GEE笔记：多日期滑动组件

最新推荐文章于 2023-04-16 21:14:38 发布
最新推荐文章于 2023-04-16 21:14:38 发布
阅读量1k 收藏 14
点赞数 5
分类专栏： GEE代码 文章标签： 经验分享 javascript
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41517919/article/details/109095143
版权

GEE笔记：多日期滑动组件

前言

最近在进行土地覆被变化验证的相关研究，看到了Cohen等人为LandTrendr开发的 基于Landsat时间序列影像的验证工具：TimeSync。为了满足自己的需要（好像TimeSync在GEE上使用还要先将影像下载到本地？？？），本菜鸡参考大神们的代码，基于GEE平台弄了一个显示Landsat系列可以进行目视解译验证的工具（萌新求轻喷）。

一、GEE官方的日期滑动组件代码

代码如下（原文链接：https://developers.google.com/earth-engine/guides/ui_widgets）

// Use a DateSlider to create annual composites of this collection.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1');
// Use the start of the collection and now to bound the slider.
var start = ee.Image(collection.first()).date().get('year').format();
var now = Date.now();
var end = ee.Date(now).format();

// Run this function on a change of the dateSlider.
var showMosaic = function(range) {
  var mosaic = ee.Algorithms.Landsat.simpleComposite({
    collection: collection.filterDate(range.start(), range.end())
  });
  // Asynchronously compute the name of the composite.  Display it.
  range.start().get('year').evaluate(function(name) {
    var visParams = {bands: ['B4', 'B3', 'B2'], max: 100};
    var layer = ui.Map.Layer(mosaic, visParams, name + ' composite');
    Map.layers().set(0, layer);
  });
};

// Asynchronously compute the date range and show the slider.
var dateRange = ee.DateRange(start, end).evaluate(function(range) {
  var dateSlider = ui.DateSlider({
    start: range['dates'][0],
    end: range['dates'][1],
    value: null,
    period: 365,
    onChange: showMosaic
  });
  Map.add(dateSlider.setValue(now));
});

二、多日期滑动组件

代码如下（示例）：

代码看起来很长主要分为两部分：

  1. 对Landsat SR影像的一些预处理（云掩膜、波段计算等等）
  2. 通过日期滑动组件分别展示研究区的Lansat-5，7，8年度中值合成影像
var roi = ee.FeatureCollection("xxx");

//######################################################################################
//#                                   Preparing                                      #\\
//######################################################################################

//1.-------------------------------------------------------------------
// Define function to get and rename bands of interest from ETM+.
var renameETM =function(img) {
  return img.select(
		['B1', 'B2', 'B3', 'B4', 'B5', 'B7', 'pixel_qa', 'radsat_qa'],
		['B1', 'B2', 'B3', 'B4', 'B5', 'B7', 'pixel_qa', 'radsat_qa']
  );
};

// Define function to get and rename bands of interest from OLI.
var renameOLI = function(img) {
  return img.select(
    ['B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'pixel_qa'],
    ['B1', 'B2', 'B3', 'B4', 'B5', 'B7', 'pixel_qa']
    );
};

//2.-------------------------------------------------------------------.
//cloud mask------------------------------------------------
var cloudMaskL457 = function(image) {
  var qa = image.select('pixel_qa');
  // If the cloud bit (5) is set and the cloud confidence (7) is high
  // or the cloud shadow bit is set (3), then it's a bad pixel.
  var cloud = qa.bitwiseAnd(1 << 5)
          .and(qa.bitwiseAnd(1 << 7))
          .or(qa.bitwiseAnd(1 << 3))
  // Remove edge pixels that don't occur in all bands
  var mask2 = image.mask().reduce(ee.Reducer.min());
  var maskObersaturation = image.select('radsat_qa').eq(0)
  return image.updateMask(cloud.not()).updateMask(mask2.and(maskObersaturation));
};

var maskL8sr = function(image) {
  // Bits 3 and 5 are cloud shadow and cloud, respectively.
  var cloudShadowBitMask = 1 << 3;
  var cloudsBitMask = 1 << 5;

  // Get the pixel QA band.
  var qa = image.select('pixel_qa');

  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
      .and(qa.bitwiseAnd(cloudsBitMask).eq(0));

