此星光明
博士,地图制图和地理信息工程专业,主要涉及Google Earth Engine、PIE-Engine、Planetary Computer、AI Earth、中科星图等云平台的遥感生态云计算研究(多源遥感和机器学习相结合),适用建筑、气象、农业、水利等各个专业云计算。2022年云计算领域博客之星TOP3,2023年CSDN博客之星TOP13,华为云云享专家、MVP,阿里云社区、51CTO博客专家博主。
展开
-
GEE案例——Sentinel-2影像的物候监测分析
谷歌地球引擎(Google Earth Engine)极大地改变了地球观测数据的处理方式,可以比以往任何时候都更快、更高效地对广阔区域进行分析。谷歌地球引擎自推出以来,迅速扩大的社区已经实现了许多功能,但迄今为止,还没有一个功能专注于利用高分辨率数据计算山区的物候指标。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。原创 2024-07-23 18:30:00 · 186 阅读 · 0 评论 -
GEE案例分析——如何利用Sentinel-1数据进行大型船只监测(目标提取)和可视化分析
利用Sentinel-1数据进行海上船只的监测可以通过以下步骤进行:1. 数据获取:从Sentinel-1卫星获取雷达成像数据。Sentinel-1卫星以C波段为基础,能够在云层覆盖和夜晚等恶劣条件下获得高质量的图像。2. 数据预处理:对获取的Sentinel-1数据进行预处理,包括去除噪声、校正数据、去除地表干扰等。这样可以提高数据的质量和可用性。3. 雷达成像解释:利用预处理的Sentinel-1数据进行雷达成像解释。这可以通过分析数据中的回波信号来确定海上船只的位置和特征。原创 2024-07-22 15:00:00 · 66 阅读 · 0 评论 -
GEE案例:Landsat系列影像遥感水覆盖评估的简单填云方法
水文变化的实证归因在确定基线先验条件方面提出了一个独特的数据可用性挑战,因为我们无法追溯到过去收集必要的数据。虽然全球遥感数据可以缓解这一挑战,但大多数卫星任务都太新,无法捕捉到很久以前发生的变化,因此无法为充分的统计推断提供足够的观测数据。在这种情况下,大地遥感卫星任务所提供的长达 40 年的连续全球高分辨率监测是无与伦比的信息来源。然而,由于云层遮挡和图像质量不一致使得光学图像的自动判读变得复杂,因此构建一个跨大地遥感卫星任务的土地覆被观测时间序列仍然是一项重大挑战。原创 2024-07-02 10:00:00 · 280 阅读 · 0 评论 -
GEE案例分析——利用全球地表水(JRC/GSW1_4/YearlyHistory)数据实现全球任何区域的逐像素新增水体的监测
要利用全球地表水数据集(JRC/GSW1_4/YearlyHistory)计算新增水域面积,可以按照以下步骤进行:1. 下载和准备数据集:从相关数据源(如JRC网站)下载全球地表水数据集(JRC/GSW1_4/YearlyHistory)的相关文件。确保你有数据集的文件和相关元数据。2. 数据预处理:根据你的分析需求,选择适当的时间范围和地理区域,将数据集进行筛选和裁剪,以获取你需要的数据。确保你的数据集与你要分析的区域和时间范围相匹配。原创 2024-06-26 10:30:00 · 732 阅读 · 0 评论 -
GEE案例——利用MODIS数据(NDVI)计算中国大陆2000-2023年的MK、Sens趋势性分析和Z值统计以及方差分析
利用MODIS数据(NDVI)计算2000-2023年中国大陆的MK、Sens趋势性分析和Z值统计以及方差分析。原创 2024-06-09 11:30:00 · 349 阅读 · 0 评论 -
GEE案例——归一化差异水体指数丰水期、枯水期的水域面积和水深分析(青海湖为例)
水深反演是指利用遥感技术从航空或卫星平台上获取的数据来推断水体的深度信息。这种技术在海洋学、湖泊和河流的科学研究与管理中非常重要。以下是几种常用的水深反演方法:1. **光学遥感反演**:- 基于水体颜色和透明度的变化与水深的关系,使用光学遥感影像(如Landsat、Sentinel等)进行水深估算。- 通常适用于清澈的浅水环境,因为水体的光学特性会随着深度的增加而变化。2. **多光谱和高光谱遥感**:- 利用水体对不同波长光的吸收和散射特性,通过分析多光谱或高光谱数据来估算水深。原创 2024-06-04 18:00:00 · 333 阅读 · 0 评论 -
