0.背景

PIE-Engine可以下载的6种土地利用数据(仅限本人所知)，有10m、30m、1000m分辨率。

这两天连发了两篇使用PIE-Engine下载数据的推文，这一篇是终结篇。剩余的1000m分辨率的土地利用数据，感觉没什么价值，就不写了。

这一次数据来源是武汉大学黄昕教授团队制作的中国30米年度土地覆盖产品，该数据基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得。该数据集基于5463个独立参考样本，产品整体精度为79.31% 。

时间跨度为1985年、1990年-2019年。

1.准备工作

PIE engine是一个遥感云计算平台，类似与google earth engine。但可以直接连接。如果你会GEE，那PIE engine上手很快，两者基本上没有语法差别。
使用之前，打开pie engine的网址：

然后注册一个账户，之后选择产品与服务中的PIE engine Studio，进入编程界面。

2.数据加载

上传一个研究区的shp文件到PIE上，然后加载到编程界面，我上传的是四川省_资阳市_乐至县的行政区数据。待数据上传后，与GEE不同，该研究区不能直接调用，需要转为geometry类型:

//研究区加载 四川省_资阳市_乐至县
ROI= ROI.first().geometry();
Map.centerObject(ROI,9);
Map.addLayer(ROI, {color: 'FF0000', fillColor: '00000000', width: 1}, "ROI")

之后加载影像集，筛选时间，选择波段，镶嵌与裁剪:

//加载土地利用数据 筛选、镶嵌、裁剪
var ROI_landcover=pie.ImageCollection("WHU/CLCD").filterBounds(ROI).filterDate(startDate, endDate).select(["B1"]).first().clip(ROI);//显示土地利用数据
Map.addLayer(ROI_landcover,visParam,note)

3.数据导出

数据已经处理好了，我们现在可以直接导出。这里几乎和GEE差不多，选择下载区域、下载路径等:

//下载
Export.image({image:ROI_landcover,description: note,assetId: note,region:ROI,scale:30,maxPixels:1e13
});

有两个地方需要注意一下:

ppqq 如果你不知道下载区域大小，maxPixels记得设置大一点；

ppqq PIE数据处理完之后，在PIE资源里面，点击文件即可下载；

4.循环函数

由于我们需要下载多个时间段的数据，所以将上面的步骤封装为一个单独的下载函数，传入年份即可进行调用，下载对应年份数据:

function get_yearly_LandCover(year) {  //设置需要提取的年份var startDate = pie.Date.fromYMD(year, 1, 1);var endDate = pie.Date.fromYMD(year, 12, 31);//设置导出的文件名字var note=year+"_ROI"+"_LandCover_"+"CLCD" //加载土地利用数据 筛选、镶嵌、裁剪  var ROI_landcover=pie.ImageCollection("WHU/CLCD").filterBounds(ROI).filterDate(startDate, endDate).select(["B1"]).first().clip(ROI);//显示土地利用数据Map.addLayer(ROI_landcover,visParam,note)//下载Export.image({image:ROI_landcover,description: note,assetId: note,region:ROI,scale:30,maxPixels:1e13});
}

get_yearly_LandCover函数封装好之后，我们循环时间，下载1985年、1990-2019年数据：

//引用数据下载函数  在这里改时间，数据时间范围为1985年、1990年-2019年，需要下载哪一年的就使用get_yearly_LandCover(年份)
get_yearly_LandCover(1985)
//获取哪一年的，获取1900年到2019年
for(var i=1990;i<2020;i++){var year = parseInt(JSON.parse(i));get_yearly_LandCover(year)
}

运行整个函数，在5分钟内下载研究区的1985年-2019年的土地利用数据。因为这个数据是30m分辨率，而且进行了LZW压缩，处理速度和下载速度都很迅速。例如该博文的研究区每年的土地利用数据大小只有100KB。

