提供者

European Union/ESA/Copernicus

Collection Snippet

ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED"

波段名称
NameDescriptionMinMaxResolutionUnitsWavelengthScale
B1Aerosols60 meters443.9nm (S2A) / 442.3nm (S2B)0.0001
B2Blue10 meters496.6nm (S2A) / 492.1nm (S2B)0.0001
B3Green10 meters560nm (S2A) / 559nm (S2B)0.0001
B4Red10 meters664.5nm (S2A) / 665nm (S2B)0.0001
B5Red Edge 120 meters703.9nm (S2A) / 703.8nm (S2B)0.0001
B6Red Edge 220 meters740.2nm (S2A) / 739.1nm (S2B)0.0001
B7Red Edge 320 meters782.5nm (S2A) / 779.7nm (S2B)0.0001
B8NIR10 meters835.1nm (S2A) / 833nm (S2B)0.0001
B8ARed Edge 420 meters864.8nm (S2A) / 864nm (S2B)0.0001
B9Water vapor60 meters945nm (S2A) / 943.2nm (S2B)0.0001
B11SWIR 120 meters1613.7nm (S2A) / 1610.4nm (S2B)0.0001
B12SWIR 220 meters2202.4nm (S2A) / 2185.7nm (S2B)0.0001
AOTAerosol Optical Thickness10 meters0.001
WVPWater Vapor Pressure. The height the water would occupy if the vapor were condensed into liquid and spread evenly across the column.10 meterscm0.001
SCLScene Classification Map (The "No Data" value of 0 is masked out)11120 meters0
TCI_RTrue Color Image, Red channel10 meters0
TCI_GTrue Color Image, Green channel10 meters0
TCI_BTrue Color Image, Blue channel10 meters0
MSK_CLDPRBCloud Probability Map (missing in some products)010020 meters0
MSK_SNWPRBSnow Probability Map (missing in some products)010010 meters0
QA10Always empty10 meters0
QA20Always empty20 meters0
QA60Cloud mask60 meters0
QA60 Bitmask
  • Bits 0-9: Unused
  • Bit 10: Opaque clouds
    • 0: No opaque clouds
    • 1: Opaque clouds present
  • Bit 11: Cirrus clouds
    • 0: No cirrus clouds
    • 1: Cirrus clouds present
Class Table: SCL
ValueColorColor ValueDescription
1#ff0004Saturated or defective
2#868686Dark Area Pixels
3#774b0aCloud Shadows
4#10d22cVegetation
5#ffff52Bare Soils
6#0000ffWater
7#818181Clouds Low Probability / Unclassified
8#c0c0c0Clouds Medium Probability
9#f1f1f1Clouds High Probability
10#bac5ebCirrus
11#52fff9Snow / Ice
影像属性
NameTypeDescription
AOT_RETRIEVAL_ACCURACYDoubleAccuracy of Aerosol Optical thickness model
CLOUDY_PIXEL_PERCENTAGEDoubleGranule-specific cloudy pixel percentage taken from the original metadata
CLOUD_COVERAGE_ASSESSMENTDoubleCloudy pixel percentage for the whole archive that contains this granule. Taken from the original metadata
CLOUDY_SHADOW_PERCENTAGEDoublePercentage of pixels classified as cloud shadow
DARK_FEATURES_PERCENTAGEDoublePercentage of pixels classified as dark features or shadows
DATASTRIP_IDStringUnique identifier of the datastrip Product Data Item (PDI)
DATATAKE_IDENTIFIERStringUniquely identifies a given Datatake. The ID contains the Sentinel-2 satellite, start date and time, absolute orbit number, and processing baseline.
DATATAKE_TYPEStringMSI operation mode
DEGRADED_MSI_DATA_PERCENTAGEDoublePercentage of degraded MSI and ancillary data
FORMAT_CORRECTNESSStringSynthesis of the On-Line Quality Control (OLQC) checks performed at granule (Product_Syntax) and datastrip (Product Syntax and DS_Consistency) levels
GENERAL_QUALITYStringSynthesis of the OLQC checks performed at the datastrip level (Relative_Orbit_Number)
GENERATION_TIMEDoubleProduct generation time
GEOMETRIC_QUALITYStringSynthesis of the OLQC checks performed at the datastrip level (Attitude_Quality_Indicator)
GRANULE_IDStringUnique identifier of the granule PDI (PDI_ID)
HIGH_PROBA_CLOUDS_PERCENTAGEDoublePercentage of pixels classified as high probability clouds
MEAN_INCIDENCE_AZIMUTH_ANGLE_B1DoubleMean value containing viewing incidence azimuth angle average for band B1 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B2DoubleMean value containing viewing incidence azimuth angle average for band B2 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B3DoubleMean value containing viewing incidence azimuth angle average for band B3 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B4DoubleMean value containing viewing incidence azimuth angle average for band B4 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B5DoubleMean value containing viewing incidence azimuth angle average for band B5 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B6DoubleMean value containing viewing incidence azimuth angle average for band B6 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B7DoubleMean value containing viewing incidence azimuth angle average for band B7 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B8DoubleMean value containing viewing incidence azimuth angle average for band B8 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B8ADoubleMean value containing viewing incidence azimuth angle average for band B8a and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B9DoubleMean value containing viewing incidence azimuth angle average for band B9 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B10DoubleMean value containing viewing incidence azimuth angle average for band B10 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B11DoubleMean value containing viewing incidence azimuth angle average for band B11 and for all detectors
