利用GEE提取哨兵-2卫星影像的站点反射率数据

概述

本代码在Google Earth Engine (GEE)平台上实现了对ROI区域2020年9月期间的哨兵-2卫星影像进行提取、处理和站点反射率数据的导出。主要功能包括加载指定区域，去除云层干扰，提取站点反射率数据并导出为CSV文件。

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），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. 定义研究区：通过矢量文件（geometry）获取指定城市的研究区域，并在地图上显示。
2. 去云处理：通过选择影像中的质量评估带（QA60），去除云层和卷云。
3. 筛选影像数据：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。
4. 可视化影像：设置可视化参数，并将影像加载到地图中进行显示。
5. 提取点数据：选择一个影像，用于提取站点（table3）的反射率数据。
6. 导出数据：将提取的反射率数据导出为CSV文件，便于进一步分析和应用。

运行结果

运行结果是生成了一幅覆盖ROI区域的哨兵-2卫星影像图，该图去除了云层干扰，并在地图上进行了展示。同时，从影像中提取的站点反射率数据被导出为CSV文件，便于后续的分析和研究工作。

完整代码：

//Map.addLayer(table3)  //站点shp
//Map.addLayer(table4)  //水体shp

//定义研究区，并将定义的研究区显示在下方中间  
var geometry = geometry;
Map.centerObject(geometry,10);


//去云处理 
function maskS2clouds(image) {
  var qa = image.select('QA60');
  // 第10和11位分别是云和卷云。位移运算去云
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  // 这两个标志都应设为零，表示条件明确。
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask).divide(10000);
}
//筛选数据 
var dataset = ee.ImageCollection('COPERNICUS/S2_SR')
                  .filterDate('2020-09-01', '2020-09-30')
                  // 预先过滤以获得较少的云量。
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
                  .filterBounds(geometry)
                  .map(maskS2clouds);
//可视化 
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
//加载影像并居中显示 
Map.addLayer(geometry);
Map.addLayer(dataset.mean().clip(geometry), visualization, 'RGB');
Map.addLayer(table3);




//选择一个影像用于提取点的数据
var image = dataset.first();


// //从图像中提取点的数据
// var points = table3;
// var pointsWithValues = image.sampleRegions({
//   collection: points,
//   scale: 10,
// });

// //将提取的数据导出为CSV文件
// Export.table.toDrive({
//   collection: pointsWithValues,
//   description: 'Sentinel2_Reflectance_Values',
//   fileFormat: 'CSV'
// });

运行示例：