平时做研究时,经常需要批量提取影像的时间序列值(如站点的连续LAI)这时使用GEE,几秒钟就可以得出结果。
做GEE的公众号实在是太卷太卷了,为了突出特色,以后我的GEE教程使用两种语言(Javascript & python)同时撰写,为不同语言的GEEer提供教程。
// LAI 2003-2014
var maskGoodQualityPixels = function(image){
var QC = image.select('FparLai_QC')
var bitMask = 1 << 0
return(image.updateMask(QC.bitwiseAnd(bitMask).eq(0)))}
var dataset = ee.ImageCollection('MODIS/006/MCD15A3H')
.filter(ee.Filter.date('2009-01-01', '2009-04-01'))
.map(maskGoodQualityPixels);
var dataset = dataset.select('Lai');
var ft = ee.FeatureCollection(ee.List([]))
var fill = function(img, ini) {
var inift = ee.FeatureCollection(ini)
var ft2 = img.sampleRegions({
collection: site,
properties:ee.List(['name']),
scale: 5000
});
var date = img.date().format()
var ft3 = ft2.map(function(f){return f.set("date", date)})
return inift.merge(ft3)
}
// Iterates over the ImageCollection
var newft = ee.FeatureCollection(dataset.iterate(fill, ft))
Export.table.toDrive({
collection: newft,
description: 'sample_get',
fileFormat: 'CSV'
});
JS代码链接:https://code.earthengine.google.com/36c64dabcd909fb3124c3a097cf0c1fd
JS代码说明:
接下来是python GEE实现同样的操作:
# LAI 2003-2014
site = geemap.shp_to_ee("D:/OneDrive/data/st_flux166.shp")
def maskGoodQualityPixels(image):
QC = image.select('FparLai_QC')
bitMask = 1 << 0
return(image.updateMask(QC.bitwiseAnd(bitMask).eq(0)))
dataset = ee.ImageCollection('MODIS/006/MCD15A3H').filter(ee.Filter.date('2009-01-01', '2015-01-01'))\
.map(maskGoodQualityPixels)
dataset = dataset.select('Lai')
out_dir = os.path.expanduser('~/Downloads')
out_dem_stats = os.path.join(out_dir, 'LAI.csv')
geemap.zonal_statistics(dataset, site, out_dem_stats, statistics_type='MEAN', scale=1000)
可以看到python GEE是真的短,因为吴秋生博士将功能封装成了geemap.zonal_statistics并支持imagecollection直接输入。同时还提供了统计的类型(平均值、最大值等等)。而且对于面矢量居然同样有用。
al_statistics并支持imagecollection直接输入。同时还提供了统计的类型(平均值、最大值等等)。而且对于面矢量居然同样有用。
人生苦短,我用python