本文仅仅是将GEE官网上的代码整理一下，一方面自学，另一方面自我监督。文中有些问题是我想不通的，还需经历时间来理解。
1 图像选择-image collection
1.1 clipped composite 图像裁剪
官网上给的代码截图：
逐行分析代码：
// Composite an image collection and clip it to a boundary.##此为案例目的，组合图像并裁剪至某范围。
// Load Landsat 7 raw imagery and filter it to April-July 2000.#此为加载影像的原始数据，时间限制
var collection = ee.ImageCollection('LANDSAT/LE07/C01/T1')
.filterDate('2000-04-01', '2000-07-01');
// Reduce the collection by taking the median.##通过中指来减小
var median = collection.median();
// Load a table of state boundaries and filter.##找到美国的某两个州的边界。
var fc = ee.FeatureCollection('TIGER/2016/States')
.filter(ee.Filter.or(
ee.Filter.eq('NAME', 'Nevada'),
ee.Filter.eq('NAME', 'Arizona')));
// Clip to the output image to the Nevada and Arizona state boundaries.##将输出的影像范围限制在美国的某两个州。
var clipped = median.clipToCollection(fc);
// Display the result.##显示结果
Map.setCenter(-110, 40, 5);##设置显示中心的三个参数，经度中心，纬度中心，放大比例。
var visParams = {bands: ['B3', 'B2', 'B1'], gain: [1.4, 1.4, 1.1]};##选取波段及对应组合增益的比例
Map.addLayer(clipped, visParams, 'clipped composite');##显示图层
问题：fc是边界，为什么裁剪它就行？日期筛选哪去了，跟mean有关系吗？有问题是好的，接下来的学习中，心中就会有一个目的，要把这些问题解决。
1.2 expression map
官网上给的代码截图：
逐行分析代码：
// Map an expression over a collection.##在选择影像之后，通过表达式出图。
//
// Computes the mean NDVI and SAVI by mapping an expression over a collection
// and taking the mean. This intentionally exercises both variants of
// Image.expression.##锻炼的是image表达式的变量
// Filter the L7 collection to a single month.##筛选一个月的影像。
var collection = ee.ImageCollection('LANDSAT/LE07/C01/T1_TOA')
.filterDate('2002-11-01', '2002-12-01');
// A function to compute NDVI.##通过设置一个函数，来自定义NDVI。
var NDVI = function(image) {
return image.expression('float(b("B4") - b("B3")) / (b("B4") + b("B3"))');
};
// A function to compute Soil Adjusted Vegetation Index.##通过设置一个函数，来自定义SAVI，与上面不同的是，这个函数中的自变量和定常数是额外定义的。
var SAVI = function(image) {
return image.expression(
'(1 + L) * float(nir - red)/ (nir + red + L)',
{
'nir': image.select('B4'),
'red': image.select('B3'),
'L': 0.2
});
};
// Shared visualization parameters.##定义一个出图的可视化标准，这个比较常用，颜色范围就是棕黄绿。
var vis = {
min: 0,
max: 1,
palette: [
'FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718',
'74A901', '66A000', '529400', '3E8601', '207401', '056201',
'004C00', '023B01', '012E01', '011D01', '011301'
]
};
Map.setCenter(-93.7848, 30.3252, 11);
// Map the functions over the collection, reduce to mean and display.
Map.addLayer(collection.map(NDVI).mean(), vis, 'Mean NDVI');##显示图层
Map.addLayer(collection.map(SAVI).mean(), vis, 'Mean SAVI');
1.3 filtered composite
官网上给的代码截图：
逐行分析代码：
// Filter an image collection by date and region to make a
// median pixel composite.##通过日期和范围筛选影像，做一个中值的像素组合。
//
// See also: ClippedComposite, which crops the output image##裁剪影像，而不是过滤输入。
// instead of filtering the input collection.
