GEE笔记-0-GEE教程

0 教程

0.0 官方文档

【摘自：https://blog.csdn.net/weixin_43360896/article/details/108853250】

• Google Earth Engine 官方地址
• 官方子网站系列：
  • GEE资源介绍
  • GEE资源列表：介绍了卫星影像和各种其他数据
• API文档介绍：多看API文档！有时候比网上找教程快多了
• 官方培训资料：中英文资料都有，挺全的
• 官方示例教程：硬核教程，值得多翻翻

0.1 吴秋生老师–Python

华东师范大学“生态学研究方法”研究生暑期学校——GEE及其生态学应用

• 授课教师： 吴秋生
• 单位： 美国田纳西大学地理系
• 链接： https://www.youtube.com/watch?v=IGSg_ygb-e4
• 代表： 开发geemap

GEE运算快的原理： 远程并行运算，因此适合用于做针对栅格的时间序列运算（垂向），而对于矢量数据处理能力有限（水平）

0.2 王金柱老师–JavaScript

链接： https://www.bilibili.com/video/BV1Sb411p7TQ/?vd_source=612e9dcddfb9f49b7674d92f75dd2c40

认识界面： 记得善用搜索框，可以直接搜索数据导入，可以搜索地点

• 代码及个人文件： 位于左上方
  • Scripts：存储代码
  • Docs：列举了经常用到的功能
  • Assets：个人文件，可以自己上传数据，分配内存为250G
• 代码编写区： 位于正中
  • Get link：点击后，在地址栏就出现了本文所有代码，可以直接复制给他人
• 数据报告区： 位于右上方
  • Inspector：用于查看具体数据
  • Console：终端命令台，只有在我们使用print输出的时候，才会显示对象
  • Tasks：任务栏，如需代码中要输出的时候，task中就会出现输出任务，设置输出文件夹
• 数据呈现区： 在下方
  • 点线面工具：用于添加点、线、面，也可以在Geometry Imports按钮中为添加的点线面增添属性；
  • Layers：调整显示图层；调整显示图层的透明度/波段

0.2.1 GEE的数据类型

GEE的数据类型可以分为：

• 参数型数据：String/Number/Array/List/Dictionary
• 空间类型数据：Geometry/Feature/FeatureCollection/Image/ImageCollection
• 特殊数据：卫星数据和矩阵数据

官方介绍为： The remainder of the guides are intended to illustrate important concepts about data types such as

• Image, The fundamental raster data type in Earth Engine.最基础的影像
• ImageCollection, a stack or time-series of images.长时间序列的影像集合
• Geometry, the fundamental vector data type in Earth Engine.基本的几何（点线面），没有属性
• Feature, or a Geometry with attributes.矢量数据，即有属性的点线面
• FeatureCollection, or a set of features.矢量数据集合
• Reducer, an object used to compute statistics or perform aggregations.对象计算统计和聚合
• Join, or how to combine datasets (Image or Feature collections) based on time, location, or an attribute property.
• Array, for multi-dimensional analyses.

我的人话：

• Image与ImageCollection代表的是栅格；
• Geometry、Feature和FeatureCollection代表的是矢量；
• Reducer是一个调用函数的接口，常见函数有image.reduceRegion和image.reduceRegions。

0.2.1.1 String

功能	代码	功能	代码
显示	print(string)	创建	ee.String()
拼接	string.cat()	替换	string.replace()
分割	string.split()	匹配	string.match
切片	string.slice()	长度	string.length()

var string_1 = ee.String('first_string')
var string_2 = ee.String('second_string')
var cat_string = string_1.cat(string_2) //拼接
var string_3 = string_1.replace('r','R') //把字符串1中的第一个'r'替换成'R'，若想替换全部的'r'，则需要('r','R','g')

0.2.1.2 Number

功能	代码
创建	ee.Number()
转换	number.int8()/number.uint8()/number.float()/number.double()
比较	number.eq()/number.neq()/number.gt()/number.lt()/number.and()/number.or()【返回1或0】
运算	number.abs()/number.round()/number.pow()/number.sqrt()/number.exp()/number.log()
位运算	Landset卫星的数据前几位是二进制，包含云层含量信息，可以通过位运算高效提取信息

