GEE处理遥感空值（nodata）的方法

GEE在进行掩膜以后，难免会出现空值（nodata），如果不进行处理就会影响后续的空间分析与数理统计。本文基于Sentinel-2和Sentinel-3提出一种线性回归插值处理操作。操作简单，只需几行代码。代码分析如下：

varS2=ee.ImageCollection("COPERNICUS/S2_SR"),
S3=ee.ImageCollection("COPERNICUS/S3/OLCI"),
roi=ee.FeatureCollection("users/cdut/daying"),
point= eometry.Point([105.2435311900359, 30.630392078811834]),
S2_Cloud=ee.ImageCollection("COPERNICUS/S2_CLOUD_PROBABILITY");
// 建立去云函数
function CloudProbability(img,thread){var prob = img.select('probability')return img.updateMask(prob.lte(thread))
}var startDay = '2020-11-5'var endDay = '2020-11-12'var cloudMask = S2_Cloud.filterDate(startDay,endDay).filterBounds(point).map(function (image){return CloudProbability(image, 30);}).first()var S2_ndvi = S2.filterDate(startDay,endDay).filterBounds(point).sort('CLOUDY_PIXEL_PERCENTAGE').map(function(img){return img.normalizedDifference(['B8','B4'])}).first().updateMask(cloudMask).rename('S2_ndvi')
print(S2_ndvi,'S2_ndvi')
var S2_mean = S2_ndvi.reduceRegion({reducer:ee.Reducer.mean(),geometry:roi.geometry()})
print(S2_mean,'S2_mean')var S3_ndvi = S3.filterDate(startDay,endDay).filterBounds(point).map(function(img){return img.normalizedDifference(['Oa17_radiance','Oa08_radiance'])}).max()// .updateMask(cloudMask).rename('S3_ndvi')
var S3_mean = S3_ndvi.reduceRegion({reducer:ee.Reducer.mean(),geometry:roi.geometry(),crs:'EPSG:32648',scale:300,maxPixels:1e13})
print(S3_mean,'S3_mean')
var scale = ee.Image.constant(S2_mean.get('S2_ndvi')).divide(ee.Image.constant(S3_mean.get('S3_ndvi')))
print(scale)
var S3_ndvi_scale = S3_ndvi.multiply(scale)
var newimg1 = S2_ndvi.unmask(S3_ndvi)
var newimg2 = S2_ndvi.unmask(S3_ndvi_scale)
Map.addLayer(S2_ndvi,{min:0,max:1},'S2_ndvi')
Map.addLayer(S3_ndvi,{min:0,max:1},'S3_ndvi')
Map.addLayer(newimg1,{min:0,max:1},'newimg1')
Map.addLayer(newimg2,{min:0,max:1},'newimg2')

结果显示：
1）原始影像ndvi去云后：

2）利用同时期的Sentinel-3影像ndvi插值以后：

3）利用拉伸后的Sentinel-3影像ndvi插值以后：

结果分析：
不同类型传感器的遥感影像存在系统差异，如果直接填充，容易形成团块状误差（图2），拉伸后可以减轻这种影响（图3）。当然，拉伸处理只是最简单的处理方式之一，想要更多关于遥感数据填充、融合的算法吗？

关注我们
微信公众号：GEE遥感训练营
专注GEE遥感算法，包括遥感影像下载、遥感影像制图、遥感GIS空间分析、遥感生态评价、遥感影像融合、去干扰等多元遥感云计算，并分享前沿GEE知识。

GEE处理遥感空值（nodata）的方法相关推荐

php 递归到空如何处理,php递归调用删除数组空值元素的方法
这篇文章主要介绍了php递归调用删除数组空值元素的方法,涉及php递归调用操作数组的相关技巧,非常具有实用价值,需要的朋友可以参考下本文实例讲述了php递归调用删除数组空值元素的方法.分享给大家供大 ...
遥感图像场景分类方法总结
遥感图像场景分类一般假定相同类别的场景应该共享相似的特征信息,基于此,遥感图像场景分类方法可以分为三大类:基于底层视觉特征,基于中层视觉表达,基于高层视觉信息. 底层视觉特征:直接提取遥感图像的光谱, ...
哨兵2号Sentinel-2已经完成大气校正的L2A级遥感影像产品的下载方法
本文介绍在Sentinel哨兵遥感影像数据官网中,下载已经经过大气校正的Sentinel-2 L2A级遥感影像产品的方法. 由欧洲航天局发射的Sentinel-2(哨兵2号)卫星的遥感影像具有 ...
传统与深度学习遥感变化监测遥感技术路线与方法
传统与深度学习遥感变化监测遥感技术路线与方法基于多时相影像进行地表覆盖变化监测是遥感的一个重要应用,在城市违法建设监测.水政违法建设监测.森林砍伐监测等领域得到广泛应用.由于遥感算法.数据源质量等原 ...
气象数据相关分析及使用系列：遥感降水评估技术方法
[查看原文]气象数据相关分析:遥感降水评估技术方法专题遥感降水可以作为地面雨量计和雷达观测降水的补充,在偏远山区和缺资料地区更为适合.目前,学界有多种降水数据,每一种降水数据都有独特的方法制作.因此 ...
毕业设计-基于卷积神经网络的遥感图像语义分割方法
目录前言课题背景和意义实现技术思路一.相关技术理论二.基于残差融合和多尺度上下文信息的遥感图像语义分割方法三.基于注意力机制和边缘检测的遥感图像语义分割方法实现效果图样例最后前言
python遥感影像地物分类_基于轻量化语义分割网络的遥感图像地物分类方法与流程...
本发明属于图像处理技术领域: ,特别涉及一种地物分类方法,可用于土地利用分析.环境保护以及城市规划. 背景技术: :遥感图像地物分类,旨在取代繁琐的人工作业,利用地物分类方法,得到输入遥感图像的地物 ...
Arcgis中影像空值NoData处理及去除背景值
no.1 首先针对第一种情况就是去除影像的背景值,(具体情况就是你的遥感影像周围有大量的深色背景值,一般为255或者0,查看属性表可知) 处理:打开栅格计算器(raster calculator) ...
ArcGIS中ArcMap快速自动计算单一波段或多波段栅格遥感影像NDVI的方法
本文介绍在ArcMap软件中,快速对单一波段或多波段栅格遥感影像自动计算NDVI数值的方法. 计算遥感影像的NDVI值是一个很常见.也很基础的操作,基于ENVI.ERDAS等专业遥感影像数据处 ...

GEE处理遥感空值（nodata）的方法

GEE处理遥感空值（nodata）的方法相关推荐

最新文章

热门文章