  // Return the masked image, scaled to reflectance, without the QA bands.
  return image.updateMask(mask);
}

//3.-------------------------------------------------------------------
//Add bands--------------------------------------------------
var addbands = function(img) {
  var ndvi = img.normalizedDifference(["B4", "B3"]).rename(["NDVI"]);
  var img1 = img.addBands(ndvi)
                .set('system:time_start', img.get('system:time_start'));
  return img1;
};

//4.-------------------------------------------------------------------
//divide-----------------------------------------------------
var divide = function(img){
      img = img.select('B1', 'B2', 'B3', 'B4', 'B5','B7')
               .divide(10000)
               .set('system:time_start', img.get('system:time_start'));
  return img;
};

//5.-------------------------------------------------------------------
// Define function to prepare OLI images.
var prepOLI = function(img) {
  var orig = img;
  img = renameOLI(img);
  img = maskL8sr(img);
  img = divide(img);
  img = addbands(img);
  return ee.Image(img.copyProperties(orig, orig.propertyNames()));
}

// Define function to prepare ETM+ images.
var prepETM = function(img) {
  var orig = img;
  img = renameETM(img);
  img = cloudMaskL457(img);
  //img = etm2oli(img);
  img = divide(img);
  img = addbands(img);
  return ee.Image(img.copyProperties(orig, orig.propertyNames()));
}

//6.-------------------------------------------------------------------
var visParams = {
  bands: ['B3', 'B2', 'B1'],
  min: 0,
  max: 0.3,
  gamma: 1.4,
};

Map.centerObject(roi, 9);

var sidePanel = ui.Panel();

//######################################################################################
//#                                    L5 part                                       #\\
//######################################################################################

var L5 = ee.ImageCollection("LANDSAT/LT05/C01/T1_SR");

var start_1 = "1986-1-1";
var end_1 = "2011-12-31";

var showImage_1 = function(range){
  print("---L5", range);
  var colFilter = ee.Filter.and(
    ee.Filter.bounds(roi),
    ee.Filter.date(range.start(), range.end()),
    //ee.Filter.lt('CLOUD_COVER', 50),
    ee.Filter.lt('GEOMETRIC_RMSE_MODEL', 30),
    ee.Filter.or(
      ee.Filter.eq('IMAGE_QUALITY', 9),
      ee.Filter.eq('IMAGE_QUALITY', 7)
      )
      );
      
  // Filter collections and prepare them for merging.
  var col_L5 = L5.filter(colFilter).map(prepETM).map(function(image){return image.clip(roi)});
  var imgL5_med = col_L5.reduce(ee.Reducer.median())
  .select(
    ['B1_median', 'B2_median', 'B3_median', 'B4_median','B5_median','B7_median', 'NDVI_median'],
    ['B1', 'B2', 'B3', 'B4', 'B5','B7', 'NDVI']);
  
  range.start().get('year').evaluate(function(name) {
    var layer_1 = ui.Map.Layer(imgL5_med, visParams, name + ' Landsat 5 composite');
    Map.layers().set(0, layer_1);
  });
};

showImage_1(ee.DateRange(start_1, ee.Date(start_1).advance(1, "year")));

ee.DateRange(start_1, end_1).evaluate(function(range) {
  print("+++L5",range);
  var dateSlider = ui.DateSlider({
    start: range['dates'][0],
    end: range['dates'][1],
    value: start_1,
    period: 365,
    onChange: showImage_1,
    style: {
      width: "500px",
      padding: "2px"
    }
  });
  var main_panel_1 = ui.Panel({
    widgets: [
      ui.Label('Landsat 5 compsites 1986-2011', {fontWeight: 'bold'}),
      dateSlider
      ],
    style: {
      width: "520px",
      padding: "4px"
    }
  });
  sidePanel.add(main_panel_1);
});

//######################################################################################
//#                                    L7 part                                       #\\
//######################################################################################

var L7 = ee.ImageCollection("LANDSAT/LE07/C01/T1_SR");

var start_2 = "1999-1-1";
var end_2 = "2019-12-31";

var showImage_2 = function(range){
  print("---L7", range);
  var colFilter_2 = ee.Filter.and(
    ee.Filter.bounds(roi),
    ee.Filter.date(range.start(), range.end()),
    //ee.Filter.lt('CLOUD_COVER', 50),
    ee.Filter.lt('GEOMETRIC_RMSE_MODEL', 30),
    ee.Filter.or(
      ee.Filter.eq('IMAGE_QUALITY', 9),
      ee.Filter.eq('IMAGE_QUALITY', 7)
      )
      );
      