0.2.1.3 List

功能	代码
创建	ee.List()/ee.List.repeat()/ee.List.sequence()
修改	list.set()/list.replace()/list.replaceAll()/list.insert()/list.zip()/list.sort()/list.remove()
查询	list.get()/list.length()/list.size()
Map	对List中的每个元素同时进行相同操作，遍历，也可以理解为循环。GEE中非常不建议循环，相当于抛弃了并行计算，故用Map

var listExm_1 = ee.List([1,2,3,'A','B',["hello","world"]]) //List的元素可以是数字、字符、字符串、列表
var listExm_2 = ee.List.repeat("hello",3) //List.repeat创建重复列表为：["hello","hello","hello"]
var listExm_3 = ee.List.sequence(start,end,step,number) //List.sequence创建有规律列表
var listExm_4 = listExm_1.set(4,'R')//List的第4个元素设置为'R'
var listExm_5 = listExm_1.zip(listExm_2)//Zip把两个list相应位置上的元素打包成小list，长度以短的为准[[1,"hello"],[2,"hello"],[3,"hello"]]

0.2.1.4 Array

Array（向量/数组）和List最大的区别是他有方向性，也就是说除了数据本身，数据的排列方式本身也包含信息。

功能	代码
创建	ee.Array()/ee.Array.identity()
修改	array.mask()/array.transpose()/array.uint8()
数学	array.eq()/array.neq()/array.gt()/array.gte()/array.lt()/array.lte()

var Aray_1 = ee.Array([[1],[2],[3]])//3*1的向量
var Aray_2 = ee.Array([[1,2,3]])//1*3的向量
var Aray_3 = ee.Array.identity(5)//创建一个5×5的，元素为1的，对角矩阵

var Aray_4 = ee.Array([[1,1],[2,2],[3,3],[4,4]])
var Aray_5 = ee.Array([[1,2],[3,4],[4,3],[2,1]])
var Aray_6 = Aray_4.eq(Aray_5)//判断相应位置是否相等，返回为[[1,0],[0,0],[0,1],[0,0]]

理解： 对数组进行mask处理，就是对相应位置判断是否存在，这就是ArcGIS中的掩膜的本质

如：
数组1=[[1,1],[2,2],[3,3]]
数组2=[[0],[1],[0]]
用数组2对数组1进行掩膜：数组3=数组1.mask(数组2)
数组3=[[2,2]]

0.2.1.5 Geometry

功能	代码
创建	ee.Geometry.Point()/ee.Geometry.MultiPoint()/ee.Geometry.LineString()/ 绘图工具
几何	geometry.transform()/geometry.centroid()/geometry.bounds()/geometry.buffer()
查询	geometry.area()/geometry.length()/geometry.distance()
转换	geometry.toGeoJSON()，gee对GeoJSON的支持大于对SHP的支持，SHP容易出现乱码

示例：

// 创建点
var Yeheshan = ee.Geometry.Point([107.9148,34.5587])//创建单点对象[刺槐样地]
var Yeheshan = ee.Geometry.MultiPoint([[107.9148,34.5587],[107.9336,34.5595]])//创建包含多个点的对象[刺槐,油松]
// 创建线
var SingleLine = ee.Geometry.LineString([[x1,y1],[x2,y2]])//创建点连成的线
var Lines = ee.Geometry.MultiLineString([[[x1,y1],[x2,y2]],[[x3,y3],[x4,y4]]])//创建多条线
var LineRing = ee.Geometry.LinearRing([[x1,y1],[x2,y2],[x3,y3],[x1,y1]])//创建闭合的线
// 创建面
var poly = ee.Geometry.Polygon([[x1,y1],[x2,y2],[x3,y3],[x4，y4]])//四个点决定的面
var poly = ee.Geometry.Rectangle([[x1,y1],[x2,y2]])//对角两个点决定的矩形

