超方便！用GEE和Python在本地分区下载无云哨兵影像

沉于海底的小石头

已于 2024-07-01 20:33:13 修改

阅读量1.9k

点赞数 40

分类专栏： GEE 文章标签： python 笔记 visual studio code

于 2024-07-01 20:29:17 首次发布

本文链接：https://blog.csdn.net/qq_53375149/article/details/140109161

版权

GEE 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

干货满满！GEE与Python结合：本地分区下载哨兵二号影像的步骤详解与实用技巧

1.确保你已经配置好了环境成功引入geemap包，不然一切都白搭。

2.确保你的 jsonPath 和 output 路径正确，不然会报错。脚本会自动处理每个分区并下载对应的无云影像。

01写在前面

在遥感数据处理中，哨兵二号影像以其高分辨率和多光谱数据广受欢迎。然而，快速下载大面积的无云影像一直是个挑战。GEE因提供了强大的云计算平台，使得处理大规模的遥感数据变得高效快捷。再结合Python，我们可以编写灵活的脚本来自动化下载过程，提高工作效率。现在也已有不少GEE代码能下载到研究区的影像。

但是，当前通过Google Earth Engine（GEE）下载影像通常需要依赖Google Drive，这在下载速度和灵活性上存在诸多限制。不少小伙伴都应该有下载到一半时提示你空间不够。

此外，如果你需要下载不同区域的影像，现有代码也很少提供分区域下载的解决方案。本文将基于此分享如何用GEE和Python实现本地分区下载无云的哨兵二号影像的代码。（附关键代码）

02环境配置

首先，确保你可以科学上网，已有GEE账号以及搭建了Python的本地环境（下载Python 和Anaconda）。这里推荐吴秋生老师的Geemap包。详细介绍可以参考他的geemap官网。具体配置安装过程，我这里就先不赘述了，如果有问题，可以后台私信我。吴秋生Geemaphttps://www.easyscholar.cc/

03具体代码及解释

导入必要的包：

import ee
import geemap
import os

输入矢量数据及输出影像

jsonPath = "./geedownload/extent.geojson"
output = "./geedownload/out"
start = "2020-01-01"
end = "2020-12-30"

去云

def maskS2clouds(image):
    qa = image.select('QA60')
    # 位 10 和 11 是云，我们要把它们掩膜掉
    cloudBitMask = 1 << 10
    cirrusBitMask = 1 << 11
    # 这两个标志都应该设置为0，表示无云
    mask = qa.bitwiseAnd(cloudBitMask).eq(0) \
            .And(qa.bitwiseAnd(cirrusBitMask).eq(0))
    # 哨兵的像元值是反射率的10000倍，要除以10000
    return image.updateMask(mask).divide(10000)

哨兵二号影像

 s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')

分区下载

def splitDownload(jsonPath, output, start, end):
    ee.Initialize()
    s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
    featureCol = geemap.geojson_to_ee(jsonPath)
    mylist = featureCol.toList(featureCol.size())
    infos = mylist.getInfo()
    for index, info in enumerate(infos):
        print(f'开始第{index+1}个')
        geom = info["geometry"]
        imgcol = s2.filterDate(start, end)\
                   .filterBounds(geom)\
                   .map(maskS2clouds)\
                   .select("B[1-8]")
        img = imgcol.median().clip(geom)
        geemap.download_ee_image(
            image=img,
            filename=os.path.join(output,"FID_"+str(index)+".tif"),
            region=geom,
            crs='EPSG:4326',
            scale=10
        )

Tips:“splitDownload” 根据GeoJSON文件中的每个区域进行裁剪并下载无云影像。影像在下载前被裁剪和掩膜处理，确保最终的影像无云。