GEE

GEE哨兵2数据NDVI计算

//sentinel2NDVIDemo//方法一：普通方式，通过将数学公式翻译为代码直接计算functionNDVI_V1(img){varnir=img.select("B8");varred=img.select("B4");varndvi=nir.subtract(red).divide(nir.add(red));returnndvi;}//方法二：将计算公式直接带入，通过解析字符串实现计
BNU_JW·2023-10-25 16:18

GEE图表——利用NOAA气象数据绘制气温预测图

简介气象预测是通过气象数据和模型对未来某一时间和地点的天气情况进行预测。具体步骤如下：1.数据采集：从气象观测站、卫星等获取气象数据，包括气压、水汽、风速、温度、降雨、云量等。2.数据清洗：对采集到的数据进行质量检查、处理和筛选，去除异常数据和不合理数据。3.数据处理：将清洗后的数据通过插值、平滑等方法处理成空间和时间上连续的气象场。4.模型选择：根据预测的时间范围、区域和目的，选择合适的气象模型
此星光明·2023-10-25 09:40

GEE图表——利用MODIS数据绘制同一点不同时序的NDVI均值ui.Chart.image.doySeriesByYear函数

简介1.登录GEE云平台（https://earthengine.google.com）。2.在左上角的搜索框中输入MODIS，点击“MODIS/006/MOD13A2”进入该数据集的页面。
此星光明·2023-10-25 09:30

GEE图表——利用chirps降水数据进行某个区域累计降水量的图表绘制

简介以下是在GEE云平台利用chirps降水数据进行某个区域累计降水量的图表绘制的具体步骤：1.打开GEE云平台的网站（https://code.earthengine.google.com）并登录账户
此星光明·2023-10-23 07:45

GEE：绘制土地利用类型面积分布柱状图

作者：CSDN@_养乐多_本文记录了，在GoogleEarthEngine（GEE）中进行随机森林分类后绘制不同类型面积分布柱状图的代码片段。
_养乐多_·2023-10-21 00:17

GEE案例——指定区域纯净森林提取分析（红和近红外波段）阈值法提取森林面积

本教程主要是利用影像波段的近红外和红波段的指数作为森林区域的筛选，利用大津法进行指定区域的森林夏季的遥感影像的红波段和近红外波段。简介：提取森林范围是遥感影像处理中的一项常见任务。以下是可能用到的一些步骤：1.数据预处理：首先，需要进行数据预处理，包括去除云、阴影和大气干扰等。2.影像分类：利用监督分类或非监督分类方法，将图像中的像素点分为不同的类别。其中，森林区域应该是其中的一个类别。3.像元连
此星光明·2023-10-20 09:58

GEE：对二值图层进行腐蚀和/或膨胀操作

作者：CSDN@_养乐多_腐蚀和膨胀是数学形态学图像处理中的两个基本操作，用于修改和分析二值图像（包含只有两个像素值的图像，通常是黑和白）。这些操作可用于处理遥感图像、地理信息系统（GIS）中的栅格数据以及其他领域的图像处理。腐蚀（Erosion）：腐蚀是一种用于缩小或减小物体的形态学操作。在腐蚀过程中，将一个固定大小的结构元素（通常是一个小的矩形或圆形区域）滑动遍历整个图像，当结构元素的中心与目
_养乐多_·2023-10-19 19:12

GEE代码修改替换内容-毕设版

文章目录修改内容数据名称梳理&思路代码的核心部分ArcGIS部分操作修改内容【MCD43A4.061】之前那个deprecated了，网友说可以用，但是我还是不用了。【研究区范围】NEChina→MLYR_China（替换数据）【作物底图】cornimage→CHN_Maize_2019（替换数据）【时间】2017、2018、2019、2020分别改为2019、2020、2021、2022。（VI
弱小又无助的恋恋恋·2023-10-19 09:33