MEAN_INCIDENCE_AZIMUTH_ANGLE_B12DoubleMean value containing viewing incidence azimuth angle average for band B12 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B1DoubleMean value containing viewing incidence zenith angle average for band B1 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B2DoubleMean value containing viewing incidence zenith angle average for band B2 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B3DoubleMean value containing viewing incidence zenith angle average for band B3 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B4DoubleMean value containing viewing incidence zenith angle average for band B4 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B5DoubleMean value containing viewing incidence zenith angle average for band B5 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B6DoubleMean value containing viewing incidence zenith angle average for band B6 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B7DoubleMean value containing viewing incidence zenith angle average for band B7 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B8DoubleMean value containing viewing incidence zenith angle average for band B8 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B8ADoubleMean value containing viewing incidence zenith angle average for band B8a and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B9DoubleMean value containing viewing incidence zenith angle average for band B9 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B10DoubleMean value containing viewing incidence zenith angle average for band B10 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B11DoubleMean value containing viewing incidence zenith angle average for band B11 and for all detectors
MEAN_INCIDENCE_ZENITH_ANGLE_B12DoubleMean value containing viewing incidence zenith angle average for band B12 and for all detectors
MEAN_SOLAR_AZIMUTH_ANGLEDoubleMean value containing sun azimuth angle average for all bands and detectors
MEAN_SOLAR_ZENITH_ANGLEDoubleMean value containing sun zenith angle average for all bands and detectors
MEDIUM_PROBA_CLOUDS_PERCENTAGEDoublePercentage of pixels classified as medium probability clouds
MGRS_TILEStringUS-Military Grid Reference System (MGRS) tile
NODATA_PIXEL_PERCENTAGEDoublePercentage of No Data pixels
NOT_VEGETATED_PERCENTAGEDoublePercentage of pixels classified as non-vegetated
PROCESSING_BASELINEStringConfiguration baseline used at the time of the product generation in terms of processor software version and major Ground Image Processing Parameters (GIPP) version
PRODUCT_IDStringThe full id of the original Sentinel-2 product
RADIATIVE_TRANSFER_ACCURACYDoubleAccuracy of radiative transfer model
RADIOMETRIC_QUALITYStringBased on the OLQC reports contained in the Datastrips/QI_DATA with RADIOMETRIC_QUALITY checklist name
REFLECTANCE_CONVERSION_CORRECTIONDoubleEarth-Sun distance correction factor
SATURATED_DEFECTIVE_PIXEL_PERCENTAGEDoublePercentage of saturated or defective pixels
SENSING_ORBIT_DIRECTIONStringImaging orbit direction
SENSING_ORBIT_NUMBERDoubleImaging orbit number
SENSOR_QUALITYStringSynthesis of the OLQC checks performed at granule (Missing_Lines, Corrupted_ISP, and Sensing_Time) and datastrip (Degraded_SAD and Datation_Model) levels
SOLAR_IRRADIANCE_B1DoubleMean solar exoatmospheric irradiance for band B1
SOLAR_IRRADIANCE_B2DoubleMean solar exoatmospheric irradiance for band B2
SOLAR_IRRADIANCE_B3DoubleMean solar exoatmospheric irradiance for band B3
SOLAR_IRRADIANCE_B4DoubleMean solar exoatmospheric irradiance for band B4
SOLAR_IRRADIANCE_B5DoubleMean solar exoatmospheric irradiance for band B5
SOLAR_IRRADIANCE_B6DoubleMean solar exoatmospheric irradiance for band B6
SOLAR_IRRADIANCE_B7DoubleMean solar exoatmospheric irradiance for band B7
SOLAR_IRRADIANCE_B8DoubleMean solar exoatmospheric irradiance for band B8
SOLAR_IRRADIANCE_B8ADoubleMean solar exoatmospheric irradiance for band B8a
SOLAR_IRRADIANCE_B9DoubleMean solar exoatmospheric irradiance for band B9
SOLAR_IRRADIANCE_B10DoubleMean solar exoatmospheric irradiance for band B10
SOLAR_IRRADIANCE_B11DoubleMean solar exoatmospheric irradiance for band B11
SOLAR_IRRADIANCE_B12DoubleMean solar exoatmospheric irradiance for band B12
SNOW_ICE_PERCENTAGEDoublePercentage of pixels classified as snow or ice
SPACECRAFT_NAMEStringSentinel-2 spacecraft name: Sentinel-2A, Sentinel-2B
THIN_CIRRUS_PERCENTAGEDoublePercentage of pixels classified as thin cirrus clouds
UNCLASSIFIED_PERCENTAGEDoublePercentage of unclassified pixels
VEGETATION_PERCENTAGEDoublePercentage of pixels classified as vegetation
WATER_PERCENTAGEDoublePercentage of pixels classified as water
WATER_VAPOUR_RETRIEVAL_ACCURACYDoubleDeclared accuracy of the Water Vapor model

