GEE（Google Earth Engine）代码学习笔记一快速入门

GEE 代码学习笔记一

 （GEE 基于JavaScript语言和python语言，我记录的是JavaScript语言）

1.GEE 快速入门 quick start.
2.基本语句

- 简单输出

print('Hello world!');

- 输出影像的元数据

print(ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318'));

- 加载影像到地图上（将影像加载到地图上，便可可视化地理数据）
用Map.addLayer() 方法实现。

// 加载影像
var image = ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318');// Center the map on the image.
Map.centerObject(image, 9);// Display the image.
Map.addLayer(image);

Map.centerObject()，是一个放大或缩小的水平,数字越大，尺度越大（zoom in）。

还可以附加参数配置显示参数Map.addLayer图层(). 例如：

// Load the image from the archive.
var image = ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318');// Define visualization parameters in an object literal.
var vizParams = {bands: ['B5', 'B4', 'B3'], min: 5000, max: 15000, gamma: 1.3};// Center the map on the image and display.
Map.centerObject(image, 9);
Map.addLayer(image, vizParams, 'Landsat 8 false color');

- 用Map.addLayer()加载矢量数据

 var counties = ee.FeatureCollection('TIGER/2016/Counties');
Map.addLayer(counties, {}, 'counties');

- 加载栅格数据

var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1');

  注意：e.Image（）加载单幅栅格影像，ee.ImageCollection （）加载一定时间段的即连续的影像，后面会细细记录。

- 确定研究区域，当研究区是一个点时，比如站点

var point = ee.Geometry.Point(-122.262, 37.8719);

括号里内容是经纬度。

- 根据时间筛选数据

var start = ee.Date('2014-06-01');
var finish = ee.Date('2014-10-01');

- 综上，筛选满足自己需求的数据

var filteredCollection = ee.ImageCollection('LANDSAT/LC08/C01/T1').filterBounds(point).filterDate(start, finish).sort('CLOUD_COVER', true);

.sort（）的内容根据数据元数据写
ee.ImageCollection(）加载的影像很多，可能速度慢。且影像集通过list存储在feature中，因此可以通过List（）选择。

var first = filteredCollection.first();

以下操作将创建一个过滤器，使用它过滤FeatureCollection并显示结果。

// Load a feature collection.
var featureCollection = ee.FeatureCollection('TIGER/2016/States');// Filter the collection.
var filteredFC = featureCollection.filter(ee.Filter.eq('NAME', 'California'));// Display the collection.
Map.addLayer(filteredFC, {}, 'California');

- 波段运算
eg：计算NDVI

 // This function gets NDVI from Landsat 5 imagery.
var getNDVI = function(image) {return image.normalizedDifference(['B4', 'B3']);
};// Load two Landsat 5 images, 20 years apart.
var image1 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_19900604');
var image2 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20100611');// Compute NDVI from the scenes.
var ndvi1 = getNDVI(image1);
var ndvi2 = getNDVI(image2);// Compute the difference in NDVI.
var ndviDifference = ndvi2.subtract(ndvi1);

- 循环
GEE没有循环操作，GEE中用map（）来循环数据集集合中的项。map（）函数可应用于ImageCollection、FeatureCollection或List，并接受函数作为其参数。函数的参数是它映射到的集合的元素。这对于以相同的方式修改集合的每个元素非常有用。

以下代码将NDVI波段添加到ImageCollection中的每个图像

// This function gets NDVI from Landsat 8 imagery.
var addNDVI = function(image) {return image.addBands(image.normalizedDifference(['B5', 'B4']));
};// Load the Landsat 8 raw data, filter by location and date.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1').filterBounds(ee.Geometry.Point(-122.262, 37.8719)).filterDate('2014-06-01', '2014-10-01');// Map the function over the collection.
var ndviCollection = collection.map(addNDVI);

- FeatureCollection中添加新属性
一个常见任务是向FeatureCollection中的要素添加新属性（或“属性”或“字段”）。在以下示例中，新属性是一个包含两个现有属性的计算：

// This function creates a new property that is the sum of two existing properties.
var addField = function(feature) {var sum = ee.Number(feature.get('property1')).add(feature.get('property2'));return feature.set({'sum': sum});
};// Create a FeatureCollection from a list of Features.
var features = ee.FeatureCollection([ee.Feature(ee.Geometry.Point(-122.4536, 37.7403),{property1: 100, property2: 100}),ee.Feature(ee.Geometry.Point(-118.2294, 34.039),{property1: 200, property2: 300}),
]);// Map the function over the collection.
var featureCollection = features.map(addField);// Print a selected property of one Feature.
print(featureCollection.first().get('sum'));// Print the entire FeatureCollection.
print(featureCollection);

ee.number()属性值必须被识别为数字才能使用add（）,collection的类型可以通过map（）改，比如：

// This function returns the image centroid as a new Feature.
var getGeom = function(image) {return ee.Feature(image.geometry().centroid(), {foo: 1});
};// Load a Landsat 8 collection.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1').filterBounds(ee.Geometry.Point(-122.262, 37.8719)).filterDate('2014-06-01', '2014-10-01');// Map the function over the ImageCollection.
var featureCollection = ee.FeatureCollection(collection.map(getGeom));// Print the collection.
print(featureCollection);

