Google Earth Engine（GEE）—

在计算索引并生成高质量马赛克时，有一个明显的图像是异常值。我已经确定了图像，问题在于 B5 波段的值非常低，这使得索引具有非常高的值。

编号：哥白尼/S2_SR/20200829T174909_20200829T175522_T13UFP

代码：

var imageCollection = ee.ImageCollection("COPERNICUS/S2_SR"),geometry = /* color: #98ff00 *//* shown: false *//* displayProperties: [{"type": "rectangle"}] */ee.Geometry.Polygon([[[-103.99506389984352, 48.962358795597474],[-103.99506389984352, 46.88665586989701],[-99.68842327484352, 46.88665586989701],[-99.68842327484352, 48.962358795597474]]], null, false),geometry2 = /* color: #0b4a8b */ee.Geometry.Point([-102.87049298795543, 48.22935423511586]),geometry3 = /* color: #00ffff */ee.Geometry.Point([-101.57471425064051, 48.22316284019277]);//get veg bare soil water
function maskSCL(image) {var scl = image.select('SCL');var mask = scl.gte(4).and(scl.lte(6));return image.updateMask(mask);//.divide(10000);
}//calculate red edge chlorophyll index
var getIndices = function(img){var im = img.divide(10000);var CIre=im.select('B7').divide(im.select('B5')).subtract(1).rename("CIre");return im.addBands(CIre).copyProperties(img,['system:time_start']);
}function addDOY(im){var doy = im.date().getRelative('day', 'year');var doyBand = ee.Image.constant(doy).uint16().rename('doy')doyBand = doyBand.updateMask(im.select('B8').mask())var yr = im.date().get('year')var yrBand = ee.Image.constant(yr).uint16().rename('year')yrBand = yrBand.updateMask(im.select('B8').mask())return im.addBands(doyBand).addBands(yrBand)
}//max CIre from July-Sept
var dataset1 = imageCollection
.filterBounds(geometry)
.filter(ee.Filter.calendarRange(2018, 2021, 'year'))
.filter(ee.Filter.calendarRange(7, 9, 'month'))
.map(maskSCL)
.map(getIndices)
.map(addDOY)
.select('CIre', 'doy', 'year');var CIre_max = dataset1.qualityMosaic('CIre');Map.addLayer(CIre_max.select('CIre'),
{min:0,max:20,palette:['black','indigo','cyan','limegreen','yellow']},'CIre')
Map.addLayer(CIre_max.select('doy'),
{min:183,max:274,palette:['black','indigo','cyan','limegreen','yellow']},'doy')
Map.addLayer(CIre_max.select('year'),
{min:2018,max:2021,palette:['indigo','cyan','limegreen','yellow']},'year')// var index = dataset1
// .select('CIre')
// .reduce(ee.Reducer.percentile([98]))// //calculate band to use for quality mosaic of 98th percentile values
// // loop over image collection
// //get absolute difference from 98th percentile
// //convert to 1/abs dif + .1 to use as band for quality mosaic
// var forQM  = dataset1.map(function(x){
//   // get absolute difference of the percentiles with the CI
//   var selector = x.select('CIre').subtract(index).abs();
//   var selector_fixed = selector.eq(0).multiply(0.1).add(selector)
//   // invert to let the min diff be the largest value
//   var invsel   = ee.Image.constant(1).divide(selector_fixed);
//   // add inverted difference band to the image and name properly
//   return x.addBands(invsel.rename('selector_CIre'))
// });// // // // use the new selectors to perform the quality mosaic and add to map
// var CIre_p98QM  = forQM
// .qualityMosaic('selector_CIre')
// .select(['CIre', 'doy'])// Map.addLayer(CIre_p98QM.select('CIre'),
// {min:0,max:20,palette:['black','indigo','cyan','limegreen','yellow']},'CIre_p98')
// Map.addLayer(CIre_p98QM.select('doy'),
// {min:183,max:274,palette:['black','indigo','cyan','limegreen','yellow']},'doy_p98')///print trouble image
//ID COPERNICUS/S2_SR/20200829T174909_20200829T175522_T13UFP
//Think B5 is not right
var checkit = imageCollection
.filterBounds(geometry2)
.filter(ee.Filter.calendarRange(2020, 2020, 'year'))
.filter(ee.Filter.calendarRange(240, 242, 'day_of_year'))
print(checkit)
Map.addLayer(checkit.max(),{bands:['B4','B3','B2'], min:100,max:2000},'trouble_image')
Map.addLayer(checkit.max(),{bands:['B5'], min:100,max:2000},'trouble_b5')///nearby image same time period...B5 better
var checkit = imageCollection
.filterBounds(geometry3)
.filter(ee.Filter.calendarRange(2020, 2020, 'year'))
.filter(ee.Filter.calendarRange(240, 242, 'day_of_year'))
print(checkit)
Map.addLayer(checkit.max(),{bands:['B4','B3','B2'], min:100,max:2000},'nearby_image')
Map.addLayer(checkit.max(),{bands:['B5'], min:100,max:2000},'nearby_b5')

