英招

牢骚太盛防肠断，风物长宜放眼量

0%

批量下载卫星遥感影像与预处理(by GEE)

发表于 更新于 分类于 Valine：
采用Google Earth Engine下载sentinel-2的L2A(地表反射率)产品，并根据点shp批量提取区域的波段值

前言

Google Earth Engine网址： https://code.earthengine.google.com/

左上方窗口：

scripts:脚本界面，存储不同的任务代码

Docs:文档界面，查看函数帮助

Assets:数据界面，导入本地数据，shp文件推荐压缩成zip导入

上方窗口：代码界面，编写javascript代码

右上方窗口：

Inspector：图层信息界面，点击图层在此查看信息

Console：控制台界面

Tasks：任务管理界面，主要用于数据导出

代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
// 导入广东省水质站点并显示
var points = ee.FeatureCollection("projects/gee-lyq/assets/guangdong_WQ_point_WGS84");
Map.addLayer(points, {}, "Shapefile");
Map.centerObject(points);

// 定义时间范围
var startDate = '2020-01-01';
var endDate = '2023-07-01';

// 加载 Sentinel-2 L2A 数据集
var s2 = ee.ImageCollection('COPERNICUS/S2_SR')
  .filterDate(startDate, endDate)
  .filterBounds(points)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)); // 过滤云量小于10%的影像

// 去云处理函数
function maskClouds(image) {
  var qa = image.select('QA60'); // 云掩码波段
  var cloudBitMask = 1 << 10; // 10位表示云
  var cirrusBitMask = 1 << 11; // 11位表示卷云
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask);
}

// 应用去云
var s2Masked = s2.map(maskClouds);

// 获取所有波段
var allBands = ee.Image(s2Masked.first()).bandNames(); // 获取所有波段名

// 提取点波段值及影像时间
var results = s2Masked.map(function(image) {
  var date = image.date().format('YYYY-MM-dd HH:mm:ss'); // 获取影像日期
  var values = image.select(allBands).sampleRegions({
    collection: points,
    scale: 10, // 波段分辨率
    geometries: true // 保留点的几何信息
  }).map(function(feature) {
    return feature.set('date', date); // 添加影像日期信息
  });
  return values;
}).flatten(); // 合并所有影像的提取结果

// 打印结果到控制台
print('Extracted values:', results);

// 导出结果为 CSV
Export.table.toDrive({
  collection: results,
  description: 'Sentinel2_AllBands_Extraction',
  fileFormat: 'CSV'
});

备注

输出的任务数据在右侧窗口Tasks界面中，可导出至Google Drive后下载至本地

数据释义：

system:index：影像名称，如20200105T030119_20200105T030910_T49QHF_00000000000000000029_0

20200105T030119表示影像开始采集的时间

20200105T030910表示影像结束采集的时间

T49QHF表示影像所在的网格编号

00000000000000000029表示产品产品唯一标识，用于标识产品版本或处理历史的编号

_0表示数据版本号，0 表示初始版本（通常指第一次生成的产品），如果有后续更新或重新处理，版本号会递增

名称 波段中心波长（nm） 分辨率（m） 用途描述
B1 443 60 浅蓝带，大气校正和水体研究。
B2 490 10 蓝带，可见光部分，用于水体和植被监测。
B3 560 10 绿带，用于植被健康分析。
B4 665 10 红带，用于植被分析（如 NDVI）。
B5 705 20 红边带，用于植被分析，敏感于叶绿素含量。
B6 740 20 红边带，用于植被覆盖研究。
B7 783 20 红边带，用于植被状态监测。
B8 842 10 近红外（NIR）带，用于生物量监测。
B8A 865 20 窄 NIR 红边带，用于植被特性分析。
B9 945 60 水汽吸收带，用于大气校正。
B11 1610 20 短波红外（SWIR）1，用于云检测和土壤分析。
B12 2190 20 短波红外（SWIR）2，用于植被分析和地表分类。
名称 含义 描述
AOT 气溶胶光学厚度（Aerosol Optical Thickness） 表示大气中悬浮微粒对光的散射程度。用于大气校正。
MSK_CLDPRB 云概率掩膜（Cloud Probability Mask） 每个像素的云覆盖概率（0-100）。
MSK_SNWPRB 雪概率掩膜（Snow Probability Mask） 每个像素的雪覆盖概率（0-100）。
QA10, QA20,QA60 质量评估（Quality Assessment Bands） 不同分辨率下的质量掩膜（例如云、阴影）。
SCL 场景分类图层（Scene Classification Layer） 每个像素的分类（云、雪、水体、植被等）。
TCI_B,TCI_G,TCI_R 真彩色波段（True Color Image Bands） 蓝（B）绿（G）红（R）波段，用于生成真彩色图像。
WVP 水汽含量（Water Vapor Band） 水汽柱总量（以 cm 为单位），用于大气校正。

其中SCL数据分类为：

  • 1：不确定（No Data）
  • 2：暗特征或阴影（Dark Features or Shadows）
  • 3：云阴影（Cloud Shadows）
  • 4：植被（Vegetation）
  • 5：裸地（土地）（Bare Soils）
  • 6：水体（Water）
  • 7：积雪（Snow）
  • 8：云（Clouds）
  • 9：稀疏云（Thin Cirrus）
  • 10：中间浓度云（Medium Probability Clouds）
  • 11：高浓度云（High Probability Clouds）