- Reduce
Reduce是在地球引擎中，通过时间、空间、波段、阵列和其他数据结构聚合数据的方法。例如，要合成ImageCollection，请使用reduce（）将集合中的图像减少为一个图像。
比如可以通过Reduce（），算得某个时间段的均值（我自己的理解）。

      // Load a Landsat 8 collection.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1')// Filter by date and location..filterBounds(ee.Geometry.Point(-122.262, 37.8719)).filterDate('2014-01-01', '2014-12-31')// Sort by increasing cloudiness..sort('CLOUD_COVER');// Compute the median of each pixel for each band of the 5 least cloudy scenes.
var median = collection.limit(5).reduce(ee.Reducer.median());

Reduce（）也是在由特征或特征集合定义的区域中获取图像统计信息的方法。假设任务是计算感兴趣区域内的平均像素值，请使用reduceRegion（）。

- reduceRegion
计算感兴趣区域内的平均像素值

// Load and display a Landsat TOA image.
var image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318');
Map.addLayer(image, {bands: ['B4', 'B3', 'B2'], max: 0.3});// Create an arbitrary rectangle as a region and display it.
var region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413);
Map.addLayer(region);// Get a dictionary of means in the region.  Keys are bandnames.
var mean = image.reduceRegion({reducer: ee.Reducer.mean(),geometry: region,scale: 30
});

- Masking（相当于质量控制，把质量不好的设为空值）
ee.Image图像中的每个像素都有一个值和mask，mask的范围为0（无数据）到1。mask后的像素（其中mask==0）被视为无数据。0<mask≤1的像素有一个值，但它是由数值计算的mask加权的。
可以使用mask使像素透明或将其从分析中排除。当mask值为零时，将mask像素。继续图像差异示例，使用遮罩显示差异间隔内NDVI增加和减少的区域：

// This function gets NDVI from Landsat 5 imagery.
var getNDVI = function(image) {return image.normalizedDifference(['B4', 'B3']);
};// Load two Landsat 5 images, 20 years apart.
var image1 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_19900604');
var image2 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20100611');// Compute NDVI from the scenes.
var ndvi1 = getNDVI(image1);
var ndvi2 = getNDVI(image2);// Compute the difference in NDVI.
var ndviDifference = ndvi2.subtract(ndvi1);
// Load the land mask from the SRTM DEM.
var landMask = ee.Image('CGIAR/SRTM90_V4').mask();// Update the NDVI difference mask with the land mask.
var maskedDifference = ndviDifference.updateMask(landMask);// Display the masked result.
var vizParams = {min: -0.5, max: 0.5, palette: ['FF0000', 'FFFFFF', '0000FF']};
Map.setCenter(-122.2531, 37.6295, 9);
Map.addLayer(maskedDifference, vizParams, 'NDVI difference');

在本例中，请注意，NDVI差异的mask由具有updateMask（）的陆地mask更新。这会将NDVI差异像素的mask设置为陆地mask，只要NDVI差异mask不为零。

mask对于从分析中排除数据也很有用。请考虑reduceRegion（）一节中的示例。假设任务是计算加州圣克拉拉县的季节平均NDVI，不包括多云像素。下面的示例演示了多个概念：过滤、映射、减少和云mask的使用：

// This function gets NDVI from a Landsat 8 image.
var addNDVI = function(image) {return image.addBands(image.normalizedDifference(['B5', 'B4']));
};// This function masks cloudy pixels.
var cloudMask = function(image) {var clouds = ee.Algorithms.Landsat.simpleCloudScore(image).select(['cloud']);return image.updateMask(clouds.lt(10));
};// Load a Landsat collection, map the NDVI and cloud masking functions over it.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA').filterBounds(ee.Geometry.Point([-122.262, 37.8719])).filterDate('2014-03-01', '2014-05-31').map(addNDVI).map(cloudMask);// Reduce the collection to the mean of each pixel and display.
var meanImage = collection.reduce(ee.Reducer.mean());
var vizParams = {bands: ['B5_mean', 'B4_mean', 'B3_mean'], min: 0, max: 0.5};
Map.addLayer(meanImage, vizParams, 'mean');// Load a region in which to compute the mean and display it.
var counties = ee.FeatureCollection('TIGER/2016/Counties');
var santaClara = ee.Feature(counties.filter(ee.Filter.eq('NAME', 'Santa Clara')).first());
Map.addLayer(santaClara);// Get the mean of NDVI in the region.
var mean = meanImage.select(['nd_mean']).reduceRegion({reducer: ee.Reducer.mean(),geometry: santaClara.geometry(),scale: 30
});// Print mean NDVI for the region.
mean.get('nd_mean').evaluate(function(val){print('Santa Clara spring mean NDVI:', val);
});

  春天好美噢~

这是我的wx公众号，要来看看不，似乎挺有趣哒
塞翁的读书笔记