  // Filter collections and prepare them for merging.
  var col_L7 = L7.filter(colFilter_2).map(prepETM).map(function(image){return image.clip(roi)});
  var imgL7_med = col_L7.reduce(ee.Reducer.median())
  .select(
    ['B1_median', 'B2_median', 'B3_median', 'B4_median','B5_median','B7_median', 'NDVI_median'],
     ['B1', 'B2', 'B3', 'B4', 'B5','B7', 'NDVI']);
  
  range.start().get('year').evaluate(function(name) {
    var layer_2 = ui.Map.Layer(imgL7_med, visParams, name + ' Landsat 7 composite');
    Map.layers().set(1, layer_2);
  });
};

showImage_2(ee.DateRange(start_2, ee.Date(start_2).advance(1, "year")));

ee.DateRange(start_2, end_2).evaluate(function(range) {
  print("+++L7",range);
  var dateSlider = ui.DateSlider({
    start: range['dates'][0],
    end: range['dates'][1],
    value: start_2,
    period: 365,
    onChange: showImage_2,
    style: {
      width: "500px",
      padding: "2px"
    }
  });
  var main_panel_2 = ui.Panel({
    widgets: [
      ui.Label('Landsat 7 compsites 2013-2019', {fontWeight: 'bold'}),
      dateSlider
      ],
    style: {
      width: "520px",
      padding: "4px"
    }
  });
  sidePanel.add(main_panel_2);
});

//######################################################################################
//#                                    L8 part                                       #\\
//######################################################################################

var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR");

var start_3 = "2013-1-1";
var end_3 = "2019-12-31";

var showImage_3 = function(range){
  print("---L8", range);
  var colFilter = ee.Filter.and(
    ee.Filter.bounds(roi),
    ee.Filter.date(range.start(), range.end()),
    //ee.Filter.lt('CLOUD_COVER', 50),
    ee.Filter.lt('GEOMETRIC_RMSE_MODEL', 30),
    ee.Filter.or(
      ee.Filter.eq('IMAGE_QUALITY', 9),
      ee.Filter.eq('IMAGE_QUALITY_OLI', 9)
      )
      );
      
  // Filter collections and prepare them for merging.
  var col_L8 = L8.filter(colFilter).map(prepOLI).map(function(image){return image.clip(roi)});
  var imgL8_med = col_L8.reduce(ee.Reducer.median())
  .select(
    ['B1_median', 'B2_median', 'B3_median', 'B4_median','B5_median','B7_median', 'NDVI_median', ],
    ['B1', 'B2', 'B3', 'B4', 'B5','B7', 'NDVI']);
  
  range.start().get('year').evaluate(function(name) {
    var layer_3 = ui.Map.Layer(imgL8_med, visParams, name + ' Landsat 8 composite');
    Map.layers().set(2, layer_3);
  });
};

showImage_3(ee.DateRange(start_3, ee.Date(start_3).advance(1, "year")));

ee.DateRange(start_3, end_3).evaluate(function(range) {
  print("+++L8",range);
  var dateSlider = ui.DateSlider({
    start: range['dates'][0],
    end: range['dates'][1],
    value: start_3,
    period: 365,
    onChange: showImage_3,
    style: {
      width: "300px",
      padding: "2px"
    }
  });
  var main_panel_3 = ui.Panel({
    widgets: [
      ui.Label('Landsat 8 compsites 2013-2019', {fontWeight: 'bold'}),
      dateSlider
      ],
    layout: "flow",
    style: {
      width: "520px",
      padding: "4px"
    }
  });
  sidePanel.add(main_panel_3);
});

ui.root.add(sidePanel);

最终的效果图：
在这里插入图片描述

总结

  1. 通过这个组件可以很方便的利用Landsat时间序列影像进行目视解译验证，未来希望可以加上验证点的某参数时间序列折线图（比如在GEE中导入一个FeatureCollection, 通过点击某个点就可以显示时间序列NDVI折线图）。