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)
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。原创 2024-05-30 15:00:00 · 973 阅读 · 0 评论 -
GEE案例:利用GEELandsat图像进行物候学辅助监督水稻测绘:1990-2020 年在中国黑龙江省进行的试验(监测多年水稻种植空间重心分布)
精确的水稻空间分布图在粮食安全和市场稳定方面发挥着至关重要的作用。横跨数十年的陆地卫星图像可用于长期水稻测绘。然而,由于观测数据稀少、天气污染频繁、训练样本不足等诸多因素,利用陆地卫星系列图像实现一致的水稻测绘仍具有挑战性。为了应对这些挑战,本研究在谷歌地球引擎(GEE)上提出了一个灵活的表观辅助监督水稻(PSPR)绘图框架。这是通过利用物候学方法的自动化、训练数据的生成和纯化以及机器学习方法的全季节分类能力来实现的。原创 2024-05-17 19:00:00 · 190 阅读 · 0 评论 -
GEE案例分析——Sentinel-1数据的地形校正和斑点滤波Lee-sigma
Lee-Sigma滤波是一种用于处理合成孔径雷达(SAR)图像中斑点噪声的算法。它基于Lee滤波器的原理,并引入了Sigma滤波器的概念,以改进对噪声的抑制效果,同时尽量保持图像的细节。下面是Lee-Sigma滤波的基本原理和步骤:1. **基本原理**:Lee滤波器是一种自适应的统计滤波器,它利用图像中每个像素点周围邻域像素的统计信息来估计该像素点的噪声,并对其进行滤波。Lee滤波器通过计算每个像素点周围邻域窗口内的像素值的均值和方差,来估计该像素点的噪声水平。原创 2024-05-14 19:30:00 · 617 阅读 · 2 评论 -
GEE案例分析——利用双向反射分布函数(BRDF)Sentinel-2数据进行地形校正
双向反射分布函数(Bidirectional Reflectance Distribution Function,简称BRDF)是遥感和计算机图形学中的一个重要概念,用于描述地表或任何表面对入射光的反射特性。BRDF 是一个定义良好的物理量,它量化了表面反射光的强度如何依赖于入射光的方向和观察者(或传感器)的观察方向。原创 2024-05-14 19:00:00 · 336 阅读 · 0 评论 -
GEE案例分析——基于照明条件(Illumination Condition, IC)函数的Landsat C01单景影像的地形校正
地形校正是遥感和地理信息系统(GIS)领域中的一个术语,指的是对遥感数据进行的一种处理过程,目的是消除由于地形引起的误差,以便更准确地表示地表特征。这种校正是必要的,因为遥感数据(如卫星或航空摄影)通常是在不同的角度和高度上获取的,而地球表面是不规则的,这会导致数据中的畸变和误差。以下是地形校正的一些具体解释:1. **原理**:地形校正的基本思想是利用已知的地形信息(如数字高程模型,DEM)来调整原始遥感图像,以模拟如果从正上方垂直拍摄时的图像。原创 2024-05-16 15:00:00 · 54 阅读 · 0 评论 -
GEE案例分析——利用多时 Sentinel-1/2 和 Landsat-8/9 遥感数据在GEE中使用机器学习方法进行作物类时序分类
准确绘制作物类型图对于确保粮食安全至关重要。遥感(RS)卫星数据空间覆盖面广,时间频率高,是这一领域前景广阔的工具。然而,由于作物的类内和类间变异性很高,利用 RS 数据进行准确的作物类型分类方法的需求仍在不断增长。为此,本研究提出了一种新颖的并行级联集合结构(Pa-PCA-Ca),在谷歌地球引擎(GEE)中包含七个目标类别。Pa 部分由五个并行分支组成,每个分支利用多时 Sentinel-1/2 和 Landsat-8/9 卫星图像以及机器学习(ML)模型为不同的目标类别生成概率图(PM)。原创 2024-05-13 17:30:00 · 337 阅读 · 0 评论 -
GEE案例——广东省梅州市梅县区松口镇的梅江横山水灾监测(利用sentinel-1和大津法计算洪水时序面积)
