GEE学习笔记
记录学习Google Earth Engine的过程~
遥感地学小站
通过记录让自己更加热爱
展开
-
GEE土地利用产品汇总
(1)ESA WorldCover 10m v100(只有2020年数据)(2)ESA WorldCover 10m v200(只有2021年数据)10米分辨率,目前只有2020年和2021年的数据。原创 2023-05-22 11:59:39 · 499 阅读 · 0 评论 -
GEE学习笔记:在Google Earth Engine(GEE)计算两个时间的时间间隔
计算结束时间与开始时间的间隔原创 2022-09-19 11:49:51 · 418 阅读 · 0 评论 -
GEE学习笔记:在Google Earth Engine(GEE)中查看矢量数据和栅格数据(影像)的投影信息
如果矢量数据为FeatureCollection类型,则无法查看投影。需要转成geometry类型。 同样,栅格数据是Image类型时才可以查看投影信息。var roi = table.geometry(); //table 为自己上传的矢量边界 //去云的算法 function rmCloud (image){ var qa = image.select('pixel_qa') var cloudMask = qa.bitwiseAnd(1 <...原创 2022-04-01 22:14:15 · 2303 阅读 · 0 评论 -
GEE学习笔记:在Google Earth Engine 中绘制矢量数据,有填充色和无填充色(只显示边框)
在使用GEE时,除了显示影像外,有时候会有显示矢量数据的需求。比如说在目视解译选择样本点的时候,需要显示矢量边界确定区域的范围等。原创 2022-03-25 21:37:28 · 4718 阅读 · 0 评论 -
GEE学习笔记:在Google Earth Engine(GEE)中导出shp文件
目前想到的应用场景有如下:1、在线处理矢量数据,将结果导出。2、在GEE上选取样本点,导出到本地处理。3、将得到的栅格结果转成矢量,再导出到本地。...原创 2022-03-23 00:08:42 · 7501 阅读 · 4 评论 -
GEE学习笔记:在Google Earth Engine(GEE)中批量下载Sentinel-2影像
目标:批量下载研究区域满足一定条件的所有Sentinel-2影像。Sentienl-2A携带了一枚多光谱成像仪(MSI),具有三种不同的空间分辨率 ,10m空间分辨率下有四个波段( B2、B3、B4、B8),20m 空间分辨率下有六个波段( B5、B6、B7、B8A、B11、B12),剩余三个波段为 60m空间分辨率。原创 2022-03-21 00:41:22 · 7952 阅读 · 26 评论 -
GEE学习笔记:在Google Earth Engine(GEE)中计算坡度、坡向、山体阴影
SRTM 数字高程数据,是一种航天飞机雷达地形测绘 SRTM 数据,是由NASA、国防部国家测绘局(NIMA)以及德国与意大利航天机构联合测量得到的,覆盖 60°N 到 56°S 之间大部分区域的雷达影像数据,覆盖地球陆地范围80%以上。该数据可以免费获取,具有现实性强的特点。本次实验使用的 SRTM 数字高程数据是 30 米分辨率数据,对某地区的坡度、坡向和山体阴影信息进行提取。原创 2022-03-20 00:59:05 · 5662 阅读 · 6 评论 -
GEE学习笔记:在GEE中批量下载Landsat影像
目标:批量下载研究区域满足一定条件的所有Landsat影像var roi = table; //table 为自己上传的矢量边界//去云的算法 function rmCloud (image){ var qa = image.select('pixel_qa') var cloudMask = qa.bitwiseAnd(1 << 3).eq(0) var cloudShadowMask = qa.bitwiseAnd(1 << 5).eq(0) var原创 2022-03-17 17:59:27 · 10476 阅读 · 4 评论 -
GEE学习笔记:在GEE中下载Sentinel-2影像
这里介绍如何下载Sentinel-2影像实验区域:北京市时间:2019-04-01至2019-10-31var roi = table; //table为自己上传的矢量边界//去云function maskS2clouds(image) { var qa = image.select('QA60'); // Bits 10 and 11 are clouds and cirrus, respectively. var cloudBitMask = 1 <<原创 2022-03-17 03:01:45 · 11340 阅读 · 12 评论 -
GEE学习笔记:在GEE中实现缨帽变换得到亮度(Brightness)、绿度(Greenness)、和湿度(Wetness)
缨帽变换特征是通过缨帽变换(Tasseled Cap Trasform,TCT,又称为 K-T变换)得到的特征分量,是一种特殊的主成分分析方法(PCA)。但与 PCA 所不同的是,缨帽变换具有固定的变换矩阵。缨帽变换根据这个固定的变换矩阵将原始影像投影综合变换到具有物理意义的亮度(Brightness)、绿度(Greenness)和湿度(Wetness)特征向量三维特征空间,充分反映了裸土岩石、植被覆盖度和水分信息。这个变换的过程达到了减少特征维数、增强影像信息的效果。其变换公式如下:......原创 2022-03-15 23:59:20 · 7767 阅读 · 3 评论