Google Earth Engine（GEE）——非监督分类案例分析（森林非森林核其它）

本教程的主要目的是实现指定区域的森林非森林的分类，而样本点的选取都是随机选取的，我们加入的变量则按照DEM中的阴影和坡度作为参与分类的变量进行分析，最周通过kmeans聚类实现影像的分类.reduceNeighborhood（reducer，内核，inputWeight，skipMasked，优化）将给定的reducer应用于每个像素周围的邻域，由给定的内核确定。如果reducer只有一个输入，它
此星光明·2023-10-19 08:16

GEE——在GEE中计算地形位置指数TPI

简介：DEM中的TPI计算是指通过计算每个像元高程与其邻域高程的差值来计算地形位置指数（TopographicPositionIndex）。TPI是描述地形起伏度和地形形态的一个重要指标，可以用于地貌分类、土壤侵蚀、植被分布等领域。地形位置指数（TopographicPositionIndex，TPI）是用于描述地形微地貌的指数。它是一种基于DEM（数字高程模型）数据来计算的地形参数，通过比较某个
此星光明·2023-10-19 08:12

GEE 18：基于GEE平台的土地荒漠化监测与分析【论文复现】

1.2.1NDVI1.2.2Albedo1.2.3Normalizingindices1.2.4Calculatingthequantitativerelationship1.2.5CalculatingDDI2.GEE2.1
Amyniez·2023-10-18 21:32

GEE19：基于Landsat8的常见的植被指数逐年获取

植被指数逐年获取1.常见的植被指数1.1比值植被指数（Ratiovegetationindex，RVI）1.2归一化植被指数（NormalizedDifferenceVegetationIndex，NDVI）1.3增强植被指数（EnhancedVegetationIndex，EVI）1.4土壤调节植被指数（SoilAdjustedVegetationIndex，SAVI）1.5差值植被指数（Dif
Amyniez·2023-10-18 21:58

GEE开发之Sentinel-2计算NDVI和数据分析

GEE开发之Sentinel-2计算NDVI和数据分析1基础知识2影像、数据、变化趋势实现3一年内所有影像数据查看和下载3.1NDVI值影像获取3.2原始影像获取4月平均数据的变化趋势5月平均影像数据的查看和下载
等待着冬天的风·2023-10-18 17:46

【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提供了前所未有的机遇，但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。为解决这一问题，国内外涌现了许多全球尺度地球科学数据（尤其是卫星遥感数据）在线
_遇见jia·2023-10-18 11:03

GEE土地分类——我们在导出土地分类结果的时候需要花费好长时间的原因？

问题：我尝试将我的llc分类图像导出到GOOGLE云盘中。但导出运行时间需要很长时间才能完成。有什么帮助吗？链接到代码。https://code.earthengine.google.com/ad66737cbad17f3c489a1ebb438aa738原始代码：varL8=ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA"),water=/*color:#
此星光明·2023-10-18 08:33

Google Earth Engine（GEE）——计算两个影像集合间的相关性（MODIS中蒸散发数据和降水数据相关性）内涵统一两个影像之间的重分类和重投影以及影像的联合功能。

MODIS影像的蒸散发数据和降水数据之间的对比，期间几个关键技术点是要统一两个影像集合之间的坐标，这里以MODIS影像的坐标为准，在进行相关性分析过程中会涉及两个影像的链接，此外在计算相关性分析过程并没有使用GEE
此星光明·2023-10-18 08:32

GEE案例——AVHRR Pathfinder 5.3 版海面温度数据集（PFV53）逐日海面温度数据下载

数据简介：AVHRRPathfinder5.3版海面温度数据集（PFV53）是NOAA国家海洋学数据中心和迈阿密大学罗森斯蒂尔海洋与大气科学学院合作制作的全球海面温度数据集，每天两次，每次4公里。PFV53是使用基于SeaDAS的全新现代化系统，根据NOAA极地轨道卫星系列上的AVHRR仪器提供的数据计算得出的。PFV53数据几乎100%符合L3C产品的GHRSST数据规范2.0版，只有"sses
此星光明·2023-10-18 08:32

