基于GEE的Landsat影像拼接与导出

 USGS为每一颗Landsat卫星均提供了3级不同水平的数据产品，以满足开发、科研人员的需要。包括：Tier 1 (T1)、Tier 2 (T2)、Real Time (RT)。

T1数据是Landsat高质量数据，该数据适合进行时间序列分析；

T2数据是在处理过程中不符合一级标准的数据，但是其存在云层覆盖明显、地面控制不足、轨道信息不准确等问题，不能达到T1数据的几何校正精度；

RT数据经过2020年8月发布的第三版大气校正数据，Landsat8采用的是LaSRC地表反射率代码，是USGS专门为Landsat8数据设计的大气校正程序。

由于Landsat数据的分辨率较高，所以当研究区域较大时，需要下载多幅影像才能覆盖整个研究区域，不仅浪费存储空间，处理起来也相当耗费时间。

    所以下边为大家分享如何使用GEE对Landsat影像进行拼接，并筛选云量较少区域。之后对数据进行导出，方便大家在ENVI或者Arcgis中进行后续的处理研究。

//首先，导入自己的研究区矢量数据。此处为个人矢量数据位置
ROI=ee. FeatureCollection("users/……");

//选择数据集和合成数据的时间范围
var dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filterDate('2021-6-01', '2021-9-30')//此时间范围内云量较少
    .filterBounds(ROI)
    .filter(ee.Filter.lte('CLOUD_COVER',5))//云量设置
    .sort('CLOUD_COVER')//按云量排序
print(dataset)   

var mos=dataset.mosaic()
var mos_cl = mos.clip(ROI)
print(mos_cl)

//显示shp边界
Map.addLayer(ROI,{color:'yellow',fillColor: "00000000", width: 1},'liaoshi Boundary');

//显示ROI影像并且以321合成，后面命名
Map.addLayer(mos_cl,{bands:["B4","B3","B2"],gamma:1.3,max:108,min:15},'liaoshi Image');

//输出数据
Export.image.toDrive({
  image:mos_cl.int16(),
  description: 'Landsat8_2021_11',
  fileNamePrefix:'Landsat8_liaoshi',
  region:ROI,
  scale:30,
  crs: "EPSG:4326",
  maxPixels:1e13
})

注：此处导出方法为只有一副影像时进行导出，下方为大家提供多幅影像批量导出的封装函数，供大家更改代码以及数据批量导出时使用。

function exportImageCollection(imgCol, roi, scale) {
  var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]) 
                  .get("list");
  indexList.evaluate(function(indexs) {
    for (var i=0; i<indexs.length; i++) {
      var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
      image = image.toInt16();
      Export.image.toDrive({
        image: image.clip(roi),
        description: indexs[i],
        fileNamePrefix: indexs[i],
        region: roi,
        scale: scale,
        crs: "EPSG:4326",
        maxPixels: 1e13
      });
    }
  }); 
}

---

同名公主号同步更新，众多数据可在公主号【资源下载】中获取，如有问题可后台留言，大家一起交流沟通！