Google Earth Engine（GEE）——S2影像异常值相关推荐

Google Earth Engine (GEE) ——卫星影像的监督分类（svm）
问题 GEE 提供哪些机器学习技术? 如何对卫星图像进行监督分类? 如何评估分类器的准确性? 如何手动创建自己的几何图形? 目标练习查找无云图像和使用手绘几何导入学习训练和应用分类算法所需的基本功 ...
基于google earth engine(GEE)下载研究区域影像
基于google earth engine(GEE)下载研究区域影像当研究需要Landsat数据时,我们可以通过USGS官网或者地理空间数据云平台下载.由于地理空间数据云目前无法下载到较新的数据,可 ...
Google Earth Engine(GEE)批量下载代码（以 NDVI数据为例）
下载数据先准备工作(具体细节都能查到):科学上网谷歌邮箱,谷歌邮箱注册GEE账号. 一:导入需要下载边界shp文件. 标题找到自己的shp文件,导入除了sbx文件的所有文件. 导入成功命名ass ...
Google Earth Engine(GEE)——User memory limit exceeded（2）
上一次我们已经知道如何去进行避免这种错误的发生,有关详细内容,如果单单只是解决这个问题我们用到的是limit 和 first,上一次的博客在这里: (207条消息) Google Earth Engi ...
Google Earth Engine(GEE) 01-中输入提示快捷键Ctrl+space无法使用的问题
Google Earth Engine(GEE) 01-中输入提示快捷键Ctrl+space无法使用的问题 GEE中 Ctrl+space组合键用于代码输入快捷提示,能够提高编码的准确度和速度,但是, ...
使用Google Earth Engine (GEE)实现MODIS数据批量下载
使用Google Earth Engine GEE实现MODIS数据批量下载前言下载数据代码批量执行run任务关注公众号,分享GIS知识.ArcGIS教程.SCI论文与科研日常等前言上图是 ...
GEE（Google Earth Engine）消除影像色差——直方图匹配算法
色彩校正是处理卫星和航拍图像的重要过程.用于平衡多张图像颜色的常用技术是直方图匹配.虽然该算法已经存在很长时间,但可以大规模使用的免费和开源工具并不多.Mapbox 发布了一个名为rio-hist的开 ...
Google Earth Engine(GEE)——可视化动态图
代码: var geometry = /* color: #d63000 *//* shown: false *//* displayProperties: [{"type": & ...
Google Earth Engine 下载遥感影像——以Landsat 8数据为例
目录 1.Google Earth Engine(GEE)简介 1.1 开发环境 1.2 说明书 2.GEE账号注册 3.GEE 查询库内卫星影像以及调用 3.1 数据集Datasets 3.2 加载 ...
关于google earth engine(GEE)的一些想法与大胆预测
我接触GEE有两年了,GEE留给我的印象是:无所不能. 不管是从庞大的数据量,还是包含遥感的各类算法:随机森林.SVM.CNN,都让人惊讶. 从GEE的云端操作来看,传统遥感需要几个月做出来的全国ND ...

Google Earth Engine（GEE）——S2影像异常值

Google Earth Engine（GEE）——S2影像异常值相关推荐

最新文章

热门文章