0.2.1.6 Feature

功能	代码
创建	ee.Feature/ 绘图工具
编辑	feature.transform()/feature.select()/feature.set()
几何	度转米、简化、中心、求四至、缓冲区；多个求并、求交叉、求差
提取	feature.geometry()/feature.get()/feature.Length()/feature.Area()

示例：

var poly = ee.Geometry.Polygon([[x1,y1],[x2,y2],[x3,y3],[x4，y4]])
var Feature_poly = ee.Feature(poly,{name:'故宫',location:'北京'})//赋予geometry属性
var Feature_select = Feature_poly.select(['name'])//只选中了name属性，赋值给新面，新面的属性只有name:'故宫'，常用于复制
var Feature_set = Feature_poly.set('name','Yeheshan')//更改属性
var Feature_set = Feature_poly.setMulti({'name':'Yeheshan','location':'Shanxi'})//更改属性
var Feature_geo = Feature_poly.geometry()//只保留空间形状，不包含属性
var Feature_name = Feature_poly.get('name')//只要属性，不要空间形状

0.2.1.7 FeatureCollection

举例： 整个中国有自己的属性（名称、面积、人口），而中国内部又有各个省份，也有各自的属性，上述放在一起就是FeatureCollection

功能	代码
创建	GEE自带/上传/ee.FeatureCollection()/手绘
编辑	.filterMetadata()/.limit()/.filterBounds()/.filter()/.select()/.union()/.set/.remap/.sort/.makeArray()
查询	.geometry()/.reduceToImage()
统计	`.aggregate_stats

GEE自带一些FeatureCollection数据，在搜索框输入table，可以看到提供的矢量文件。

对collection善用map命令，自己编写针对feature的函数，然后使用map将其应用至featureCollection的每个feature上！

编辑功能举例：

var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China");
//.filterMetadata()通过属性筛选
var Shandong = China.filterMetadata('SHENG','equals',37);//对源（Meta）数据进行筛选：选择SHENG字段equal 37的区域
//.limit() 排序筛选
var top5_provinces=China.limit(5,'SHENG',false) // 数量,筛选字段（可选，默认属性表顺序）,排序方式（可选，默认小到大True）
//.filterBounds()根据空间位置筛选
var Yeheshan = ee.Geometry.Point([107.9148,34.5587])
var Shanxi = China.filterBounds(Yeheshan)

//.filterDate()根据时间筛选[矢量集基本没有多时间的]
var L8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT")
var Landsat_f = L8.filterDate('2019-03-01','2019-03-16').limit(50)//limit的作用显现，GEE打印台最多能打500个，为了简要查看筛选效果，可以选择先打前50幅
print(Landsat_f)

var China_ID = China.select(['SHENG'])//select和feature的类似，主要用于数据复制
var China_dis = China.distinct(['SHENG'])//去除重复字段
var China_uni = China.union()//把FeatureCollection的各Feature集合成一个边界，即去除省界，只剩国界-->不好用
var Shandong_set = Shandong.set('SHENG',1)//更改属性

var China_array = China.makeArray(['SHENG','Area'],'New_a')//把多个属性字段如6和1000，生成一个新的属性字段[6,1000]

查询功能举例：

var China_geo = China.geometry()//仅保留geometry信息，即只保留空间形状，不包含属性
var China_tif = China.reduceToImage(['SHENG'],ee.Reducer.first())//相当于矢量转栅格的操作，运用的属性信息是'SHENG'，对于这样一个转换，使用的缩减器是first缩减器

统计功能举例：

//aggregate可以理解为对属性表的某一列进行统计:status是基本统计量，histogram是直方图...

