CBRSGEE专栏 | 2 Exploring Images（一）

1  理论知识

1.1 访问卫星遥感影像

      接下来，您将在Code Editor中构建一幅遥感影像。首先，复制并粘贴以下内容：

var first_image = ee.Image('LANDSAT/LT05/C02/T1_L2/LT05_118038_20000606');
print(first_image);

      您可以通过多种方式访问这幅遥感影像。首先，您可以通过将图像打印到Code Editor的控制台面板来检索 metadata（关于图像的描述性数据），在控制台面板中，您能够看到这幅遥感影像由19个不同波段组成。每个波段中，metadata 均列出了四个属性。

      像 Landsat TM 这样的卫星传感器测量了电磁谱的不同部分中辐射的大小。我们遥感影像中的前六个波段（“SR_B1~B7”）包含六个不同频谱部分的测量值。前三个波段测量了可见频谱的部分或蓝光、绿光和红光的数值。其他三个波段测量了对人眼不可见的红外频谱部分。

      图像波段是栅格数据模型的一个示例，这是一种将地理数据存储在二维像素网格或图像元素中的方法。在遥感中，每个像素存储的值通常称为 Digital Number 或 DN 。不同的传感器，像素值或 DN 值可以表示一系列可能不同的数据值。

      这些信息中，像波段的名称和它们的维度（像素宽度乘以像素高度）可以在 metadata 中看到。其他信息片段，如每个波段中测量的频谱部分和可能数据值的范围，可以通过GEE的数据目录或其他方法找到。

---

1.2 卫星遥感影像的可视化处理

       现在，让我们将其中一个波段添加到地图上作为一个图层，以便我们可以看到它。

Map.addLayer( 
    first_image, // dataset to display 
    { 
        bands: ['SR_B1'], // band to display 
        min: 8000, // display range 
        max: 17000 
    }, 
    'Layer 1' // name to show in Layer Manager 
);

       这里的代码使用Code Editor中地图的 addLayer 方法。其中有四个重要的组成部分：1）first_image：要显示在地图上的数据集。2）bands：从数据集中显示在地图上的特定波段。在示例中，显示了一个名为“SR_B1”的单个波段。3）min, max：这些表示要在屏幕上显示的“SR_B1”中的值的下限和上限。默认情况下，最小值映射为黑色，最大值为白色。最小值和最大值之间的值在黑色和白色之间线性映射到灰度。小于8000绘制为黑色。大于17,000绘制为白色。。bands、min和max参数共同定义了可视化参数。4） 'Layer 1’：地图图层在Layer Manager中显示的标签。

       接下来，还可以使用 Inspector 工具查阅这幅图像。在Code Editor单击Inspector，并在图像中的某一位置单击， Inspector 面板将以以下三个类别显示该位置的数据：

       （1）• Point：地图位置数据。包括地理位置（经度和纬度）以及地图显示数据（缩放级别和比例）。

       （2）• Pixels：图层中像素数据。展开此选项，将看到地图图层名称，数据源描述。在示例中，可以看到“Layer 1”包含19个波段。在图层名称下，图表显示了点击位置每个波段数据集中的像素值。

       （3）• Objects：源数据集数据。

Map.addLayer( first_image, { bands: ['SR_B2'], min: 8000, max: 17000 }, 
             'Layer 2', 
             0, // shown 
             1 // opacity 
); 
Map.addLayer( first_image, { bands: ['SR_B3'], min: 8000, max: 17000 }, 
             'Layer 3', 
             1, // shown 
             0 // opacity 
);

       在上述代码中，Map.addLayer 函数调用中加入了两个额外的参数。一个参数控制图层是否显示，1（显示）或0（不显示）。另一个参数定义了不透明度，可以在0（透明）和1（不透明）之间变化。即“1,1”代表显示且完全不透明。

1.3 真彩色影像合成

       还可以使用颜色一次性比较每个波段图层中像素值的视觉差异，作为RGB合成图像。此方法使用三原色（红色、绿色和蓝色）来显示每个像素在三个波段上的值。结果被称为自然彩色合成图像，也称为真彩彩色合成图像。

Map.addLayer( 
    first_image, 
    { 
        bands: ['SR_B3', 'SR_B2', 'SR_B1'], 
        min: 8000, 
        max: 17000 
    }, 
'Natural Color');

1.4 假彩色影像合成

       Landsat影像包含的波段远远不止三个真彩色波段。我们可以制作RGB合成图像来显示任何波段的组合。例如，第四波段代表近红外波段，在针叶林和落叶林中具有不同的值，可指示作物健康状况。

Map.addLayer( 
    first_image, 
    { 
        bands: ['SR_B4', 'SR_B3', 'SR_B2'], 
        min: 8000, 
        max: 17000 
    }, 
'False Color');

       在这个伪彩色合成中，显示的颜色不再与波段自然配对，称为彩色红外合成，伪彩色合成比真彩色图像提供了更多的对比度，有助于理解场景中的差异。这表明其他波段可能包含更多有用的信息。使用以下代码来探索显示短波红外、近红外和可见绿光的合成图像：

Map.addLayer( 
    first_image, 
    { 
        bands: ['SR_B5', 'SR_B4', 'SR_B2'], 
        min: 8000, 
        max: 17000 
    }, 
'Short wave false color');