CBRSGEE专栏 | 4 The Remote Sensing Vocabulary（一）

1 理论介绍

      在GEE中，单张影像和影像集合是许多遥感分析的基础。有许多不同类型的卫星影像可供分析使用，但并非每个数据集都适合分析。为了选择最适合您分析的数据集，应考虑多个因素。其中包括数据集的分辨率，包括空间、时间和光谱分辨率，以及数据集的创建方式和质量等方面。

      数据集的分辨率可以影响结果的细粒度、准确性以及分析所需的时间等方面。例如，空间分辨率，表示单个像素覆盖的地球表面积。一项最近的研究比较了使用两个空间分辨率不同的数据集进行土地利用分类和峰值总悬浮物（TSS）负荷的结果。一个数据集的像素代表着地球表面的900平方米（30*30 m），另一个代表着1平方米（1*1 m）。较高分辨率的数据集（1平方米）对于土地利用分类具有更高的准确性，并更好地预测了整个研究区域的TSS负荷。另一方面，较低分辨率的数据集成本更低，需要更少的分析时间。时间分辨率和光谱分辨率也会对分析结果产生重要影响。

2 操作

2.1 搜索并查看影像集合信息

      GEE的搜索栏可用于查找影像并获取有关GEE数据集的重要信息。让我们使用位于GEE代码上方的搜索栏，查找有关Landsat 7 Collection 2的信息，将显示与该搜索词匹配的结果。点击USGS Landsat 7 Collection 2 Tier 1 Raw Scenes。窗口包含数据集的信息，包括描述、可用波段、图像属性以及数据使用条款。在窗口左侧，可以看到数据可用日期范围、数据集提供商网页链接以及集合摘要。此外，如果单击“See example”链接，GEE将打开一个新的代码窗口，其中包含使用该数据集的代码片段。点击窗口右上角按钮。这将在新窗口中打开相同的信息。

      您的“Landsat 7 collection 2”搜索词仍会显示在搜索栏中。这次，请按“Enter”键。这将打开一个搜索结果嵌套窗口。这个更完整的搜索结果嵌套窗口包含匹配搜索的每个数据集的简短描述，以帮助您选择要使用的数据集。点击“Open in Catalog”按钮，以在GEE数据目录中查看这些搜索结果。

2.2 空间分辨率

      空间分辨率与单个像素所覆盖的地球表面积有关。通常用线性单位表示，对于正方形像素的一边：例如，我们通常说Landsat 7具有“30米”彩色图像。这意味着每个像素的一边为30米，覆盖了地球表面总面积为900平方米。接下来，我们将可视化多个传感器捕获不同空间分辨率数据，比较不同像素大小对图像中信息和细节的影响。我们将选择每个ImageCollection中的一幅图像进行可视化。为了查看图像，我们将将其绘制为彩色红外图像，一种使用红外、红色和绿色波段的伪彩色图像。

2.2.1 MODIS（Aqua和Terra卫星）

      MODIS收集的红外、红色和绿色波段的常见分辨率为500米。这意味着每个像素的一边为500米，因此一个像素表示地球表面0.25平方公里的区域。使用以下代码将地图居中于旧金山机场，缩放级别为16。

// 
// Explore spatial resolution 
// 

// Define a region of interest as a point at San Francisco airport. 
var sfoPoint = ee.Geometry.Point(-122.3774, 37.6194); 

// Center the map at that point. 
Map.centerObject(sfoPoint, 16);

      在GEE搜索栏中搜索、获取关于MODIS数据的信息，并将其导入到GEE工作区。

      使用此代码导入“MOD09A1.061 Terra表面反射8天全球500米”图像集。导入的默认名称将显示在脚本顶部；将导入的名称更改为mod09。

// MODIS 
// Get an image from your imported MODIS MYD09GA collection. 
var modisImage = mod09.filterDate('2020-02-01', '2020-03-01').first(); 

// Use these MODIS bands for near infrared, red, and green, respectively. 
var modisBands = ['sur_refl_b02', 'sur_refl_b01', 'sur_refl_b04']; 

// Define visualization parameters for MODIS. 
var modisVis = { 
    bands: modisBands, 
    min: 0, 
    max: 3000 
}; 

// Add the MODIS image to the map. 
Map.addLayer(modisImage, modisVis, 'MODIS');

      在此数据集中，彩色红外图像的三个波段为“sur_refl_b02”（红外）、“sur_refl_b01”（红色）和“sur_refl_b04”（绿色）。

      您可能会惊讶地发现，通常被称为“正方形”的像素显示为平行四边形。像素的形状和方向由数据集的“投影”以及我们查看它们的投影所控制。大多数用户不必过多关注GEE中不同投影，因为它自动在不同坐标系之间转移数据，就像在此处一样。让我们查看像素相对于地面物体的大小。通过点击地图窗口右上角的“卫星”按钮，打开卫星底图以查看高分辨率数据进行比较。然后，减小图层的透明度。

      通过运行以下代码打印像素的尺寸（以米为单位）：在访问了MODIS NIR波段的投影信息后，我们在此处使用了 nominalScale 函数。该函数从投影信息中提取空间分辨率，以便以适合在屏幕上打印的格式显示。nominalScale 函数返回略小于规定的500米分辨率的值，这是由于MODIS数据的正弦投影以及像素与观测点（即卫星直接指向地球表面的地方）的距禞。