0.2.1.8 Image

功能	代码
创建	ee.Image()
编辑	.mask()/.clip()/.select()/.slice()/.addBands()/.reproject()/.set()/.remap()/.where()/.clamp()/.eq()
地形	ee.Terrain.products()/ee.Terrain.fillMinima()
邻域	.focal_max()/.focal_min()/

编辑功能举例：

var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China")
var DEM = ee.Image("CGIAR/SRTM90_V4")

//mask掩膜操作，概念上是裁剪，本质上是告诉计算机，哪部分参与运算，哪部分不参与运算，不参与计算的区域不会删除[栅格vs栅格]
var DEM_Image = DEM.mask(Image)//用Image裁剪DEM
//clip裁剪操作，会删除裁剪之外的图像[矢量vs栅格]
var DEM_China = DEM.clip(China)//用中国边界裁剪DEM

var Image_select = Image.select('band_name')//按波段名称，挑选波段
var Image_select = Image.slice(2,5)//按波段顺序，挑选波段

var DEM_repj = DEM.reproject('EPSG:3857',null,100)//将DEM重新投影为'EPSG:3857'坐标系，使用默认参数，重投影后分辨率为100 m。[GEE中坐标系代号需要查询epsg.io]

var DEM_note = DEM.set('note','add note to this DEM')//修改 or 设置 Image的属性
var DEM_notes = DEM.setMulti({'author':'zhy','institute':'igsnrr'})//修改 or 设置 Image的属性

//数学运算
//.abs()/.round/.sqrt()/.exp()/.add()/.substract()/.multiply()/.divide()/.pow()/.sin()
var B5 = ee.Image(L8.select('B5'))
var B4 = ee.Image(L8.select('B4'))
var B3 = ee.Image(L8.select('B3'))
var NDVI = B5.subtract(B4).divide(B5.add(B3))
//.expresssion()
var evi = L8.expression(
    '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', {
      'NIR': L8.select('B5'),
      'RED': L8.select('B4'),
      'BLUE': L8.select('B2')});

//重分类
//将原图中的'landcover'属性，按相应位置，批量转化为后者，上述重分类中没有出现的值命名为8
var Old_Id = ee.List([11,14,20,30,40,50,60,70,90,100,110,120,130,140,150,160,170,180,190,200,210,220,230])
var New_Id = ee.List([0, 0, 0, 0, 1, 1, 1, 1, 1,  2,  2,  2,  3,  3,  3,  4,  4,  4,  5,  5,  6,  7,  8])
var Land_Cover = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3").select('landcover');
var Land_Remap = Land_Cover.remap(Old_Id,New_Id,8,'landcover')

//比较判断，返回1/0栅格: .eq/.neq/.gt/.gte/.lt/.lte 和 and/or
var night_Lights = ee.Image('NOAA/DMSP-OLS/NIGHTTIME_LIGHTS/F182013').select('stable_lights')
var urban = night_Lights.gte(20)//夜间灯光值大于20的点属于城市
var Low_Area = ee.Image("USGS/SRTMGL1_003").lt(200)//低于200的属于低地
var Low_Urban = urban.and(Low_Area)//上述两个的交集，为低地城市

//条件赋值
//将Land_Cover影像中，DEM小于4000的地区赋值为0
var DEM = ee.Image("USGS/SRTMGL1_003");
var Land_Cover = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3").select('landcover');
var High_Land = Land_Cover.where(DEM.lt(4000),0)

//区间截取
var DEM_Clamp = DEM.clamp(450,795)//将高程大于795米的地区赋值为795，小于450米的地区赋值为450

//归一化
var L8_One = ee.Image(ee.ImageCollection("LANDSAT/LC08/C01/T1")).first());
var L8_Unitscale = L8_One.unitScale(0,32767)//将0-32767的整数，归一化为0-1的float

地形功能举例：

var DEM = ee.Image('CGIAR/SRTM90_V4'); 
var Terrain = ee.Terrain.products(DEM);//生成的image包含三个波段：坡度、坡向、阴影
var DEM_Fill  = ee.Terrain.fillMinima(DEM,0,50);//填洼，填洼边界为0，栅格邻域大小为50

邻域操作举例： 邻域操作，即在搜索半径内的一个值符合条件，那么将该值定义为整个邻域的所有值

var OldIMAGE = ee.Image('MCD12Q1/MCD12Q1_005_2001_01_01').select('Land_Cover_Type_1');
var MaxIMAGE = OldIMAGE.focal_max(5,'circle','pixels');//以圆形（circle）的邻域，邻域大小为5个像素（pixels），该区域内所有值都替换为最大值
var MinIMAGE = OldIMAGE.focal_min(5,'circle','pixels');
var MedianIMAGE = OldIMAGE.focal_median(5,'circle','pixels');
var ModeIMAGE  = OldIMAGE.focal_mode(5,'circle','pixels');
//栅格的卷积操作:DEM.convolve【没看懂】
//栅格的邻域缩减操作:DEM.reduceNeighborhood【没看懂】