Google Earth Engine（GEE）——对于我们正确使用mean()和median()来使影像进行聚合

我有一个反复出现的问题，我无法完全理解和解释。在哪些情况下应用平均值mean（）可能更好，在哪些情况下应用中位数median（）更好？例如，当我想要对盆地中的降雨进行区域化时，我会为该盆地的shapefile应用平均reducer。但是，我有时会看到人们使用中位数。了解应用其中一种情况的最佳情况的人可以帮助我吗？首先我们在解决这个问题之前，看一下GoogleEarthEngine中对其的定义分别使
此星光明·2023-10-18 08:02

GEE（python）使用GPM降水数据进行趋势分析，MK检验等

目录1.引用库2.定义函数4.趋势分析及MK检验5.结果图像保存至本地这段时间有关GPM降水分析的一些代码总结：1.引用库#EditedbyXingluCheng2022.01.06#读取半小时降水数据变为日数据,获取超过90%阈值的总降水量importeeimportosimportthreadingimportnumpyasnpimportmatplotlib.pyplotaspltfromo
星露077·2023-10-18 08:29

（本篇仅用作本人记录写过的代码）GEE（python）批量降水产品转数组，并下载，以及分析降水数据频次强度

写这篇博客的心情是郁闷的，三个月以来因为研究思路和经验不足的问题，一直在推翻重做。这一次也毫不例外…跑了半个月的代码，又付诸东流了。本篇代码基于较新的定义方法小时极端降水的事件的定义：一小时及以上降水超过80%百分位值，连续8小时不超过80%百分值视为该事件结束，并且当日降水量达到90%百分位值。可惜最终出图效果差，被pass了。接下来记录，分析数据所写的代码：目录批量降水产品转数组分析降水数据频
星露077·2023-10-18 08:29

GEE——利用map函数获取指定时间范围内年份月份日期内的所有影像并求降水平均值

简介：本教程的主要目的就是获取长时间序列指定日期的降水平均值，也就是气象卫星每天具体小时的平均降水量，所使用的降水数据为全球预报系统（GFS）是由美国国家环境预报中心（NCEP）制作的天气预报模式。GFS数据集由选定的模式输出（如下所述）组成，作为网格预报变量。384小时的预报间隔为1小时（120小时以内）和3小时（120小时以后），时间分辨率为6小时（即每天更新四次）。使用"创建时间"和"预报时
此星光明·2023-10-18 08:56

【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提供了前所未有的机遇，但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。为解决这一问题，国内外涌现了许多全球尺度地球科学数据（尤其是卫星遥感数据）在线
思考的小猴子·2023-10-17 16:48

【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化教程

详情点击公众号链接：【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化教程第一：基础1、EarthEngine平台及应用、主要数据资源2、EarthEngine遥感云重要概念
慢腾腾的小蜗牛·2023-10-17 16:48

Google Earth Engine（GEE）——计算1990-2020年森林损失量面积并导出表格

这次实验的目标是1990-2020年几个矢量集合当中的森林损失量，用到的函数：ee.Reducer.frequencyHistogram()ReturnsaReducerthatreturnsa(weighted)frequencytableofitsinputs.返回一个返回其输入的（加权）频率表的Reducer。Noarguments.Returns:ReducerforEachBand(im
此星光明·2023-10-16 09:25

Google Earth Engine（GEE）——利用光谱距离函数实现滑坡监测以sentinel-2数据为例

当你想要检测多波段图像的变化时，一种有用的技术是计算两个图像之间的光谱距离和光谱角度。与未发生变化的像素相比，发生较大变化的像素将具有更大的距离。当没有合适的索引来检测变化时，这种技术特别有用。它可用于检测自然灾害或人为冲突后的变化。这里我们需要用到的函数：SpectralDistance(image2,metric)计算两幅图像之间每像素的光谱距离。如果图像是基于阵列的，那么只使用每个图像的第一
此星光明·2023-10-16 09:55