5.代码链接

代码已经调整好了。PIE代码链接功能提供了两种方式。
一种是外部链接方式用于给非登陆用户使用:
https://engine.piesat.cn/engine-share/shareCode.html?id=f80612c42cc14a779c140b2788b05deb
一种是内部链接方式，直接在编辑器中打开用于给登陆用户直接使用:
https://engine.piesat.cn/engine/home?sourceId=f80612c42cc14a779c140b2788b05deb
另外附上一个展示链接：
https://engine.piesat.cn/user-app/15884411724&1985-2019_download

如果你需要下载自己的研究区，你需要做以下几个步骤:

上传研究区
加载研究区
将研究区名字为"ROI"
点击运行。

6.数据获取

GZH"锐多宝的地理空间"，回复武汉大学，即可获得1985-2019年全国土地覆盖30米数据

7.写到最后

我写PIE-Engine不是宣传PIE，只是这个工具确实有独到的地方，比如中文支持、不用代理、数据独特。比如在GEE里，基本上没有Land Cover数据，但PIE有，类型还不少，所以我用了。

虽然这个工具好处很多，但拉跨的地方也不少，我连着提交了数个BUG反馈。但总体而言瑕不掩瑜，希望国产软件越做越好。
可以前往“地信遥感数据汇”（https://www.gisrsdata.com/）获取更多数据。

批量下载1985-2019年研究区的30米土地利用数据相关推荐

10米土地利用数据按行政区下载
0.背景由于工作原因,接触PIE-Engine的机会比较多.这几天用PIE-Engine时,发现了里面有FROM_GLC的10米分辨率数据(2017年). 有这个数据,就可以直接用PIE-Engin ...
使用Python批量下载哨兵一号（sentinel-1）的精密轨道数据（precise orbit data）
使用Python批量下载哨兵一号(sentinel-1)的精密轨道数据 1. 安装Python及data_downloader包 2. 下载精密轨道数据与辅助数据 1. 安装Python及data_d ...
PIEGEE下载三款10米土地利用数据代码
0.背景 GEE已经上线了Esri和ESA的10米土地利用数据,PIE也上线了FROM_GLC的10米土地利用数据.汇总了这三款数据的下载方法. 1.ESA的10米数据下载第一步是设置参数,并加载E ...
欧空局10米土地利用数据下载教程
1.网站注册首先进入官网(https://viewer.esa-worldcover.org/worldcover) ,然后,点击Register: 然后填写真实信息(鼓励大家填写真实信息,以便于数 ...
小方法！如何批量下载各平台的商品图并快速生成csv数据包
相信做电商的都知道csv数据包的用处,因为它可以给卖家们提供快速上传宝贝,那么CSV数据包是怎样生成而来的呢?这对于新开店的新手,或对那些在做代理产品的商家们来说,数据包无疑是最大的用处了,那以后万一 ...
通过Python批量下载ASF EARTHDATA 影像数据（以12.5m DEM免费数据为例）
ASF EARTHDATA 网站提供了Python下载代码,因此非常方便,整体过程如下: 1.打开网址: https://search.asf.alaska.edu/#/ 2.登录 3.Dataset ...
GLC30三期土地利用数据按行政边界下载
0.背景由于工作原因,接触PIE-Engine的机会比较多.这几天用PIE-Engine时,发现了里面有Global Land 30的数据. 有这个数据,就可以直接用PIE-Engine导出已经裁剪 ...
微信公众平台接口调试工具json格式不对怎么搞_一步步教你打造微信公众号文章爬虫(3)-批量下载...
本文为本专题第3篇,如果你基础不错的话只看这一篇的讲解及源代码应该就能轻松实现批量下载所有文章了,基础稍差的可以先看一下前两篇,只要你有点基础,有点耐心,八成朋友都至少能照葫芦画瓢实现批量下载文章的功 ...
python下载微信公众号文章_一步步教你打造微信公众号文章爬虫(3)-批量下载
本文为本专题第3篇,如果你基础不错的话只看这一篇的讲解及源代码应该就能轻松实现批量下载所有文章了,基础稍差的可以先看一下前两篇,只要你有点基础,有点耐心,八成朋友都至少能照葫芦画瓢实现批量下载文章的功 ...

批量下载1985-2019年研究区的30米土地利用数据