代码

var s2 = ee.ImageCollection('COPERNICUS/S2_HARMONIZED').filterDate('2024-04-01', '2024-04-02')
Map.addLayer(s2.select('MSK_CLASSI_OPAQUE'), {min:0, max:1}, 'New OPAQUE')
Map.addLayer(s2.select('MSK_CLASSI_CIRRUS'), {min:0, max:1}, 'New CIRRUS')
Map.addLayer(s2.select('QA60'), {min:0, max:1}, 'New synthetic QA60')

var s2_sr = ee.ImageCollection('COPERNICUS/S2_HARMONIZED').filterDate('2024-04-01', '2024-04-02')
Map.addLayer(s2_sr.select('MSK_CLASSI_OPAQUE'), {min:0, max:1}, 'New SR OPAQUE')
Map.addLayer(s2_sr.select('MSK_CLASSI_CIRRUS'), {min:0, max:1}, 'New SR CIRRUS')
Map.addLayer(s2_sr.select('QA60'), {min:0, max:1}, 'New SR synthetic QA60')

结果 

 

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

此星光明
关注
  • 14
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Google Earth Engine（GEE）——sentinel-2数据QA60波段去云函数
qq_31988139的博客
11-08 2427
影像： Dataset Provider European Union/ESA/Copernicus 哨兵-2是一项宽幅、高分辨率、多光谱成像任务，支持哥白尼土地监测研究，包括监测植被、土壤和水覆盖，以及观测内陆水道和沿海地区。 哨兵-2 L2数据可从scihub下载。它们是通过运行sen2cor计算出来的。警告：欧空局并没有为所有的L1资产制作L2数据，而且早期的L2覆盖范围并不是全球。 这些资产包含12个UINT16光谱带，代表了以10000为尺度的SR（与L1数据不同，没有B10）。还有几个
土地分类——基于Sentinel-2多源遥感的无监督分类进行土地分类
qq_31988139的博客
04-19 408
无监督分类是一种基于统计学方法的图像分类技术，不需要先验知识和训练样本，直接对图像进行分类。基于Sentinel-2多源遥感数据进行无监督分类可以实现对土地类型的划分。本教程主要的目的是通过多源遥感影像进行土地分类，这里主要的数据是哨兵2号数据，波段+纹理特征，灰度波段用的NDVI指数。步骤如下：1. 数据预处理：对Sentinel-2数据进行预处理，包括辐射校正、大气校正和几何校正等。2. 特征提取：从预处理后的数据中提取有效的特征。
GEE小白入门——认识哨兵系列数据（Sentinel-1、Sentinel-2）
最新发布
wangsx1998的博客
07-25 700
Sentinel-2 携带一个光学仪器有效载荷，可对 13 个光谱波段进行采样：4 个波段在 10 米处，6 个波段在 20 米处，三个波段在 60 米空间分辨率处。轨道条带宽度为290公里。
GEE数据集——哨兵2号Sentinel-2 云概率数据集
qq_31988139的博客
01-09 1684
S2 云概率由 sentinel2-cloud-detector 库创建（使用 LightGBM）。在应用梯度提升基础算法之前，先使用双线性插值法将所有波段上采样至 10 米分辨率。得到的 0...1 浮点概率被缩放为 0...100，并存储为 UINT8。缺少任何或所有波段的区域都会被屏蔽掉。数值较高的区域更有可能是云层或高反射表面（如屋顶或积雪）。哨兵-2 是一项宽波段、高分辨率、多光谱成像任务，支持哥白尼陆地监测研究，包括植被、土壤和水覆盖监测，以及内陆水道和沿海地区观测。
GEE训练-如何确定影像数据集多个指定时间范围的影像数量（sentinel-1数据为例）含全部代码.pdf
05-04
本次我们使用sentinel-1数据集对4个不同时间段的影像进行数据筛选，也就是确定指定范围内的数据集影像数量。这里我们用map函数来实现循环遍历指定数据数量统计分析。 数据集 Sentinel-1是欧洲空间局（ESA）的一颗...
GEE案例-Sentinel-2影像的物候监测分析.pdf
07-24
这项工作旨在通过开发一种开源谷歌地球引擎算法来填补这一空白，该算法可利用 Landsat 系列和 Sentinel-2 的高分辨率免费卫星数据绘制全球山区的物候指标（PMs），如季节开始、季节结束和季节长度，并检测季节高峰。...