Google Earth Engine（GEE）——MODIS影像有云和无云面积以及占比计算，并将结果添加给影像属性

很多时候我们想进行modis影像面积的统计，我们再这里可以计算任何原有的波段，也可以计算NDVI等指数后的面积，当我们没有指数波段来运行的时候，我们可以选择其中光谱波段中的一个来继续分析，但是这里得注意，就是去云前后的每个波段的面积和我们想象中的是不同的，所以我们这里要认准哪一个波段，然后再进行操作，否则，计算结果会有很大的偏差，希望大家记住这点，请看下面的结果，去云前后的影像多波段面积对比。Ob
此星光明·2023-10-16 09:55

Google Earth Engine（GEE）——Landsat 9影像全波段影像下载（北京市为例）

本次的主要目的是实现影像全波段的下载，主要目的啊是展示如何下载全波段影像，这里没有进行QA波段去云，如果想要了解去云的话，可以参考以下文章连接：(103条消息)GoogleEarthEngine（GEE
此星光明·2023-10-16 09:25

Google Earth Engine（GEE）——2000-2020年RSEI分析（MODIS数据）以黄河流域为例

文中使用的数据：MOD09A1、MOD11A2和MOD13A1代码：varMOD09A1=ee.ImageCollection("MODIS/006/MOD09A1"),MOD11A2=ee.ImageCollection("MODIS/006/MOD11A2"),MOD13A1=ee.ImageCollection("MODIS/006/MOD13A1"),table=ee.FeatureCol
此星光明·2023-10-16 09:24

Google Earth Engine（GEE）——用MODIS数据 进行水体分析（以北京市为例）

本文主要是对比Landsat和sentinel数据两者在计算NDWI数据的差异和对比我们之前使用Landsat数据进行了水体提取分析，文章链接：(211条消息)GoogleEarthEngine——LANDSAT8波段计算黄河流域的归一化水体指数NDWI指数_此星光明2021年博客之星云计算Top3的博客-CSDN博客今天我们的目的就是使用Sentinel-2MSI:MultiSpectralIn
此星光明·2023-10-16 09:24

Google Earth Engine（GEE）——计算矢量集合中的面积以巴西为例

这里我们使用的是一个地图生物量的集合，公共项目集，这里主要的目的是通过建立attribute、classIds、outputName、scale、years、driverFolder，然后通过函数直接成为我们想要的集合然后计算面积和分别对各年份进行提取即可。代码：varasset="projects/mapbiomas-workspace/public/collection6/mapbiomas_
此星光明·2023-10-16 09:24

Google Earth Engine（GEE）——1981-2020年全球降水数据年均降水量直方图表示（北京市为例）

先对本次的数据做一个简单的介绍CHIRPSDaily:ClimateHazardsGroupInfraRedPrecipitationWithStationData(Version2.0Final)DatasetAvailability1981-01-01T00:00:00-DatasetProviderUCSB/CHGCollectionSnippetee.ImageCollection("UC
此星光明·2023-10-16 09:24

Google Earth Engine（GEE）——基于插值修补方法的区域人口弥补/填补/补缺（以北京为例）

同样在上一篇当中我们运用到了前后影像的插值修补方法进行了哨兵数据的NDVI空缺补差，这一次我们将利用该技术弥补人口的缺口该技术的另一个有用应用是在缺失的时间间隔内生成数据。我们将采用GHSL：2000年和2015年的全球人类住区层人口网格，并对其进行插值以创建2005年和2010年的人口网格。下图显示了我们试图实现的结果。让我们先看看结果
此星光明·2023-10-16 09:53