  2. 不知道大家除了TimeSync和GE之外还知道其他可以利用时间序列遥感影像验证的工具嘛？

最后，希望大家能够多与我交流指出错误，我会虚心接受！！！

★芒果养乐多★
关注
  • 5
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Gee制图调色-palettes-master.zip
08-27
GEE调色板资源 ee-palettes Gennadii Donchyts, Fedor Baart & Justin Braaten About ee-palettes is a module for generating color palettes in Google Earth Engine (EE) to be applied to mapped data. Add the module Visit this URL to add the module to the Reader repository of your EE account. After the module is added, you can find the source code in the Script Manager under: Reader:users/gena/packages/palettes.
GEE_代码
02-12
GEE_代码 Flor Sangermano的示例脚本的前四行在GEE中通过导入重新创建
GEE课程笔记-GEE自学课程笔记
最新发布
01-29
GEE课程笔记---GEE自学课程笔记
GEE：适用于VAM的GEE脚本
02-18
适用于VAM的Google Earth Engine脚本。 从各种来源进行编译： ， ， 。 气候 每月天气监测 脚本： 干湿法术 脚本： 连续干旱天 连续湿天 备灾与应变 像素水的频率 脚本： 在滑坡发生之前提取10天的降雨积聚 脚本： 接触 Benny Istanto | 联合国世界粮食计划署，印度尼西亚|
gee_PML:GEE中的Penman-Monteith-Leuning蒸散
05-04
Google Earth Engine中的Penman-Monteith-Leuning蒸散 建模框架 PML_V1 -Monteith-Leuning模型（缩写为PML_V1 ）由Leuning等人提出。 （2008年） ，并由Zhang等人（2010年，2016年）进一步完善。 在PML中，蒸发分为：来自植物的蒸腾作用（Ec），来自土壤的直接蒸发（Es）和来自植物的截留降雨的蒸发（Ei）。 PML_V2是由Gan等人（2018）和Zhang等人（2019）开发的，它们通过树冠电导理论将ET和初级生产总值结合PML_V2 。 它们的分辨率分别为500 m和8天，范围从-60°S到90°N。 图1 。 全局强制数据处理和PML_V2建模过程的流程图。 多变的 描述 单元 最高温度 每日最高温度 摄氏 Tmin 每日最低温度 摄氏 塔夫格 日平均温度 摄氏 帕 大气压 千帕 ü 1
vue - 左右滑动选择日期组件的封装
sunshime的博客
10-10 2873
  现在做的项目中遇到了左右滑动选择日期的一个功能，然后我封装了一下这个组件，现在分享给大家看一下： 效果图： 1、安装dayjs日期文件 npm install dayjs --save 2、封装的组件： <template> <div class="m-calendar" ref="calendar"> <div class="m-toolbar"...
GEE--LandTrendr
weixin_38835395的博客
01-11 6780
遥感时间序列森林变化监测算法landtrendr，如何在GEE中操作？
GEE：变化检测算法，干扰检测，LandTrendr代码与说明（变化年份和扰动幅度示例）
热门推荐
养乐多的博客
03-30 1万+
LandTrendr是什么？ LandTrendr是一组频谱时间分割算法，可用于中等分辨率卫星图像（主要是Landsat）的时间序列中的变化检测以及生成很大程度上不存在年际信号噪声的基于轨迹的频谱时间序列数据。LT最初是用IDL（交互式数据语言）实现的，但是在Google工程师的帮助下，它已移植到GEE平台。 LandTrendr官方说明网站： https://emapr.github.io/LT-GEE/index.html 该网站介绍了在Google Earth Engine（GEE）中运行LandT
gee_packages:GEE很棒的稳定软件包
04-28
kongdd_packages 中山大学董栋 表中的内容 [目录] 安装 该存储库是JavaScript的GEE软件包。 对于感兴趣的用户，请填写注册表格： : 。 职能 1.可视化 // Load package var pkg_vis = require ( 'users/kongdd/public:pkg_vis.js' ) ; 渐变图例pkg_vis.grad_legend(viz, title, IsPlot, position) 可视化参数。 position字符串，图例位置，例如“左下”，“右下”。 调色板相应的颜色。 离散图例， pkg_vis.discrete_legend(names, palette, title, IsPlot, position) 图例示例： : 。 布局layout工作方式类似于R中的layout和MATLAB中的sub
