GEE获取九大农业区之一黄淮海平原的矢量边界

海绵波波107

已于 2024-01-19 09:19:54 修改

阅读量668

点赞数 8

分类专栏： # GEE基础文章标签： GEE

于 2024-01-19 09:11:31 首次发布

本文链接：https://blog.csdn.net/qq_43920838/article/details/135688747

版权

GEE基础专栏收录该内容

26 篇文章

订阅专栏

本文介绍了如何在ArcGIS和GoogleEarthEngine(GEE)中操作，使用filterMetadata函数从中国九大农业区划的shape文件中提取黄淮海平原这一区域的矢量边界，通过指定CODE属性值为C实现区域筛选。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

中国九大农业区划矢量
在这里插入图片描述

Arcgis中打开shape文件，得到的是所有矢量，而我想获取单独的一个区域的矢量，怎么提取呢？在这里插入图片描述
刚导进来的矢量边界是初始的，下面展示如何提取具体某个区域的矢量边界

使用GEE打开该九大农业区划的矢量，查看矢量特征，发现黄淮海平原的CODE是C
在这里插入图片描述

在GEE中可以按属性筛选区域

var roi = ee.FeatureCollection('projects/a-flyllf0313/assets/agriculture');
var roi= roi.filterMetadata('CODE','equals','C');

使用filterMetadata函数，来提取任意字符串属性，第一个’‘输入属性名，第二个’equals’含义为判断两边是否相同，第三个’'输入所需区域的代号。
在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

海绵波波107

关注关注

8
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

GEE训练教程——单个矢量的缓冲区（buffer）和矢量集合的缓冲区的构建

此星光明博客

08-04

308

在Google Earth Engine (GEE) 中，可以使用方法来实现单个矢量的缓冲区构建，使用方法来实现矢量集合的缓冲区构建。

GEE（六边形制作）——实现研究去边界蜂窝状（六边形）矢量的转换

此星光明博客

06-19

322

在GEE中实现研究区边界蜂窝状矢量的转换，这里我们首先获取研究区边界，然后进行边界坐标点进行获取，然后根据六边形坐标点计算公式，然后遍历研究区即可。在Google Earth Engine（GEE）中，可以使用以下步骤来制作去边界的六边形矢量：1. 首先，选择一个区域或图像，在该区域或图像上创建一个六边形网格。2. 使用六边形网格创建一个六边形矢量图层。- 首先，使用六边形的中心点坐标和边长来计算六边形的顶点坐标，可以参考前面给出的坐标计算公式。

参与评论您还未登录，请先登录后发表或查看评论

中国九大农业区划shp.rar

12-10

该数据为中国九大农业区划shp格式数据，坐标为WGS84地理坐标,包括黄淮海平原区、东北平原区、长江中下游地区、北方干旱半干旱区、云贵高原区、青藏高原区、四川盆地及周边地区、华南区、黄土高原区

没有数据怎么办？建议自己做一个

GISman的博客

04-06

2340

经常会有人咨询博主各种各样的奇怪要求的数据。 1.XX平原、XX高原的边界和范围类数据。比如说松嫩平原范围shp数据，黄淮海平原shp数据等。建议去知网上搜一搜这些关键词的论文，例如我搜到一篇《松嫩平原地理条件空间分异特征分区》的文章，松嫩平原shp数据是作者根据地理范围，以县级数据为底，自己做的。 2.同理，还有求中原城市群，长三角城市群shp的，那我们搜一下包含哪些城市，...

东亚最好的三大平原

08-05

457

主要肥沃的平原湄公河三角洲在越南，湄公河入海口河段被越南人称为九龙江，仅三角洲地区，面积约5万平方公里，平均海拔不到2米，多河流、沼泽，属于低地型平原。该平原地势平坦，海拔多低于50米，沉积层深厚，最厚处可达5000米，是典型的冲积平原，其面积仍在不断扩大，得益于河流的持续沉积作用。在这片广袤的土地上，孕育了众多繁华的城市，如哈尔滨、长春、沈阳等，它们不仅是东北地区的经济、文化中心，也见证了这片土地的历史变迁与发展。为中国农业的发展提供了得天独厚的条件，尤其是粮食生产方面，东北平原更是中国的“粮仓”。

