Google earth engine 中 Landsat-9调用和去云算法

最新推荐文章于 2024-03-10 09:00:00 发布

加菲猫毛球不懂

最新推荐文章于 2024-03-10 09:00:00 发布

阅读量622

点赞数

文章标签： python 开发语言

本文链接：https://blog.csdn.net/weixin_38332192/article/details/129665059

版权

Google Earth Engine GEE

Google Earth Engine (GEE) 是一个基于云的地理数据处理平台，可以用于处理和分析大量的地理空间数据。Landsat-9 是美国地质调查局 (USGS) 和美国航空航天局 (NASA) 合作的地球观测卫星项目，用于收集地表反射率、表面温度等遥感数据。

在 Google Earth Engine 中调用 Landsat-9 数据并进行去云处理，可以分为以下几个步骤：

导入 GEE 库：
首先，确保已安装了 Python 的 earthengine-api 库。然后，在 Python 脚本或 Jupyter Notebook 中导入所需的库：

import ee
ee.Initialize()

选择 Landsat-9 数据集：
可以通过以下方式选择 Landsat-9 数据集，并设置时间范围和区域：

# 设置时间范围
start_date = '2022-01-01'
end_date = '2022-12-31'

# 设置感兴趣区域 (通过经纬度坐标定义)
aoi = ee.Geometry.Rectangle([103.0, 30.0, 104.0, 31.0])

# 选择 Landsat-9 数据集
landsat9 = ee.ImageCollection("LANDSAT/LC09/C01/T1_SR").filterDate(start_date, end_date).filterBounds(aoi)

应用去云算法：
在 GEE 中，有多种去云算法可供选择。这里我们使用 Sentinel Cloud Score (SCS) 去云算法作为示例：

def sentinel_cloud_score(img):
    cloud_shadow = img.select('cloud_shadow')
    cloud = img.select('cloud')
    cirrus = img.select('cirrus')
    
    score = cloud.add(cloud_shadow).add(cirrus)
    
    return img.addBands(score.rename('cloud_score'))

# 应用去云算法
landsat9_cloud_score = landsat9.map(sentinel_cloud_score)

选择无云或低云图像：
根据所需的云量阈值，选择无云或低云图像：

# 设置云量阈值
cloud_threshold = 20

def mask_cloudy_images(img):
    return img.updateMask(img.select('cloud_score').lt(cloud_threshold))

# 应用云量阈值
landsat9_masked = landsat9_cloud_score.map(mask_cloudy_images)

可视化结果：
最后，可以使用 folium 库将去云后的图像可视化在地图上：

import folium

def add_ee_layer(self, ee_image_object, vis_params, name):
    map_id_dict = ee.Image(ee_image_object).getMapId(vis_params)
    folium.raster_layers.TileLayer(
        tiles=map_id_dict['tile_fetcher'].url_format,
        attr='Map Data &copy; <a href="https://earthengine.google.com/">Google Earth Engine</a>',
        name=name,
        overlay=True,
        control=True
    ).add_to(self)

folium.Map.add_ee_layer = add_ee_layer

# 创建地图
map