基于GEE云平台sentinel-2影像的土地分类代码.js
04-01
基于Google Earth Engine (GEE) 平台进行 Sentinel-2 影像的土地分类的具体流程和下载如下： 登录到 GEE 平台 (https://earthengine.google.com/) 上的账号，并打开代码编辑器。 添加 Sentinel-2 影像数据集。在代码...
GEE学习-初学者如何下载指定区域的Sentinel-2影像.pdf
03-26
初学者可以按照以下步骤利用Google Earth Engine（GEE）下载指定区域的Sentinel-2影像： 登录GEE账号并打开代码编辑器。代码编辑器位于GEE主页左上角的"Code Editor"按钮。 在代码编辑器中，点击左上角的"Script...
GEE案例-利用Sentinel-1影像数据自动检测和跟踪中型冰山监测（阿蒙森海冰山）.pdf
07-22
在不同日期的两个图像场景中检测到冰山后，我们通过比较其一维形状信号来跟踪检测到的冰山的位移。根据图像场景的日差，我们的模型检测冰山的准确率为 99%，跟踪冰山的准确率为 93-98%。使用我们的工具监测阿蒙森海...
GEE案例-利用多源遥感数据（Landsat sentinel）光谱波段和光谱指数实现大米种植区域的分类.pdf
07-04
1. 数据获取：获取Landsat 8和Sentinel-2的遥感数据，包括多光谱波段和植被指数数据。 2. 数据预处理：对获取的遥感数据进行预处理，包括辐射校正、大气校正、噪声去除等。 3. 特征提取：根据大米的特征，提取与...
GEE 案例-如何计算sentinel-2中每一个单景影像的波段的DN值并绘制直方图.pdf
03-20
原始问题 我正试图在 Google 地球引擎中为整个图像集合计算一个直方图。为了达到我想要的结果，我现在所做的是计算每个单独图像的直方图...输出是一个 Nx2 数组，包含桶下边缘和计数（或累计计数），适合按像素使用。
Sentinel-2-GEE
04-06
Google Earth Engine（GEE）是一个强大的平台，它允许用户存储、处理和分析大量地球观测数据，包括Sentinel-2数据。结合两者，我们可以实现大规模、高效的遥感数据分析。 **1. Sentinel-2卫星介绍** Sentinel-2是...
GEE：Landsat C02-T1-L2数据（地表反射率数据）1985-2023年生态遥感指数RESI计算.pdf
07-23
2. 土地利用和土地覆盖：通过分析遥感影像中的光谱信息，可以提取土地利用和土地覆盖的信息，如农田、森林、湿地、城市等类型的分布和变化情况。这些信息可以用于评估土地利用变化对生态环境的影响和生态系统的稳定...
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）.pdf
06-03
选择适合的算法取决于具体的应用场景和数据特征。 4. 预测水域面积：根据分割后的水体区域，通过计算像素数量或区域面积来预测水域的面积。可以根据需要进行进一步的统计分析，如计算水体的形状指标或变化情况。 5...
GEE获取sentinel2指定区域多个单景影像的值(样本点提取).pdf
09-12
此代码仅限于我专栏的一个案例，如果你想学习更多的GEE知识，请进入主页选择，我将不定期更新更多的GEE和其它平台的相关云计算内容，同时也欢迎大家由问题私信，我可以承接相应的代码调试，GEE资源下载等相关服务。...
Google Earth Engine（GEE）-逐年月长时序多指数和波段图表加载（MODIS数据2013-2021.pdf
02-26
本代码的主要目的是进行长时间序列指定波段和指数计算后的图标加载，研究区才作用山西省，使用了多个MODIS数据集，分别提取EVI和ET等波段属性进行图表加载。这里会将计算出的指数加载在同一个图表，其它单独选择的...
gee_PML:GEE中的Penman-Monteith-Leuning蒸散
05-04
Google Earth Engine中的Penman-Monteith-... 全局强制数据处理和PML_V2建模过程的流程图。 多变的 描述 单元 最高温度 每日最高温度 摄氏 Tmin 每日最低温度 摄氏 塔夫格 日平均温度 摄氏 帕 大气压 千帕 ü 1
GEE_TimeSeries:带有Savitzky-Golay过滤器的Google Earth Engine时间序列
05-01
该示例显示了如何为要素集合提取图像集合值，如何创建植物索引时间序列数据帧并在其上应用Savitzky-Golay过滤器的示例。 笔记 中实现了此函数的更好版本，作为ee.ImageCollection对象的扩展方法： import ee , ...
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