前言：

由于我要使用S2在2016-2020年时序数据进行作物分类，但GEE仅提供2018年后的S2 L2A数据（'COPERNICUS/S2_SR'），因此需要进行大气校正，同时由于需要的数据量大，因此需要批量处理。

大气校正的方法论文：（英文）一种传感器不变的大气校正方法：适用于哨兵-2/MSI和陆地卫星8/OLI (researchgate.net)

我的代码：（主要包括去云、大气校正、矢量裁剪、均值融合、显示和数据下载）

//加载 shpfile
var shpfile1 = ee.FeatureCollection('projects/ee-wenqikou/assets/qixia_0_09').filter(ee.Filter.eq('grid_label','6')).geometry()
//聚焦shp范围
Map.centerObject(shpfile1)
//显示shp
Map.addLayer(shpfile1)
//引入大气纠正方法
var siac = require('users/marcyinfeng/utils:SIAC');
//去云函数
function rmCloudByQA(image) {var qa = image.select('QA60');var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask);}
//数据函数，参数（开始日期，截止日期，云量筛选，融合形式，图像显示选择波段（这里仅支持真彩色））
// 其中，融合方式compositiontype: 0 min 1 mean 2 median 3 max
var compsition = function(startdate,enddate,cloudiness,compositiontype,bands){var image = ee.ImageCollection('COPERNICUS/S2').filterDate(startdate,enddate).filterBounds(shpfile1).filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloudiness))
//去云image = image.map(rmCloudByQA)
//批量大气校正image = image.map(siac.get_sur)
//融合（这样可以免本地拼接等if(compositiontype === 0){image = image.min().multiply(10000)}else if(compositiontype == 1){image = image.mean().multiply(10000)} //均值融合else if(compositiontype == 2){image = image.median().multiply(10000)}else image = image.max().multiply(10000)
//裁剪image = image.clip(shpfile1);
//数据显示if(bands == 432) {Map.addLayer(image,{min:0, max:3000, bands:["B4", "B3", "B2"]},'real'+startdate);}
//数据下载Export.image.toDrive({image: image,description: startdate,folder: 'qixia/grid/image/06',crs:"EPSG:4326",fileNamePrefix: startdate,region: shpfile1,scale: 10,maxPixels: 1e13
});return image}var ys = compsition('2021-02-15','2021-02-16',100,1,432)

关于Landsat7和Landsat8：

Landsat7:仅需要修改“siac.get_sur”为“siac.get_l7_sur”

Landsat8:仅需要修改“siac.get_sur”为“siac.get_l8_sur”

例子：

var ground_sensor = ee.Geometry.Point(-52.905090, -28.228550);
var polygon = ground_sensor.buffer(1000).bounds();//
var start_date = '2017-11-15';
var end_date   = '2017-11-30';var criteria = ee.Filter.and(ee.Filter.bounds(ground_sensor), ee.Filter.date(start_date, end_date));
var cloud_perc = 60;//Max cloud percentile per scene.    // -- Collections of Landsat 7, 8 and Sentinel 2 TOA data
var L8_col = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA').filter(criteria).filter(ee.Filter.lt('CLOUD_COVER', cloud_perc));var L7_col = ee.ImageCollection('LANDSAT/LE07/C01/T1_TOA').filter(criteria).filter(ee.Filter.lt('CLOUD_COVER', cloud_perc));var S2_col = ee.ImageCollection("COPERNICUS/S2").filter(criteria).filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloud_perc));// - Import the SIAC atmospheric correction module
var siac = require('users/marcyinfeng/utils:SIAC');// - Apply SIAC and retrieve bottom of atmosphere (BOA) reflectance
var L7_boa = siac.get_l7_sur(L7_col.first());
var L8_boa = siac.get_l8_sur(L8_col.first());
var S2_boa = siac.get_sur(S2_col.first()); // - Check and visualization
var Color_comp_01 = {bands:"B4,B3,B2", min: 0.0, max: 0.2, gamma: 1};
var Color_comp =    {bands:"B4,B3,B2", min:200, max:2000, gamma: 1};
Map.addLayer(S2_col.first(), Color_comp, 'TOA');
Map.addLayer(S2_boa, Color_comp_01, 'BOA');
Map.centerObject(S2_col.first())

GEE|在GEE对Sentinel-2、Landsat7、Landsat8进行批量大气校正、去云，并进行均值融合、裁剪、显示和数据下载相关推荐

GEE(Google earth engine)中的Landsat影像的选择和去云（附代码）
1.获取校正过的Landsat 影像在这里可以看到GEE提供的全部Landsat数据:Landsat Collections in Earth Engine | Earth Engine Dat ...
ENVI软件对Landsat-8数据进行辐射定标、大气校正、提取NDVI、估算植被覆盖度等操作【图说GIS】
目录一.前言二.数据下载第一步访问网站第二步登录账户第三步点击高级检索, 下载数据三.软件下载及安装四.辐射定标第一步打开数据第二步辐射定标五.计算区域平均高程第一步 ...
gee去云处理Landsat、Sentinel和Modis影像
gee去云处理Landsat.Sentinel和Modis影像 1.Landsat 和 MODIS影像的去云函数 function cloudfree_mod09a1(image){var qa = ...
利用GEE下载Landsat8影像并实现去云
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.去云二.数据获取与导出下载 1.获取数据 2.导出数据前言最近在使用GEE批量下载Landsat8数据,发现 ...
GEE（8）：使用MODIS填补由去云后的Landsat影像计算得到的NDVI数据
最近想要在GEE中使用Landsat影像计算一下广州的NDVI值,发现这片区域云覆盖较多,去云以后部分月份的数据很少,就造成NDVI计算结果缺失的问题.经过查阅相关资料,可以使用MODIS的NDVI产 ...
GEE学习笔记九十二：Sentinel-2 最新去云方法总结
关于影像去云实际上是非常复杂的算法来实现的,但是我们不是专业研究如何识别云的,所以我们采用被人已经研究好的成果来实现我们的需求就可以.在GEE如何上实现Sentinel-2去云,之前也专门提到过,这篇 ...
Google Earth Engine（GEE）——Landsat TOA影像一种新的去云方法
利用光学仪器获取的地球观测卫星图像需要自动和准确的云检测.云层检测的多时空方法通常比其单一场景的方法更强大,因为云层的存在在不同的采集中变化很大,而表面在广义上可以假设是静止的.然而,两个实际的限制通 ...
Google Earth Engine（GEE）——全球12级流域矢量数据免费下载（含数据下载链接）
HydroBASINS代表了一系列矢量多边形图层,在全球范围内描述了子流域的边界.该产品的目标是在全球范围内无缝覆盖不同尺度(从几十平方公里到几百万平方公里)的大小一致.分层嵌套的子流域,并由一个编码 ...
Google Earth Engine（GEE）——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
1简介 2背景 3在 Google Earth Engine 中使用 Landsat 8 进行预处理 3.1预处理级别示例. 3.2大气顶(TOA) 3.3表面反射率(SR) 3.4 Landsat ...

GEE|在GEE对Sentinel-2、Landsat7、Landsat8进行批量大气校正、去云，并进行均值融合、裁剪、显示和数据下载

前言：

我的代码：（主要包括去云、大气校正、矢量裁剪、均值融合、显示和数据下载）

关于Landsat7和Landsat8：

例子：

GEE|在GEE对Sentinel-2、Landsat7、Landsat8进行批量大气校正、去云，并进行均值融合、裁剪、显示和数据下载相关推荐

最新文章

热门文章