// Get the scale of the data from the NIR band's projection: 
var modisScale = modisImage.select('sur_refl_b02') .projection().nominalScale(); 

print('MODIS NIR scale:', modisScale);

2.2.2 TM

      TM传感器安装在Landsat 4和5卫星上。TM数据已经经过处理，空间分辨率为30米，从1982年至2012年处于活跃状态。搜索“Landsat 5 TM”，导入名为“USGS Landsat 5 TM Collection 2 Tier 1 Raw Scenes”的结果。与之前重命名MODIS集合的方式一样，将导入的数据集重命名为tm。在这个数据集中，彩色红外图像的三个波段分别称为“B4”（红外）、“B3”（红色）和“B2”（绿色）。在机场上方可视化TM数据，并与MODIS数据进行比较。注意，我们可以将可视化参数定义为变量，或者将它们放在Map.addLayer函数的大括号中。当您运行此代码时，TM图像将显示。请注意，与MODIS图像相比，您的屏幕上显示了更多像素。

// TM 
// Filter TM imagery by location and date. 
var tmImage = tm .filterBounds(Map.getCenter()) .filterDate('1987-03-01', '1987-08-01') .first(); 

// Display the TM image as a false color composite. 
Map.addLayer(tmImage, { 
    bands: ['B4', 'B3', 'B2'], 
    min: 0, 
    max: 100 
}, 'TM');

      与我们对MODIS数据所做的操作一样，让我们检查一下比例尺。比例尺以米表示：

// Get the scale of the TM data from its projection: 
var tmScale = tmImage.select('B4') .projection().nominalScale(); 

print('TM NIR scale:', tmScale);

2.2.3 MSI

      多光谱仪（MSI）搭载在由欧空局运营的哨兵2卫星上。红、绿、蓝和近红外波段以10米分辨率捕获，而其他波段以20和30米捕获。哨兵-2A卫星于2015年发射，2B卫星于2017年发射。在搜索栏中搜索“Sentinel 2 MSI”，并将“Sentinel-2 MSI: MultiSpectral Instrument, Level-1C”数据集添加到您的工作区。命名为msi。在这个数据集中，彩色红外图像的三个波段分别称为“B8”（红外）、“B4”（红色）和“B3”（绿色）。

// MSI 
// Filter MSI imagery by location and date. 
var msiImage = msi .filterBounds(Map.getCenter()) 
                   .filterDate('2020-02-01', '2020-04-01') 
                   .first(); 

// Display the MSI image as a false color composite. 
Map.addLayer(msiImage, { 
    bands: ['B8', 'B4', 'B3'], 
    min: 0, 
    max: 2000 
}, 'MSI');

      使用不透明度滑块将MSI图像与TM和MODIS图像进行比较。注意您可以在机场航站楼和周围景观中看到更多细节。10米的空间分辨率意味着每个像素大约覆盖地球表面100平方米的区域，这比TM图像（900平方米）或MODIS图像（0.25平方公里）的覆盖面积小得多。

      MSI显示的图像范围也比我们研究过的其他仪器小。缩小视图，直到您可以看到整个旧金山湾。MODIS图像覆盖整个地球，TM图像覆盖整个旧金山湾及向南延伸至蒙特雷周围地区，而MSI图像捕获的区域要小得多（图4.12）。

      检查MSI仪器的比例尺（以米为单位）：

// Get the scale of the MSI data from its projection: 
var msiScale = msiImage.select('B8') .projection().nominalScale(); 

print('MSI scale:', msiScale);

2.2.4 NAIP

      国家农业图像计划（NAIP）是美国政府通过空中传感器在美国大陆范围内获取图像的计划。大约每三年为每个州收集数据。根据州和收集日期的不同，图像的空间分辨率为0.5至2米。在搜索栏中搜索“naip”，并导入“NAIP: National Agriculture Imagery Program”数据集。将导入命名为naip。在这个数据集中，彩色红外图像的三个波段分别称为“N”（红外）、“R”（红色）和“G”（绿色）。

// NAIP 
// Get NAIP images for the study period and region of interest. 
var naipImage = naip .filterBounds(Map.getCenter()) 
                     .filterDate('2018-01-01', '2018-12-31') 
                     .first(); 

// Display the NAIP mosaic as a color-IR composite. 
Map.addLayer(naipImage, { bands: ['N', 'R', 'G'] }, 'NAIP');

      NAIP图像比哨兵-2 MSI图像更加空间详细。然而，我们可以看到我们的一张NAIP图像并没有完全覆盖旧金山机场。并按照之前的做法检查比例尺。

// Get the NAIP resolution from the first image in the mosaic. 
var naipScale = naipImage.select('N') .projection().nominalScale(); 

print('NAIP NIR scale:', naipScale);

      我们所检查的每个数据集都具有不同的空间分辨率。通过比较同一空间位置上的不同图像，您已经看到了MODIS大像素、TM（Landsat 5）和MSI（哨兵-2）中等像素以及NAIP小像素之间的差异。大像素数据集也称为“粗分辨率”，中等像素数据集也称为“中等分辨率”，小像素数据集也称为“细分辨率”。