2024年4月5日晚,广东省气象部门发布消息称,4月5日0时到20时,广东中北部出现了暴雨到大暴雨,其中从化吕田累计雨量最大达到225.7毫米。累计降水量达到大暴雨的地方还包括惠州龙门县永汉镇205.2毫米、清远佛冈县水头镇188.6毫米、韶关新丰县梅坑镇174.5毫米、河源东源县新回龙镇166.1毫米。2024年4月7日13时19分起,据市气象台监测,广州市达到启动气象灾害(暴雨)Ⅲ级应急响应标准。市气象灾害应急指挥部决定将广州市气象灾害(暴雨)Ⅳ级应急响应升级为Ⅲ级应急响应。原创 2024-05-12 07:00:00 · 715 阅读 · 0 评论 -
GEE案例分析——2019年3月30日,四川省凉山州木里县雅砻江镇立尔村火灾面积分析(Sentinel-2和NBR)
2019年3月30日18时许,四川省凉山州木里县雅砻江镇立尔村发生森林火灾,着火点在海拔3800米左右,地形复杂、坡陡谷深,交通、通讯不便。1212据凉山州人民政府新闻办公室消息,火场在雅砻江边上,距木里县车程6到7个小时,火场平均海拔4000米,多个火点均位于悬崖上。森林过火面积约为20公顷(0.2平方公里)。原创 2024-05-06 15:43:18 · 419 阅读 · 0 评论 -
GEE案例——美国夏威夷火灾森林面积损毁程度分析
本次案例的主要目的是通过查看两期影像间的差异来识别火灾的影像范围,所以这里用到了高清的sentinel-2影像,同时应用到了sentinel-2的QA高质量的去云后的影像进行分析。原创 2024-04-25 21:00:00 · 140 阅读 · 0 评论 -
GEE案例——1990-2023年计算某个区域的NDVI时序变化轨迹(以徐州市为例)
我们在长时间序列的分析中,往往会根据影像时序的长短来进行分析,这里我们以NDVI指数进行长时序分析,来实现NDVI1990-2023年长时序的监测。原创 2024-04-28 16:00:00 · 305 阅读 · 0 评论 -
GEE案例——利用谷歌地球引擎的深度学习方法绘制哨兵 1 号地表水地图
卫星遥感在测绘地表水的位置和范围方面发挥着重要作用。绘制地表水地图有多种方法,但深度学习方法并不常见,因为它们 "数据饥渴",需要大量计算资源。不过,随着各种卫星传感器的出现和云计算的快速发展,遥感科学界正在采用现代深度学习方法。基于云计算的谷歌人工智能平台和谷歌地球引擎的新整合使用户能够大规模部署计算。在本文中,我们研究了两种自动数据标注方法:1. 联合研究中心(JRC)地表水地图;2. Edge-Otsu 动态阈值方法。原创 2024-04-16 11:15:00 · 374 阅读 · 0 评论 -
GEE案例——小流域汇流计算以缅甸仰光为例(如何绘制除小流域内的河道)
本案例主要介绍如何实现小流域内河流汇流的计算,这里需要用到地形中的坡度以及卷积的计算内容。原创 2024-04-08 15:00:00 · 753 阅读 · 0 评论 -
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
直方图基本上是一个配对值列表。因此,您可以用函数映射它,而无需 for/ 循环。以下代码片段包含了为整个图像集生成直方图的算法的重要部分。原创 2024-02-06 09:30:00 · 1100 阅读 · 0 评论 -
GEE 案例——如何利用Landsat数据和NDSI指数进行冰面(冰川、雪地和积雪)提取和面积计算(含矢量面积提取)——阿拉斯加为例
Landsat卫星是美国国家航空航天局(NASA)和美国地质调查局(USGS)联合开发的一系列卫星。它们携带了一系列感光器,可以捕捉地球表面的可见光、红外线和热红外线信息。这些信息可以用于许多应用领域,包括冰面提取和面积计算。冰面提取是使用Landsat数据来确定地表上冰覆盖的区域。而NDSI(Normalized Difference Snow Index)指数是一种用来识别雪和冰的方法,可以帮助我们提取冰面区域。原创 2024-04-01 15:00:00 · 945 阅读 · 0 评论 -
GEE案例——如何对矢量集合(面状)提取中心点并返回给矢量(添加经纬度属性信息)
