从0开始学GEE python——从 Sentinel-5P 获取、处理和可视化特定时间段和地理区域内的 SO₂ 数据。通过样本、统计计算和插值（反距离加权（IDW））

最新推荐文章于 2025-01-05 22:40:59 发布

此星光明

最新推荐文章于 2025-01-05 22:40:59 发布

阅读量1.4k

点赞数 29

分类专栏：从0学gee python 文章标签： python sentinel 开发语言反距离加权 IDW 插值云计算

本文链接：https://blog.csdn.net/qq_31988139/article/details/144673692

版权

从 Sentinel-5P 获取、处理和可视化特定时间段和地理区域内的 SO₂ 数据。通过样本、统计计算和插值（反距离加权（IDW））

简介

地球引擎中的反距离加权（IDW）函数是基于巴索等人（1999 年）所描述的方法。以反向距离衰减因子（gamma）的形式添加了一个额外的控制参数。其他参数包括要内插的属性的平均值和标准偏差，以及要内插的最大范围距离。下面的示例创建了一个甲烷浓度插值表面，以填补原始栅格数据集的空间空白。该特征集合是通过对两周甲烷综合数据采样生成的。

代码解释

这段 Python 代码使用 Google Earth Engine (GEE) 和 geemap 库来分析和可视化特定区域和时间段内的二氧化硫 (SO₂) 水平。以下是对代码每个部分的详细解释：

导入库

import ee
import geemap

ee: 这是 Earth Engine API，允许访问卫星影像和地理空间数据。
geemap: 这个库提供了一种在 Jupyter 笔记本中可视化地理空间数据的简单方法。

初始化 Earth Engine

try:
    ee.Initialize()
except Exception as e:
    ee.Authenticate()
    ee.Initialize()

这段代码尝试初始化 Earth Engine API。如果失败（例如由于未认证），则会提示进行认证，然后再次初始化。

加载 SO₂ 数据

SO2 = ee.ImageCollection("COPERNICUS/S5P/OFFL/L3_SO2") \
    .select('SO2_column_number_density') \
    .filterDate('2019-08-01', '2019-08-15') \
    .mean() \
    .rename('SO2')

ee.ImageCollection: 加载 Sentinel-5P 的第3级 SO₂ 数据。
.select('SO2_column_number_density'): 选择特定的 SO₂ 密度波段。
.filterDate('2019-08-01', '2019-08-15'): 将数据过滤到指定的日期范围内。
.mean(): 计算所选日期内的 SO₂ 平均水平。
.rename('SO2'): 将结果图像重命名为 ‘SO2’。

定义感兴趣区域 (AOI)

aoi = ee.Geometry.Polygon(
    [[[-95.68487605978851, 43.09844605027055],
      [-95.68487605978851, 37.39358590079781],
      [-87.96148738791351, 37.39358590079781],
      [-87.96148738791351, 43.09844605027055