Google Earth Engine（GEE）——计算ECDI展示的代码2013-2020年6-8月份和循环下载以北京市为例

运行结果的下载的界面：ECDI的指数公式：'(SWIR1-NIR+SWIR2)/(SWIR1+NIR-SWIR2)'本次代码中所选的影像的百分比是2%-98%的像素之间。代码：vartable=ee.FeatureCollection("users/bqt2000204051/Beijing");Map.addLayer(table)Map.centerObject(table,8)varrmL4
此星光明·2023-10-16 09:53

Google Earth Engine（GEE）——用for双循环进行逐月数据下载以北京市为例

本次所用的函数：ee.ImageCollectionfilter(filter)Applyafiltertothiscollection.对这个集合应用一个过滤器。Returnsthefilteredcollection.Arguments:this:collection(Collection):TheCollectioninstance.filter(Filter):Afiltertoapply
此星光明·2023-10-16 09:53

Google Earth Engine（GEE）——sentinel-5p数据臭氧O3数据的下载（北京市为例）

上一期的文章：(151条消息)GoogleEarthEngine（GEE）——sentinel-5P数据批量下载（中国区域SO2密度案例）_此星光明2021年博客之星云计算Top3的博客-CSDN博客上次写到了一个关于
此星光明·2023-10-16 09:53

GEE案例——计算指定区域的云量所占的面积占比（以2019年-2022年北京市为例）

简介：这里我们使用哨兵2号数据，将北京市所在区域2019年-2022年之间的区域计算每张影像的云量计算和像素的数量，从而给出每张影像云量所占的百分比，并可以查看指定时间范围内的单张影像去云后的影像，这里会在地图中加载一个下拉框选取指定应影像。解译非常重要。云量是指遥感影像中云覆盖的程度，可以根据遥感数据中的反射率值和云的特征信息进行判断。遥感影像中的云覆盖会影响地物信息的提取和分析，因此需要对云量
此星光明·2023-10-16 09:20

GEE错误——利用selector选择指定的属性列表进行表格的导出（相关错误解析）

本文主要是利用目的是利用selector选择指定的属性列表进行表格的导出，这里的目的是我们就用这个表格选取指定的属性列表即可。相关错误：我正在尝试获取每个点的平均土壤值。代码运行良好，但我得到一个空白列。我可能必须添加.set或.get或其他东西，我尝试过但没有运气。您能否检查一下代码并帮助我正确导出点值。https://code.earthengine.google.com/2258e56526
此星光明·2023-10-15 08:12

GEE案例——如何进行重采样（分辨率由高分辨率降为低分辨率）以sentinel2为例重采样到1000米

简介：如何正确的将高分辨率影像降低为低分辨率？这里我们使用sentinel2影像数据作为研究，并最终将影像转化为1000米分辨率的影像聚合像素要在地球引擎中聚合像素，必须使用reduceResolution()函数。有关该函数的更多信息，请参阅《EarthEngine用户指南》。现在我们来看看如何将人口栅格聚合到较低分辨率的栅格中。首先，我们必须按所需分辨率计算投影参数。投影由CRS和CRS变换组
此星光明·2023-10-15 08:11

GEE——自GLDAS-2.0 每日流域模型批量导出逐月Terrestrial water storage水存量影像下载

数据介绍美国国家航空航天局全球陆地数据同化系统第2版（GLDAS-2）有三个组成部分：GLDAS-2.0、GLDAS-2.1和GLDAS-2.2。GLDAS-2.0完全采用普林斯顿气象强迫输入数据，提供从1948年到2014年时间上一致的序列。GLDAS-2.1采用模型和2000年至今的观测数据的组合。GLDAS-2.2产品套件使用数据同化（DA），而GLDAS-2.0和GLDAS-2.1产品是"
此星光明·2023-10-15 08:04

GEE：JavaScript 代码转化为 python 代码（geemap.js_snippet_to_py()函数使用）

GEE中有一个名为ee的Python库，可以让你在Python中访问GEE中的数据和函数。然而，直接从JavaScript代码转换成Python代码可能不是一件容易的事情，因为它们有很多不同之处。
此星光明·2023-10-14 03:42