区域统计举例：

var DEM = ee.Image("USGS/SRTMGL1_003");
var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China")

var China_Mean = DEM.reduceRegion(ee.Reducer.mean(),China)//区域均值
var China_Histo = DEM.reduceRegion(ee.Reducer.histogram(),China)//区域直方图

栅格输出举例：

Export.image.toDrive({
  image:DEM_Clip,
  region:China
  })

0.2.1.9 ImageCollection

功能	代码
创建	ee.ImageCollection()/ee.ImageCollection.load()
筛选	.filterBounds()/filterDate()/filterMetadata()/.select()
求值	.mosaic()/and()/.or()/.sum()/.max()/.product()/.count()
转换	.first()/.toList()

举例：

var collection = ee.ImageCollection('NOAA/DMSP-OLS/NIGHTTIME_LIGHTS')//导入
var collection = ee.ImageCollection([image_1,image_2])//利用现有image生成imageCollection

//筛选
var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China_without_sea")
var L8  = ee.ImageCollection("LANDSAT/LC08/C01/T1_TOA")
            .filterBounds(China.geometry())//通过位置筛选
            .filterDate('2018-01-01','2018-12-31')//通过时间筛选
            .filterMetadata('CLOUD_COVER','less_than',0.1);//通过属性筛选

var L8_select = L8.select(['B5','B4','B3'],['Near infrared','Red','Green']);//筛选出B543，重命名为近红外/红/绿波段
var L8_Limit  = L8.limit(10);//GEE对于数据集最多允许5000条记录
print(L8,L8_Limit);

//合并，新的数据集有xxxx张地图，每张地图有'Coastal aerosol'和'Blue'两个波段
var Combine_1 = L8.select(['B1'],['Coastal aerosol'])
var Combine_2 = L8.select(['B2'],['Blue'])
var Combine   = Combine_1.combine(Combine_2)

//拼接，包含多幅Image的ImageCollection拼接后，变成了单幅的Image
//	重叠部分由后一幅Image完全覆盖前一幅Image
var L8_1 = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_127040_20180303').select('B5');
var L8_2 = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_128039_20130413').select('B5');
var L8  = ee.ImageCollection([L8_1,L8_2]);

var L8_Mosaci = L8.mosaic()

//运算
//sum()/mean()/max()/min()/product()，将有n张包含m个波段的Collection，运算后变为有1张包含m个波段的Image
var L8_Sum = L8.sum()
var L8_Product = L8.product()
var L8_Max = L8.max()
var L8_Min = L8.min()
var L8_Mean = L8.mean()

// toList/toArray() 操作
//	将ImageCollection转换成一个List，该列表的每个元素都是一个Image，主要用于与Get联合，获取任意位置的Image
var L8_List = L8.toList()
var Time_No_1 = ee.Image(L8_List.get(0))
var Time_No_2 = ee.Image(L8_List.get(1))
var Time_No_3 = ee.Image(L8_List.get(2))

实验： 用点对ImageCollection进行筛选是选择的点所在的卫星图像，例如：Landsat.filterBounds(ee.Geometry.Point([107.9148,34.5587]))

0.2.2 GEE的参数类型

0.2.2.1 Dates/DateRange

Date是时间点，DateRange是时间段。

Date举例：

//创建
var date_1 = ee.Date('1970-01-02')//'YYYY-MM-DD'，代表该日期的0时0分0秒
var date_2 = ee.Date(24*60*60*1000)//数字格式的时间点：距离起始时间1970-01-01的0时0分0秒的毫秒数
var date_3 = ee.Date.fromYMD(1992,05,10)//输入年月日：1992-05-10 00：00：00
var date_4 = ee.Date.parse( 'yyyy-MM-dd-HH-mm-ss','2019-03-27-16-26-12' );//自定义时间格式