手机滑动选择日期时间插件
11-09
移动端。时间筛选日历。用于开发工具类 移动端。时间筛选日历。用于开发工具类
GEE变化变更检测.pdf
09-24
国外GEE教学课件，适合初学者GEE的同学
GEE代码笔记（精简版）
m0_46423096的博客
02-27 683
GEE代码
Google Earth Engine（GEE）——实现 LandTrendr 光谱-时间分割算法的指南
qq_31988139的博客
12-09 3992
俄勒冈州立大学eMapR 实验室的Justin Braaten编写的文档、应用程序和 API，由Robert Kennedy 博士指导 该站点是 Google Earth Engine 实现 LandTrendr 光谱-时间分割算法的指南。 直接进入- 使用 GUI 绘制分段时间序列或地图干扰。 非常感谢杨志强 (OSU) 和 Google Earth Engine 的工程师。没有您的帮助，这是不可能的！ 这项工作得到了美国森林服务景观变化监测系统和 NASA 碳监测系统（NNH13AW.
Google Earth Engine —— LandTrendr JavaScript 模块API验证、常见问题以及版本更新！
qq_31988139的博客
09-03 566
验证 验证 LandTrendr 分割和派生干扰图的传统方法是 TimeSync 应用程序（论文）。它是作为 LandTrendr 的伴侣开发的，并遵循相同的光谱 - 时间顶点和分割框架。 请参阅此 GitHub存储库，了解从 Google Earth Engine 获取源数据并运行桌面旧版应用程序所需的所有文件和说明。 11常见问题 Q: I have read or heard thatforloops and client-side conditionals likeifs...
30_geemap学习笔记 | 影像属性统计
GeoSuper的博客
11-06 454
30 image pops stats import ee import geemap geemap.set_proxy(port=10809) Map = geemap.Map() Map centroid = ee.Geometry.Point(117.1439, 30.7538) landsat = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR') \ .filterBounds(centroid)\
（一）Landsat_5 TM 头文件信息预览(内含各校正重要参数)
qq_2787174606的博客
04-16 3095
注：以下信息参考百度百科Landsat-5卫星主要轨道特性参数如下：近极近环形太阳同步轨道倾角：98.2。轨道周期：99分钟穿越赤道时间：上午9点45分+/-15分钟扫描带宽度：185km重访周期：16天景覆盖范围：184×185.2km。
GEE-Python遥感大数据分析、管理与可视化实践技术应用
weixin_xiao5kou4chang6kai4的博客
04-14 1592
近年来遥感技术得到了突飞猛进的发展，航天、航空、临近空间等多遥感平台不断增加，数据的空间、时间、光谱分辨率不断提高，数据量猛增，遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了前所未有的机遇，同时如何处理好这些数据也提出了巨大的挑战。传统的工作站和服务器已经无法胜任大区域、多尺度海量遥感数据处理的需要。 Google Earth Engine是谷歌公司提供的全球尺度地球科学数据（尤其是卫星遥感数据）在线可视化计算和分析云平台。该平台能够存取和同步遥感领域目前常用的MODIS、Landsa
landtrendr
12-07
LandTrendr是一种利用时间序列影像数据来监测和分析地表变化的工具。它主要用于监测森林、草地和农田等地表覆盖变化，可以帮助科学家、政府和环保组织更好地理解地表变化的过程和趋势。 LandTrendr利用卫星遥感数据和高级算法，能够识别和量化植被覆盖的变化，包括森林退化、植被火灾、人类活动引起的土地利用变化等。通过分析时间序列数据，LandTrendr可以提供精确的变化检测和趋势分析，帮助决策者更好地制定保护和管理地表资源的政策。 LandTrendr在环境监测、自然资源管理和国土规划等领域具有重要作用。它可以帮助人们监测森林和草地覆盖的变化，及时发现潜在的环境问题。同时，还可以帮助政府和相关部门更加科学地规划和管理土地利用，以实现可持续发展和生态保护的目标。 总之，LandTrendr是一种重要的地表变化监测工具，它利用遥感技术和高级算法，可以帮助人们更好地理解和监测地表变化的过程，为环境保护和资源管理提供数据支持和科学依据。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值