GEE(Google earth engine)中的Landsat影像的选择和去云（附代码）

我要当太空人！爸爸妈妈可高兴了

已于 2022-10-30 19:46:41 修改

阅读量1.1w

点赞数 20

文章标签： javascript 云计算数据挖掘大数据

于 2022-10-28 22:44:54 首次发布

本文链接：https://blog.csdn.net/weixin_46812066/article/details/127580270

版权

本文分享了获取校正过的Landsat影像及去云的方法。获取影像时推荐使用地表反射率数据，同时指出不同Landsat型号代码有差别、Landsat5数据时间的注意点。去云方面，介绍了函数去云和用median()两种方式，并给出提高精度和去云效果的建议，还分享了debug方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.获取校正过的Landsat 影像

在这里可以看到GEE提供的全部Landsat数据：Landsat Collections in Earth Engine | Earth Engine Data Catalog | Google Developers

随便点进去，比如Landsat8，有三个数据，一个是地表面反射率数据，一个是大气层顶部的反射率数据，一个是raw。大气层顶部的反射数据需要进行大气校正才可以得到地表反照率。而raw数据自带了一个simplecomposite函数可以一步实现大气校正+去云（但亲测效果真的很靠运气，而且不是很好）。所以我推荐直接用地表反射率数据，不必为难自己去做校正，自己去云小问题。

这里有个坑，地表反射率数据每一个波段都是空的！！！！！所以看到显示影像全是白色的时候不要害怕，本来就是这样的。请按照GEE的官方代码，自行套用，这个是Landsat8复制过来的代码：

var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
    .filterDate('2021-05-01', '2021-06-01');

// Applies scaling factors.
function applyScaleFactors(image) {
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  return image.addBands(opticalBands, null, true)
              .addBands(thermalBands, null, true);
}

dataset = dataset.map(applyScaleFactors);

var visualization = {
  bands: ['SR_B4', 'SR_B3', 'SR_B2'],
  min: 0.0,
  max: 0.3,
};

Map.setCenter(-114.2579, 38.9275, 8);

Map.addLayer(dataset, visualization, 'True Color (432)');

上面那个代码是在Terms of use 上面找的。注意！不同的Landsat型号的上面那个代码是有细微差别的！不可以用同一个代码（自己曾经栽坑）！

这里还有一个坑，Landsat5数据在1986后半年才有数据！虽然是1984才发射的！这里极易报错（如果不注意的话）。

数据搞到了，现在开始去云。

2.去云

很多代码直接无脑median()是很有问题的！有一些代码去云还是用mean()，这个更有问题！我下面的方法不一定是最方便的，但是应该是效果最好的。先说两种去云的方式：

（1）使用函数去云。

这是我在csdn经常看到的。怎么说呢......还是看运气。有时候去了和没去一个样，有时候也works.因为相关的文章很多，这里就不贴具体的博文了。

（2）用median()。

这个也是用得很多的。其实原理很直接明了，云的反射率很高，没有云的反射率就比较低，你先用cloud cover筛一遍，再用median也不错。但注意！一定要多多尝试cloud cover的阈值！不然很有可能你得到的结果精度不高，或者存在有些地方云还是没去掉。

我先说为什么可能得到的精度不高。某一个pixel，如果有好几张相片都拍到，如果你监测城市用地的变化，那如果你这个pixel用的是年初的，另外旁边一个Pixel用的是年末的，那么你这一块城市用地到底是什么个情况很难说。所以对于这种应用场景，建议你设置一个时间的range，挑冬天没什么云的时候来搞。如果你想看农用地，那么一年得多大变化啊，所以更应该设置时间range。至于云为什么去不掉就不用多说了，假设你这一块有云的影像超过了半数，那就去不掉。所以建议先一点一点提高cloud cover的阈值，直到他刚好能覆盖完整研究区。

上面这些经验真的我试了好几天！血泪教训！

代码贴出来（你看这个2的阈值肯定就是一点一点去试出来的，同时设置了一下时间）：

// Applies scaling factors for landsat 8.
function applyScaleFactors8(image) {
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  return image.addBands(opticalBands, null, true)
              .addBands(thermalBands, null, true);
}

var landsat8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
    .filterBounds(roi)
    .filterDate('2022-04-01', '2022-12-30')
    .map(applyScaleFactors8)
    .filter(ee.Filter.lt('CLOUD_COVER',2))
    .median();

我师姐和我说，最好不要像这样一句代码写这么长，这样debug的时候就比较费劲（不管了）。可以这样去debug，你复制https://code.earthengine.google.com/这个网址，打开一个新的网页粘贴上去，就开了一个新窗口，然后就可以快乐debug目标代码啦~代码里面的filter就不解释了，总之就是用3个filter去限制时间和空间和云量。

以上就是Landsat数据导入的全部内容啦~下次的内容是怎么做城市不透水面提取的年度变化！成果是下面这样：