//编辑
var Date_0 = ee.Date( '1970-01-01' );
var Date_1 = Date_0.advance(1, 'year' );//加一年
var Date_2 = Date_0.advance(1, 'month' );//加一月
var Date_3 = Date_0.advance(1, 'week' );//加一周
var Date_4 = Date_0.advance(1, 'day' );//加一天
var Date_5 = Date_0.advance(1, 'hour' );//加一小时
var Date_6 = Date_0.advance(1, 'minute' );//加一分
var Date_7 = Date_0.advance(1, 'second' );//加一秒

var Date_1 = ee.Date( '1992-05-10' );
var Date_2 = Date_1.update(2019,06,9);//修改为：'2019-06-09'

var Date_0 = ee.Date.fromYMD(1999,9,9);
var Date_FMT = Date_0.format('MM-dd-yyyy');//将时间格式修改为：'09-09-1999'

//提取
var Date_0 = ee.Date('2000-05-12');
var Date_Get = Date_0.get('year');//返回时间点的'year'为2000
var Date_Range = Date_0.getRange('month');//返回时间点所在范围，所在'month'范围是'2000-05-01'和'2000-06-01'
var Difference_Day = Date_1.difference(Date_2,'day');//求取两个时间单位之间差的'day'数

DateRange举例：

//创建
var Range_1 = ee.DateRange('2000-01-01')//1毫秒的长度
var Range_2 = ee.DateRange('2000-01-01','2019-03-28')
var Rang_Unbound = ee.DateRange.unbounded()//创建一个无穷时间量，包含任何时间段(-∞,+∞)

//联并
var Range_1 = ee.DateRange('1979-01-01','2008-01-01')
var Range_2 = ee.DateRange('2000-01-01','2019-03-28')
var Range_3 = Range_1.union(Range_2)//求并：DateRange: ['1979-01-01 00:00:00','2019-03-28 00:00:00']
var Range_4 = Range_1.intersection(Range_2)//求交：DateRange: ['2000-01-01 00:00:00','2008-01-01 00:00:00']

//查询，提取DataRange首尾的Data
var Range_Start = Range_1.start()
var Range_End   = Range_1.end()

//判断
var Range_5 = ee.DateRange('1979-01-01','2008-01-01')
var Range_6 = ee.DateRange('2000-01-01','2019-03-28')

var Right_Wrong_1 = Range_5.intersects(Range_6)//判断是否相交：true
var Right_Wrong_2 = Range_5.contains(Range_6)//判断6是否含于5：false

0.2.2.2 Filters/Joins

需求：

• GEE有海量数据，在得到数据后想要筛选出自己需要的数据：Filters
• 在获得数据后，想要把多种数据放在一起联系分析：Joins

Tips1： 之前提到的 filterBounds() / filterDate() 等方法，本质是 ee.Filter.Bounds / ee.Filter.Date()
Tips2： Collection筛选后，只有一幅图，但属性还是Collection，可以通过 .first() 将其转化为Image/feature

Filter举例：

//比较筛选器：eq/neq/gt/gte/lt/lte
var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China")
var CQ_Filter = ee.Filter.eq('NAME','Chong_Qing')//实例化一个筛选器：'NAME'=='Chong_Qing'
var CQ = China.filter(CQ_Filter).first()//应用筛选器

var CQ_Area = CQ.get('Shape_Area')
var Smaller_Than_CQ_Filter = ee.Filter.lt('Shape_Area',CQ_Area)//实例化一个筛选器：'Shape_Area'<重庆面积
var Smaller_Than_CQ_Provinces = China.filter(Smaller_Than_CQ_Filter)//应用筛选器

//最大差值筛选器：求得某一变量的差值小于某一阈值的所有区域
var Within_10_CQ_Filter = ee.Filter.maxDifference(10,'Shape_Area',CQ_Area)//'Shape_Area'与重庆面积差值小于10
var Within_10_CQ_Provinces = China.filter(Within_10_CQ_Filter)
//***应用：定义一个前后一天的筛选器