Google Earth Engine（GEE）扩展——GEET的函数（JavaScript版本的快速辅助函数）

在这种情况下，我们将创建一个名为gee
此星光明·2023-10-14 03:11

GEE：使用中文做变量和函数名写GEE代码

最近在编写GEE代码的时候，无意中发现JavaScript已经能够支持中文字符作为变量名和函数名，这个发现让我感到非常兴奋。
_养乐多_·2023-10-14 02:35

Google Earth Engine (GEE) 提取某一位置时间序列值

本文讲述如何使用GEE下载指定卫星遥感/再分析数据集指定位置（实测站点位置）的时间序列值。
江北20190411·2023-10-14 01:08

Google Earth Engine（GEE）——全球陆地数据同化系统（GLDAS）摄取了卫星和地面观测数据产品提取温度分析

使用的数据：全球陆地数据同化系统（GLDAS）摄取了卫星和地面观测数据产品。它使用先进的陆地表面建模和数据同化技术，生成陆地表面状态和通量的最佳场。GLDAS-2.1是GLDAS第二版（GLDAS-2）数据集的两个组成部分之一，另一个是GLDAS-2.0。GLDAS-2.1类似于GLDAS-1产品流，升级后的模型由GDAS、分解的GPCP和AGRMET辐射数据集组合而成。GLDAS-2.1模拟于2
此星光明·2023-10-14 01:35

Google Earth Engine（GEE）——全球农田有机土壤碳和氮排放（1992-2018年度）数据集

粮农组织关于排水有机土壤的两个相关数据集提供了以下估计值：DROSA-A：用于农业活动（农田和放牧草地）的有机土壤面积（公顷）DROSE-A：这些土地利用下有机土壤农业排水的碳(C)和一氧化二氮(N2O)估计值（以千兆克计）。年度数据的分辨率为0.0083333X0.0083333（赤道约1公里），覆盖1992年至2018年期间的全球数据。粮农组织统计数据库的估计遵循政府间气候变化专门委员会（IP
此星光明·2023-10-14 01:35

Google Earth Engine (GEE) ——时间序列分析案例分析

问题如何为给定位置创建时间序列？如何在GoogleEarthEngine中绘制该时间序列？我如何使该情节具有交互性？目标加载高分辨率作物图像。动态选择纬度/经度以创建时间序列图。为选定点创建NDVI和EVI的时间序列。概述此代码允许用户根据在地图上动态选择的点动态生成时间序列图。时间序列显示了250m分辨率下归一化差异植被指数和增强型植被指数的16天复合数据。这些指数源自MODIS。
此星光明·2023-10-14 01:05

GEE|时间序列分析（二）

还是参考了上篇文章的文档和视频（GEE官方的视频教程）。一、谐波分析将回归模型进一步改进，以凸显NDVI的季节性。
difizuhvovs·2023-10-14 01:33

GEE|时间序列分析（三）

学习时间序列分析的第三天。。前两天自作主张选了另一个数据集，不知道代码哪里改错了，结果有点离谱。还是换回教程上的数据集，先把流程跑通再改。以下代码包括去趋势、谐波分析、自协方差和自相关：vartimeField='system:time_start';Map.centerObject(roi,4);functionmaskL8sr(image){varcloudShadowBi
difizuhvovs·2023-10-14 01:33

Google Earth Engine（GEE）提取点的土壤湿度

今天来分享下如何利用GEE提取点的土壤湿度，首先介绍一个数据集NASA/GLDAS/V021/NOAH/G025/T3H，里面包含很多数据集，包括气象、土壤、气温等数据，例如：CanopInt_inst
生态遥感监测笔记·2023-10-14 01:32

GEE：基于GLDAS数据集分析土壤湿度的时间序列变化

作者：CSDN@_养乐多_本篇博客将介绍如何使用GoogleEarthEngine（GEE）进行土壤湿度数据的分析。
_养乐多_·2023-10-14 00:59
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他