// Filter to only include images intersecting Colorado or Utah.##过滤遥感影像（与两州相交）
var polygon = ee.Geometry.Polygon({##定义面的边界。
coords: [[[-109.05, 37.0], [-102.05, 37.0], [-102.05, 41.0], // Colorado
[-109.05, 41.0], [-111.05, 41.0], [-111.05, 42.0], // Utah
[-114.05, 42.0], [-114.05, 37.0], [-109.05, 37.0]]],
geodesic: false
});
// Create a Landsat 7 composite for Spring of 2000, and filter by##创建影像，春季，边界过滤。
// the bounds of the FeatureCollection.
var collection = ee.ImageCollection('LANDSAT/LE07/C01/T1')
.filterDate('2000-04-01', '2000-07-01')
.filterBounds(polygon);
// Compute the median in each band, in each pixel.##计算每一个像元处的每一个波段的中值。
var median = collection.median();
// Select the red, green and blue bands.##选择结果的RGB三波段。
var result = median.select('B3', 'B2', 'B1');
Map.addLayer(result, {gain: [1.4, 1.4, 1.1]});
Map.setCenter(-110, 40, 5);
1.4 linear fit 线性拟合
官网上给的代码截图：
逐行分析代码：
// Compute the trend of nighttime lights from DMSP. ##计算夜光的趋势，来于DMSP。
// Add a band containing image date as years since 1990.##添加波段，自1990年以来的。
function createTimeBand(img) {##创建时间波段。
var year = img.date().difference(ee.Date('1990-01-01'), 'year');
return ee.Image(year).float().addBands(img);
}
// Fit a linear trend to the nighttime lights collection.##夜光选择的线性趋势。
var collection = ee.ImageCollection('NOAA/DMSP-OLS/CALIBRATED_LIGHTS_V4')
.select('avg_vis')
.map(createTimeBand);##根据年份找到遥感影像。
var fit = collection.reduce(ee.Reducer.linearFit());##定义一个表达式，线性趋势就出来了，问号1.
// Display a single image
Map.addLayer(ee.Image(collection.select('avg_vis').first()),
{min: 0, max: 63},
'stable lights first asset');
// Display trend in red/blue, brightness in green.
Map.setCenter(30, 45, 4);
Map.addLayer(fit,
{min: 0, max: [0.18, 20, -0.18], bands: ['scale', 'offset', 'scale']},
'stable lights trend');
问题：这个fit是怎么回事？
1.5 simple cloud score
官网上给的代码截图：
逐行分析代码：
// SimpleCloudScore, an example of computing a cloud-free composite with L8
// by selecting the least-cloudy pixel from the collection.##计算无云的组合。通过选择最小云像素。
// A mapping from a common name to the sensor-specific bands.
var LC8_BANDS = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B10'];##波段的标志
var STD_NAMES = ['blue', 'green', 'red', 'nir', 'swir1', 'swir2', 'temp'];##波段的实际颜色
// Compute a cloud score. This expects the input image to have the common##计算云分数，期待输入影像有相同的波段名字，然后通过传感器计算。
// band names: ["red", "blue", etc], so it can work across sensors.
var cloudScore = function(img) {##归一化值。函数的三个参数，影像，波段，值范围（上下限）。函数里面有一个小函数。
// A helper to apply an expression and linearly rescale the output.
var rescale = function(img, exp, thresholds) {
return img.expression(exp, {img: img})
.subtract(thresholds[0]).divide(thresholds[1] - thresholds[0]);
};
// Compute several indicators of cloudyness and take the minimum of them.##计算一些云的指数，然后取其最小值。
var score = ee.Image(1.0);
// Clouds are reasonably bright in the blue band.##云在蓝波段是亮的。
score = score.min(rescale(img, 'img.blue', [0.1, 0.3]));
// Clouds are reasonably bright in all visible bands.##云在可见波段是亮的。
score = score.min(rescale(img, 'img.red + img.green + img.blue', [0.2, 0.8]));
// Clouds are reasonably bright in all infrared bands.##云在红外线波段是亮的。
score = score.min(
rescale(img, 'img.nir + img.swir1 + img.swir2', [0.3, 0.8]));
// Clouds are reasonably cool in temperature.##云在温度上是凉爽的。
score = score.min(rescale(img, 'img.temp', [300, 290]));
// However, clouds are not snow.##云不是学。
var ndsi = img.normalizedDifference(['green', 'swir1']);
return score.min(rescale(ndsi, 'img', [0.8, 0.6]));
};
// Filter the TOA collection to a time-range and add the cloudscore band.##根据时间范围过滤，添加云指数波段。
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA')
.filterDate('2017-05-01', '2017-07-01')
.map(function(img) {
// Invert the cloudscore so 1 is least cloudy, and rename the band.##倒转云指数，本来最小值是云，现在最大值1是最少的云了。重命名这个波段。
var score = cloudScore(img.select(LC8_BANDS, STD_NAMES));
score = ee.Image(1).subtract(score).select([0], ['cloudscore']);
return img.addBands(score);
});
// Define visualization parameters for a true color image.