//字段筛选器
var Start_Shan = ee.Filter.stringStartsWith('NAME','Shan')//实例化一个筛选器：'NAME'以'Shan'开头
var End_Nan  = ee.Filter.stringEndsWith('NAME','Nan')
var Congtain_Bei = ee.Filter.stringContains('NAME','Bei')
...//应用筛选器

//使用列表筛选
var Name_List = ee.List(['Chong_Qing','Si_Chuan','Yun_Nan','Gui_Zhou'])//自定义列表
var Inlist_Filter = ee.Filter.inList('NAME',Name_List)//实例化一个筛选器：'NAME'在自定义列表中
var List_Features = China.filter(Inlist_Filter)//应用筛选器

//filter的组合
var Start_H = ee.Filter.stringStartsWith('NAME','H')//实例化一个筛选器：以'H'开头的省份
var End_n  = ee.Filter.stringEndsWith('NAME','n')//实例化一个筛选器：以'n'结尾的省份

var Filter_And = ee.Filter.and(Start_H,End_n)//结合筛选器：以'H'开头，并且 以'n'结尾的省份
var Filter_Or = ee.Filter.or(Start_H,End_n)//结合筛选器：以'H'开头，或者 以'n'结尾的省份
var Filter_Not = Filter_And.not()//结合筛选器：不是以'H'开头且'n'结尾的省份
...//应用筛选器

Join举例： 可以理解为属性表链接

//先不学了，有机会再看吧

0.2.2.3 Reducers

对Feature函数进行数理统计，或对Image函数进行空间分析。

Reducer的中文含义是“缩减器，减压器”。与筛选Filter相比，Reducer虽然也有“减少”的意思，但其更多的含义在于“通过分析后获得统计信息”上。比如有100个苹果，Filter处理后只剩下80个，而Reducer处理后得则可以到“平均重量”。总之，Filter着重于数量上的减少，而Reducer强调数学抽象的汇总。

ee.Reducer()命令创建的是一个 “名词” ，其发挥作用只能在于其他 “动词” 配合的前提下才能完成，本例中的动词是.reducerColumns()，可以理解为“列统计”。此外要注意.count 和 .countEvery的区别。.count是计算指定列的数据，如果数据缺失则不进行数量统计(例如某数据不存在“NAME”属性)，而.countEvery则是统计所有列的数据。

var China = ee.FeatureCollection("users/keatinggee/Administration/Boundary/China")

var Reducer_Count = ee.Reducer.count()//创建Reducer：统计数量
var Reducer_CountEvery = ee.Reducer.countEvery()//创建Reducer：每一个的数量
var Reducer_First = ee.Reducer.first()//创建Reducer：寻找第一个
var FrequencyHiso_Reducer = ee.Reducer.frequencyHistogram()//创建Reducer：统计某列每个要素出现的次数（频率统计）
var Tolist_Reducer = ee.Reducer.toList()//创建Reducer：将属性表中某字段的信息生成列表

//动作：属性表-列统计（reduceColumns）
var Provinces_Number_1 = China.reduceColumns(Reducer_Count,['NAME'])//统计了属性表中，'Name'这一列的个数
var Provinces_Number_2 = China.reduceColumns(Reducer_CountEvery,[ ])//统计了整个属性表每一列的个数
var Provinces_First = China.reduceColumns(Reducer_First,['NAME'])//返回了'Name'这一列的第一个值：'YunNan'
var City_Frequency = China.reduceColumns(FrequencyHiso_Reducer,['NAME_1'])//统计了'NAME_1'的频率
var City_List = China.reduceColumns(Tolist_Reducer,['Name_City'])//生成了'Name_City'的列表

与上述类似的，还可以对属性表的某列进行如下操作：

代码	功能	代码	功能	代码	功能
.product()	连乘积	.sum()	求和	.mean()	求均值
.variance()	求方差	.sampleVariance()	样本方差	.stdDev()	标准差

还可以进行线性拟合（.linearFit()），例如得到一个像素温度随时间的变化趋势（线性拟合的斜率）