很多时候我们会遇到一个需求,就是将我们已经获取的矢量集合进行一个中心点经纬度的获取,这个过程,最简单的方式就是通过我们一个个通过交互式的地图去点击,查看获取,但是这样的工作量有点大,而很多时候我们分解出的矢量是超级多的,比如说上百个成千个,这对于我们人工手动获取信息基本上是不可取的,所以之前我们有一篇博客讲解过如何对随机样本点的经纬度进行获取,而随机样本点是一个矢量集合,所以这一次我们将会使用一个矢量集合(面状)来实现整个矢量集合中每一个小的矢量的中心点的获取。原创 2024-03-10 11:30:00 · 119 阅读 · 0 评论 -
GEE 案例——2015-2021年9月流域、湖泊土壤水分和降水异常分析——鄱阳湖为例(SMAP 2 级土壤水分和全球降水任务(GPM)数据集)
美国国家航空航天局-美国农业部增强型SMAP数据集利用一维集合卡尔曼滤波器将SMAP第2级土壤水分观测数据集成到改进的帕尔默模型中,从而改进了基于模型的土壤水分估算,尤其是在缺乏高质量降水仪器的地区。在本次演示中,我们使用了 2015 年 4 月至 2021 年 8 月的地表和地下土壤水分。Google Earth Engine——NASA-USDA增强型SMAP全球土壤水分数据以10公里的空间分辨率提供全球的土壤水分信息。原创 2024-03-09 18:00:00 · 268 阅读 · 1 评论 -
GEE案例——根据研究区经纬度提取出指定区域的最大波段值并作为影像波段
能否提取出感兴趣区域(研究区域)中出现最大波段值(温度、表面反射等)的任何位置的坐标。我正试图在我的研究区域内的精确位置共享外部天气条件预报信息。传统的值提取至点是一种数据处理方法,它将数据中的值从其原始位置提取出来,并将这些值保存在点的特定属性中。这种方法常用于地理信息系统(GIS)中,用于将地理数据中的特定属性提取至点对象上。例如,假设有一个包含城市名称和人口数量的地理数据集。传统的值提取至点方法可以将城市名称提取出来,并将其保存在城市点对象的属性中,以便后续的分析和可视化。原创 2024-03-06 11:15:00 · 460 阅读 · 0 评论 -
GEE案例——如何利用CHIRPS数据进行某一个区域的逐年逐月长时序降水量统计、绘制和下载(4种模式代码)
使用UCSB-CHG/CHIRPS/DAILY数据进行逐月或者逐年,或者多个样本点矢量集合的统计和长时序图表绘制和CSV文件导出。原创 2024-03-03 19:00:00 · 514 阅读 · 0 评论 -
GEE案例——如何利用 Landsat-8 或 Sentinel-2 数据和大津法+边缘检测(Otsu + Canny )来有效区分水生植被
多种多样的淡水生物群落受到外来入侵水生植物(IAAP)的威胁,因此各国需要花费数百万美元进行管理。要对这些外来入侵水生植物进行有效管理,就必须对其进行频繁、可靠的大范围长期监测。在此,我们介绍并应用了一种符合上述标准的监测方法,该方法基于三个阶段的分级分类,首先检测水体,然后检测水生植被,最后检测布袋莲(Pontederia crassipes,前身为 Eichhornia crassipes),布袋莲是世界上许多地区危害最大的 IAAP 物种。原创 2024-02-28 15:00:00 · 530 阅读 · 1 评论 -
GEE案例—— 如何获取包含网格(经纬度)降水数据集图像中每个像元值并导出 CSV
这里我们首先要作的就是给研究区的影像添加一个波段,这个波段是用来获取影像的经纬度,另外,这里我们使用的数据分辨率是5000米,所以这里建议如果分辨率选择更细的话可能导致运行超限。原创 2024-02-27 09:45:00 · 476 阅读 · 0 评论 -
GEE案例——如何计算某个区域的的长时间序列的Standardized Precipitation Index(SPI)指数
Standardized Precipitation Index(SPI)是一种用来衡量降水量异常的标准化指数。它通过比较观测到的降水量与特定时间段和地区的长期平均降水量之间的差异,来评估降水量的偏离程度。SPI可用于监测干旱和湿润等气候变化情况,对于农业、水资源管理和气象预测等领域具有重要意义。McKee等人(1993 年)开发的标准化降水指数(SPI)描述了以月(或多月)为时间步长的多年数据中降水量偏离正常值的概率。原创 2024-02-27 00:00:00 · 465 阅读 · 0 评论 -
GEE案例——计算甘蔗、大米、棉花和小麦等农作物的氨气排放量(含风速计算)