我国地理分区详细的矢量数据集，华北华南华东，西北，西南这些地区你知道吗？.zip

06-20

我国地理分区详细的矢量数据集，华北华南华东，西北，西南这些地区你知道吗？.zip

中国七大地理分区矢量图

gitblog_09702的博客

09-06

1383

中国七大地理分区矢量图项目地址:https://gitcode.com/open-source-toolkit/4baa9 描述本仓库提供中国七大地理分区的矢量图文件，包括华中、华北、华南、华东、东北、西北、西南七个主要地理分区。这些矢量图仅为各分区的轮廓图，不包含区域细分，适合用于学习、研究和展示等用途。文件内容华中分区矢量图华北分区矢量图华南分区矢量图华东分区矢量图东北分区矢...

【geojson 各国数据获取指引】

菜鸟成长史

06-04

2078

在这里可以搜索到各个国家的geojson数据，不得不感叹外网社区建设确实比较国内来说要健全的多，话虽如此但是外网容易携带私货，值得注意的是改平台下载到的中国地图数据。，不愧是阿里，在这里你可以快速获取关于国内各个省份的geojson数据，可惜没有国外的数据，不过还是好评。，要下载中国地图geojson数据去国内平台。为以后快捷获取geojson，固记录一下。如果以上还不能满足，只能自己苦逼一些，去。git上的一个中文项目。偶然遇见到的一个平台。

GEE开发之Modis_NDVI数据分析获取大总结

等待着冬天的风的博客

11-18

7494

前言：主要总结一下在GEE上获取Modis_NDVI数据的各种形式，主要包括MYD13Q1、MOD09GA、MOD13Q1、MOD13A1、MOD13A2以及日数据、月数据、年数据的获取和下载。

GEE开发之MODIS_NDVI一年之中的所有数据获取

等待着冬天的风的博客

10-06

2289

MODIS下’MODIS/006/MYD13Q1‘一年之中所有的ndvi数据。

Google Earth Engine（GEE）——如何将众多小区域面和点或者多点矢量转化成为一个矢量边界防止超限使用（bounds）

此星光明博客

09-17

1348

大家可能在进行大尺度研究的时候，会遇到很多问题，尤其是矢量边界超限，或者矢量边界的折现点过于多，导致无法进行计算，所有这里的问题就是当我们遇到这个情况如何解决，这里有两个解决方案，一个就是你画一个矢量，将其全部圈到你所需要研究的点范围中。因为我认为我们只需要几何图形所有点的 Lon/Lat 上的最小值/最大值。另外，当你的所有点的数据超过20000000个信息的时候，就会发生错误，所以这里我们一定要减少不必要的错误。否则将是WGS84。返回一个包含给定特征的几何形状的边界盒的特征。将被提取的几何体的集合。

全国土壤矢量数据（土壤种类等信息）

10-13

矢量数据是在直角坐标中，用x、y坐标表示地图图形或地理实体的位置和形状的数据。矢量数据一般通过记录坐标的方式来尽可能地将地理实体的空间位置表现得准确无误。土壤是指地球表面的一层疏松的物质，由各种颗粒状矿物质、有机物质、水分、空气、微生物等组成，能生长植物。土壤由岩石风化而成的矿物质、动植物、微生物残体腐解产生的有机质、土壤生物（固相物质）以及水分（液相物质）、空气（气相物质）、氧化的腐殖质等组成。固体物质包括土壤矿物质、有机质和微生物通过光照抑菌灭菌后得到的养料等。液体物质主要指土壤水分。

GEE训练教程-单个矢量的缓冲区（buffer）和矢量集合的缓冲区的构建.pdf

07-29

在Google Earth Engine (GEE) 中，可以使用ee.Algorithms.Buffer()方法来实现单个矢量的缓冲区构建，使用ee.FeatureCollection().map()方法来实现矢量集合的缓冲区构建。以下是具体的步骤：单个矢量的缓冲区构建...

