利用GEE处理并提取地市哨兵-2卫星影像

概述

本代码在Google Earth Engine (GEE)平台上实现了对潍坊市2020年6月1日至2020年9月30日期间，云量少于10%的哨兵-2卫星影像的提取、处理和导出。主要功能包括加载指定区域，去除云层干扰，合成影像并导出。

数据集介绍

使用的数据集是哨兵-2卫星影像数据集（COPERNICUS/S2_SR_HARMONIZED），该数据集提供了高分辨率的多光谱影像，适用于土地覆盖分类、农业监测和环境监测等应用。

流程与功能

1. 定义参数：指定城市名称、时间范围和最大云量百分比。
2. 加载研究区域：通过过滤shapefile文件获取指定城市的研究区域，并在地图上显示。
3. 定义去云函数：通过选择影像中的质量评估带（QA60），去除云层和卷云。
4. 筛选哨兵-2影像数据：根据研究区域、时间范围和云量百分比过滤影像数据，并应用去云函数。
5. 查询影像数量：统计满足条件的影像数量并打印。
6. 设置可视化参数：定义RGB波段的可视化参数，用于地图展示。
7. 添加影像至地图：将影像集合合成后裁剪至研究区域，并添加到地图中进行显示。
8. 导出影像：将合成后的影像裁剪至研究区域，并导出至Google Drive。

运行结果

运行结果是生成了一幅覆盖潍坊市的哨兵-2卫星影像合成图，该图去除了云层干扰，并在地图上进行了展示，影像合成图被导出至Google Drive供进一步分析使用。

完整代码：

// 定义参数
var cityName = 'weifang';
var startDate = '2020-06-01';
var endDate = '2020-09-30';
var maxCloudPercentage = 10;

// 加载指定的shp范围
var roi = table.filter(ee.Filter.eq('city', cityName));

// 在地图中显示研究区
Map.addLayer(roi, {}, 'ROI');
Map.centerObject(roi);

// 定义去云函数
function maskClouds(image) {
  var qa = image.select('QA60');
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask).divide(10000);
}

// 筛选哨兵-2影像数据
var sentinel2Collection = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
  .filterBounds(roi)
  .filterDate(startDate, endDate)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', maxCloudPercentage))
  .map(maskClouds);

// 查询影像数量
var imageCount = sentinel2Collection.size();
print('Number of images:', imageCount);

// 设置可视化参数
var visParams = {
  bands: ['B4', 'B3', 'B2'],
  min: 0,
  max: 0.3,
  gamma: 1.4
};

// 将影像集合添加至地图
Map.addLayer(sentinel2Collection.median().clip(roi), visParams, 'Sentinel-2 Composite');

// 导出影像示例
var exportImage = sentinel2Collection.median().clip(roi);
Export.image.toDrive({
  image: exportImage,
  description: cityName + '_Sentinel2_Composite',
  folder: 'GEE_Exports',
  scale: 10,
  region: roi,
  crs: 'EPSG:4326',
  maxPixels: 1e13
});

运行示例：

工作台输出：