氨气是一种在农业生产中广泛存在的气体,主要是由肥料和畜禽粪便的分解过程中释放出来的。氨气对环境和生物健康造成了负面影响,所以准确计算农作物的氨气排放量非常重要。下面是一个关于如何计算赶着大米、棉花和小麦等农作物的氨气排放量的文档,希望对你有帮助。第一部分:农作物氨气排放的来源农作物氨气的排放主要来自两个方面:肥料和畜禽粪便的分解过程。1. 肥料:氨气主要来自于氮肥的使用。传统农业中,氮肥主要是尿素和铵盐肥料。当氮肥投入土壤时,一部分会转化为氨气并向大气中释放。原创 2024-02-22 19:00:00 · 280 阅读 · 0 评论 -
GEE案例——如何sentinel-2影像利用NDWI归一化水体指数进行长时序水域分析(2015-2023年滇池为例)
Sentinel-2是一颗遥感卫星,其提供的高分辨率数据可以广泛应用于环境监测、土地利用和水资源管理等领域。其中,利用归一化水体指数(Normalized Difference Water Index,NDWI)来进行长时序水域分析是一种常见的方法。本文将介绍NDWI的定义和计算方法,并结合Sentinel-2影像的使用,详细说明如何进行长时序水域分析。首先,我们来看一下NDWI的定义和计算方法。NDWI是一种基于波段反射率的指数,用于估计水体的分布和变化。原创 2024-02-20 19:00:00 · 1082 阅读 · 0 评论 -
GEE案例——如何利用光谱指数绘制2023 年的地表水域地图
绘制我的研究区域 2023 年的地表水域地图。在文献中看到需要使用多个指标来准确检测水面。因此,我使用了NDVI、MNDWI、EVI和AWEI。对于水面检测,我注意到只有满足两个标准 [(mNDWI > EVI 或 mNDWI > NDVI),(EVI < 0.1)] 的像素和 AWEIshadow 反射率大于零 (0) 的像素才被分类为水像素,而其他像素被归类为非水像素。原创 2024-02-02 11:00:00 · 123 阅读 · 0 评论 -
Google Earth Engine——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
本博客是在原有博客的基础上进行的升级主要的问题是现在GEE已经开始停用Landsat C01数据集,因此,将原有的代码进行了升级,全部使用 Landsat C02数据数据进行生态遥感指数的分析。原创 2024-01-09 09:30:00 · 1112 阅读 · 6 评论 -
GEE案例——利用NDWI指数和大津法OTSU进行水域面积提取
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。原创 2024-01-11 15:00:00 · 1964 阅读 · 0 评论 -
GEE案例分析——利用Landsat C02 系列数据进行长时序(1985-2023年)EVI和FVC计算
植被覆盖度指的是一个区域或地表的表面被植被所覆盖的程度。它通常用百分比来表示,表示植被覆盖的面积占总面积的比例。较高的植被覆盖度意味着该地区的植物密度较高,较低的植被覆盖度则表示植物覆盖较少。植被覆盖度是评估生态系统健康和环境质量的重要指标之一,对于监测和保护自然资源非常重要。植被覆盖度的计算可以使用多种方法,包括遥感技术和现场调查等。以下是一种常用的计算植被覆盖度的方法:1. 遥感技术:遥感技术是一种通过卫星或航空平台获取地表信息的技术。植被覆盖度的计算可以利用遥感影像数据来进行。原创 2024-01-05 12:36:12 · 1972 阅读 · 6 评论 -
GEE——利用Landsat C02 T1_L2数据进行某研究区的长时序(1985-2023年)NDVI和FVC计算
Landsat C02 T1_L2数据是Landsat 8卫星(Landsat C02)的Level-2数据产品,是由美国地质调查局(USGS)生产和分发的。该数据产品主要包括地表反射率、地表温度和亮度温度等多个参数,以及质量评估信息。Landsat C02 T1_L2数据是高质量的遥感影像数据,用于研究和监测土地利用、植被覆盖、生态环境、自然灾害等方面具有重要的应用价值。Landsat C02 T1_L2数据是按照地球空间分布网格(grid)进行分割和处理的,每个网格大小为30米×30米。原创 2023-11-27 09:00:00 · 1229 阅读 · 4 评论 -