从0开始学GEE python——矢量的展示和属性添加

此星光明博客

12-29

376

这段代码展示了如何在 Google Earth Engine 中创建几何对象、特征以及如何设置和获取特征的属性，同时使用 geemap 库将结果可视化。

Google Earth Engine（GEE）——矢量边界的面积、边界、中心点、边界坐标、相交、缓冲边界以及拓扑差异详解

此星光明博客

11-09

2076

area(maxError,proj) Returns the area of the geometry. Area of points and line strings is 0, and the area of multi geometries is the sum of the areas of their components (intersecting areas are counted multiple times). Arguments: this:geometry (G...

mybatis-3.0.5.jar中文-英文对照文档.zip

最新发布

05-04

# 压缩文件中包含：中文-英文对照文档 jar包下载地址 Maven依赖 Gradle依赖源代码下载地址 # 本文件关键字： jar中文-英文对照文档.zip,java,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法：解压最外层zip，再解压其中的zip包，双击【index.html】文件，即可用浏览器打开、进行查看。 # 特殊说明： ·本文档为人性化翻译，精心制作，请放心使用。 ·只翻译了该翻译的内容，如：注释、说明、描述、用法讲解等； ·不该翻译的内容保持原样，如：类名、方法名、包名、类型、关键字、代码等。 # 温馨提示：（1）为了防止解压后路径太长导致浏览器无法打开，推荐在解压时选择“解压到当前文件夹”（放心，自带文件夹，文件不会散落一地）；（2）有时，一套Java组件会有多个jar，所以在下载前，请仔细阅读本篇描述，以确保这就是你需要的文件；

gee下载遥感影像研究区

01-07

### 使用 Google Earth Engine (GEE) 下载指定研究区的遥感影像 #### 准备工作为了能够顺利下载所需的研究区域内的遥感影像，在 GEE 中操作前需完成如下准备工作： - 注册并登录到 [Google Earth Engine](https://earthengine.google.com/) 并激活账户。 - 安装 Python 版本的客户端库 `geemap` 或者通过 JavaScript API 进行开发环境配置。 #### 创建地理边界对象定义目标地区的几何形状作为筛选条件的一部分，可以采用多种方式创建该对象。最常用的是上传自定义矢量文件（如 Shapefile），也可以直接绘制多边形来表示感兴趣地区域[^1]。 ```python import ee from geemap import Map, ee_initialize ee_initialize() # 加载或手动输入坐标构建AOI(Analysis of Interest) aoi = ee.Geometry.Polygon( [[[78.0963134765625, 30.7659345780777], [78.0963134765625, 30.7127577857172], [78.168037109375, 30.7127577857172], [78.168037109375, 30.7659345780777]]]) ``` #### 构建图像集合查询语句根据需求选择合适的卫星数据源，并设置时间范围和其他过滤器以缩小检索结果集。这里以 Landsat 8 OLI/TIRS 数据为例说明如何获取某段时间内覆盖特定地点的所有可用场景列表[^2]。 ```python # 设置起始日期和结束日期 start_date = '2020-01' end_date = '2020-12-31' # 获取Landsat 8 表面反射率产品 collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR') \ .filterBounds(aoi)\ .filterDate(start_date,end_date) print(f'Number of images found: {collection.size().getInfo()}') ``` #### 执行批量下载任务最后一步是将符合条件的数据导出至用户的 Google Drive 账户或其他存储位置。对于较大的数据集建议分批处理以免超出内存限制。下面给出了一种简单的实现方案用于逐个保存每一张图片为 GeoTIFF 文件格式。 ```python def export_image(image, name): task_config={ 'image': image, 'description':name, 'folder':'gee_export', 'region': aoi.getInfo()['coordinates'], 'scale': 30, 'crs': 'EPSG:4326', 'maxPixels': 1e9 } task=ee.batch.Export.image.toDrive(**task_config) task.start() print(f'Started exporting {name}') images = collection.toList(collection.size()) for i in range(images.size().getInfo()): img = ee.Image(images.get(i)) date_str=img.date().format("YYYYMMdd").getInfo() filename=f"Landsat_{date_str}" export_image(img,filename) ```