赞
踩
以2016-2020年逐年降水数据下载为例,也可应用至其它卫星数据的下载。
01
数据过滤
以GPM: Monthly Global Precipitation Measurement (GPM) v6数据集为例,该数据集提供了2000年至2021年8月的降水数据,空间分辨率为0.1°。
(一)研究区加载
如果已经上传研究区数据的话可以直接import,如果研究区恰好是行政单元又没有上传边界数据的话可以用FAO的区划数据。这里调用的是FAO的全球500米一级行政区划数据,也就是省级行政区划数据。
这里使用.filter()函数进行属性选择,其中.eq()为“等于”, 'ADM0_NAME'和'ADM1_NAME'为筛选的字段名,'China'和'Guizhou Sheng'为该字段的值。
在数据筛选中除了.eq()外还会用到其它函数,例如在Sentinel-2数据进行云量选择时,会用到.lt()函数,用于筛选小于指定数值的数据。
最后使用Map.addLayer()对数据进行可视化,小火输入的三个参数依次为可视化数据、可视化方案和可视化后图层名称。
(二)降水数据过滤
选取研究区2016年的所有数据的降水波段,并进行均值合成。
同理,.filter()用于筛选过滤指定条件的数据,.calendarRange()用于时间过滤,第二行整体代码等价于:
.filterDate('2016-01-01','2017-01-01')//不包括2017-01-01
.filterBounds()用于位置过滤,筛选覆盖研究区的数据,用于此处是为了节省后面计算合成的运算资源。
.select()用于波段过滤,筛选需要的波段,如果需要多个波段,在()内输入多个波段即可。
.mean()用于均值合成,计算结果为经过某像元的所有影像值的均值,可根据研究需要替换为.median(),max(),min()等。
.clip()用于影像裁剪,需要注意的是()内输入只能为单幅影像
02
数据导出
导出影像到谷歌云盘的LST文件夹中
Export.image().toDrive()表示导出图像至云端硬盘中,其中.image可根据需要更换为table()等,.toDriver()可替换为.toAsset()或.toCloudStorage()。
folder和maxPixels可以不进行设置,将按默认值导出。
03
数据批量处理
若要对2016-2020年逐年数据进行处理,修改五次代码当然不是明智之举,可以使用for循环语句进行批量处理。
将以上代码进行修改即可进行批量处理,运行结果如下:
不足之处就是这种方法还需要挨个点击RUN进行导出,在python语言中可以直接导出小火伴们感兴趣的话可以进行研究。
部分代码
var FAO=ee.FeatureCollection("FAO/GAUL_SIMPLIFIED_500m/2015/level1");var china=FAO.filter(ee.Filter.eq('ADM0_NAME','China'));var guizhou=china.filter(ee.Filter.eq('ADM1_NAME','Guizhou Sheng'));print(guizhou);Map.addLayer(guizhou,{},'Guizhou');for(var i = 2016;i<=2020;i++){var precipitation = ee.ImageCollection('NASA/GPM_L3/IMERG_MONTHLY_V06') .filter(ee.Filter.calendarRange(i, i, 'year')) .filterBounds(guizhou) .select('precipitation') .mean() .clip(guizhou);Map.addLayer(precipitation, VisParam, i+'_year_'+'Precipitation');Export.image.toDrive({image: precipitation,//需导出的数据 description: i+"_"+"pre250", //导出名称 folder: "LST", //导出位置 region: guizhou, //范围 crs: "EPSG:4326", //投影 scale:250,//像元大小 maxPixels: 1e13//最大像素值 });}
本次代码链接可通过小火苗GIS后台
回复 GEE2 获取
戳
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。