GEE问题——GEE中循环的使用map()函数,以提取指定范围内的逐日的二氧化氮平均浓度为例
我有一个简单的代码,可以帮助计算德克萨斯州每个县的对流层二氧化氮平均浓度。目前,我可以将其导出为我指定的任何日期范围的 csv 表,但我想1) 提取每天平均值,例如 3 个月(2020 年 3 月至 2020 年 5 月,约 90 天)--手动多次运行肯定不是办法,而且我的编码技能有限,无法找出最佳方法。有谁能帮忙调整一下吗?这里需要创建一个日期列表,然后在结果上映射一个函数,以计算每个日期的平均值。了解有关使用 map() 函数在地球引擎中循环的更多信息。原创 2023-11-12 09:00:00 · 820 阅读 · 0 评论 -
GEE案例——使用Sentinel-1 影像进行分析RVI指数进行计算
RVI指数(Relative Vigor Index),也称相对活力指数,是一种技术指标,用于衡量价格趋势的强度和方向。它是由约翰·埃尔德(John Ehlers)在1993年提出的。RVI指数基于股票价格的变化率,与其他技术指标不同的是,它将价格趋势与交易量结合起来,以提高其准确性。RVI指数的计算方式基于两个指标:价格变化和平均价格变化,其中平均价格变化是用价格高低点之间的差值来计算的。RVI指数的值在0到100之间,超过50表示股票价格趋势向上,低于50表示价格趋势向下。原创 2023-11-11 00:15:00 · 662 阅读 · 0 评论 -
GEE——使用MODIS GPP和LAI数据进行一元线性回归计算和R2分析
一元线性趋势分析是指利用一元线性回归模型来分析一组数据的趋势性。在一元线性回归模型中,我们假设自变量(x)和因变量(y)之间存在一定的线性关系,通过回归分析,求解出回归方程(y = a + bx),进而预测未来的趋势。在一元线性趋势分析中,需要进行以下步骤:1. 收集数据并绘制散点图:收集需要分析的数据,并将其绘制成散点图,观察数据点的分布情况。2. 拟合回归模型:利用最小二乘法拟合出回归方程(y = a + bx),其中a为截距,b为斜率。原创 2023-10-27 12:00:00 · 632 阅读 · 0 评论 -
GEE案例——一个完整的火灾监测案例dNBR差异化归一化烧毁指数
dNBR是"差异化归一化烧毁指数"的缩写。它是一种用于评估卫星图像中烧毁区域严重程度的遥感指数。dNBR值通过将火灾前的归一化烧毁指数(NBR)减去火灾后的NBR来计算得出。该指数常用于野火监测和评估。dNBR(差异化归一化烧毁指数)是一种用于评估火灾后地表烧毁程度的遥感指标。它通过比较火灾前后的归一化烧毁指数(NBR)来计算得出。NBR是利用遥感数据中红外波段和近红外波段的反射率之差来衡量植被健康状况的指标。原创 2023-10-25 19:06:51 · 1499 阅读 · 0 评论 -
GEE案例——指定区域纯净森林提取分析(红和近红外波段)阈值法提取森林面积
提取森林范围是遥感影像处理中的一项常见任务。以下是可能用到的一些步骤:1. 数据预处理:首先,需要进行数据预处理,包括去除云、阴影和大气干扰等。2. 影像分类:利用监督分类或非监督分类方法,将图像中的像素点分为不同的类别。其中,森林区域应该是其中的一个类别。3. 像元连接:根据分类结果,将相邻的同一类别像素点连接在一起,形成一个面状的森林区域。可以通过二值化、形态学操作等方法实现像元连接。4. 精化处理:由于影像分类存在一定误差,提取出的森林范围可能包含一些无关区域。原创 2023-10-19 09:00:00 · 603 阅读 · 0 评论 -
GEE案例——计算指定区域的云量所占的面积占比(以2019年-2022年北京市为例)
这里我们使用哨兵2号数据,将北京市所在区域2018年-2022年之间的区域计算每张影像的云量计算和像素的数量,从而给出每张影像云量所占的百分比,解译非常重要。云量是指遥感影像中云覆盖的程度,可以根据遥感数据中的反射率值和云的特征信息进行判断。遥感影像中的云覆盖会影响地物信息的提取和分析,因此需要对云量进行控制或过滤。常见的方法包括利用多时相数据进行云检测和云去除,以及利用云掩膜将云部分剔除出去。在遥感影像应用中,需要根据实际需求和研究目的选择合适的云量阈值,并结合遥感影像的特点进行分析和解译。原创 2023-10-16 08:00:00 · 720 阅读 · 0 评论