var vizParams = {bands: ['B4', 'B3', 'B2'], max: 0.4, gamma: 1.6};
Map.setCenter(-120.24487, 37.52280, 8);
Map.addLayer(collection.qualityMosaic('cloudscore'), vizParams);qualitymosaic不懂
问题：qualitymosaic是什么意思？
1.6 animated thumbnail 动态展示。
官网上给的代码截图：
逐行分析代码：
// Simple ImageCollection preview via animated GIF.##通过动态的GIF展示选择的image。
// The region of interest - a planar rectangle around Australia.##选择的地区是澳大利亚的正方形。
var rect = ee.Geometry.Rectangle({##设置面的边界。
coords: [[110, -44], [155, -10]],
geodesic: false
});
Map.addLayer(rect);##添加这个正方形的图层。
Map.centerObject(rect, 3);
// Select MODIS vegetation composites from 2018.##选择某时的某image的植被内容。
var collection = ee.ImageCollection("MODIS/006/MOD13Q1")
.filterDate('2018-01-01', '2019-01-01')
.select('NDVI');
// Add the first image to the map, just as a preview.##添加第一个image，来提前浏览一下。
var im = ee.Image(collection.first());
Map.addLayer(im, {}, "first image");##显示图层三个参数，第一个image本身，第二个颜色板，第三个是名字。
// Visualization parameters.##设置可视化的颜色板。
var args = {
crs: 'EPSG:3857', // Maps Mercator
dimensions: '300',
region: rect,
min: -2000,
max: 10000,
palette: 'black, blanchedalmond, green, green',
framesPerSecond: 12,
};
// Create a video thumbnail and add it to the map.##创建一个小视屏窗，然后添加到地图上。
var thumb = ui.Thumbnail({
// Specifying a collection for "image" animates the sequence of images.##设置一个选集，作为动画的播放顺序。
image: collection,##选择的影像集。
params: args,##可视化的要求
style: {
position: 'bottom-right',##动画位置
width: '320px'##动画窗的大小。
}});
Map.add(thumb);
1.7 landsat simple composite
官网上给的代码截图：
逐行分析代码：
// Composite 6 months of Landsat 8.
// Note that the input to simpleComposite is raw data.##输入原始数据集。
var l8 = ee.ImageCollection('LANDSAT/LC08/C01/T1');
// The asFloat parameter gives floating-point TOA output instead of##输出的是浮点型，而不是整型的。
// the UINT8 outputs of the default simpleComposite().
var composite = ee.Algorithms.Landsat.simpleComposite({
collection: l8.filterDate('2015-1-1', '2015-7-1'),
asFloat: true
});
// Pick a spot with lots of clouds.##挑选一个多云的点。
Map.setCenter(-47.6735, -0.6344, 12);
// Display a composite with a band combination chosen from:
// https://landsat.usgs.gov/how-do-landsat-8-band-combinations-differ-landsat-7-or-landsat-5-satellite-data
Map.addLayer(composite, {bands: ['B6', 'B5', 'B4'], max: [0.3, 0.4, 0.3]});##显示图层，设置RGB显示比例。
这次的学习就到这里了，希望帮助自己学到知识， 也可以帮助到需要的朋友。不足之处，还望见谅。
我是小白，生产不了代码。copyright from Google earth engine。