gee专题
GEE案例分析——Sentinel-1数据的地形校正和斑点滤波Lee-sigma
Lee-Sigma滤波 Lee-Sigma滤波是一种用于处理合成孔径雷达(SAR)图像中斑点噪声的算法。它基于Lee滤波器的原理，并引入了Sigma滤波器的概念，以改进对噪声的抑制效果，同时尽量保持图像的细节。下面是Lee-Sigma滤波的基本原理和步骤： 1. **基本原理**：Lee滤波器是一种自适应的统计滤波器，它利用图像中每个像素点周围邻域像素的统计信息来估计该像素点的噪声，并对其进行
GEE案例分析——利用双向反射分布函数（BRDF）Sentinel-2数据进行地形校正
双向反射分布函数 双向反射分布函数（Bidirectional Reflectance Distribution Function，简称BRDF）是遥感和计算机图形学中的一个重要概念，用于描述地表或任何表面对入射光的反射特性。BRDF 是一个定义良好的物理量，它量化了表面反射光的强度如何依赖于入射光的方向和观察者（或传感器）的观察方向。 以下是BRDF： 1. **定义**：BRDF 是一个
GEE APP——使用Sentinel-5p数据制作空气质量（气溶胶、甲烷、臭氧和二氧化氮）监测应用程序（北京市为例）
简介 空气质量是环境健康的一个重要方面，直接影响生态系统和人类的福祉。随着空气污染的后果日益明显，监测和了解大气参数的动态已成为当务之急。通过该项目，我们旨在利用卫星数据的能力，尤其是 2017 年 10 月 13 日发射的哨兵-5P 号卫星的数据，深入了解二氧化氮（NO2）、臭氧（O3）、二氧化硫（SO2）、一氧化碳（CO）、甲醛（HCHO）、甲烷（CH4）等关键大气成分，以及云层覆盖率和气溶
GEE案例分析——利用多时 Sentinel-1/2 和 Landsat-8/9 遥感数据在GEE中使用机器学习方法进行作物类时序分类
摘要 准确绘制作物类型图对于确保粮食安全至关重要。遥感（RS）卫星数据空间覆盖面广，时间频率高，是这一领域前景广阔的工具。然而，由于作物的类内和类间变异性很高，利用 RS 数据进行准确的作物类型分类方法的需求仍在不断增长。为此，本研究提出了一种新颖的并行级联集合结构（Pa-PCA-Ca），在谷歌地球引擎（GEE）中包含七个目标类别。Pa 部分由五个并行分支组成，每个分支利用多时 Sentinel
GEE数据集——高分辨率全球树冠高度地图（1 米）Meta 公司
高分辨率 1 米全球树冠高度地图 简介 全球树冠高度地图数据集提供了对全球树冠高度的全面了解，有助于对森林生态系统、碳固存和气候变化减缓工作进行精确监测。该数据集由 Meta 和世界资源研究所合作开发，是了解森林结构和动态的基石。通过融合最先进的卫星图像和先进的人工智能技术，该数据集达到了无与伦比的详细程度。通过分析 2009 年至 2020 年的卫星图像，重点分析 2018 年至 2020
GEE案例——广东省梅州市梅县区松口镇的梅江横山水灾监测（利用sentinel-1和大津法计算洪水时序面积）
背景 2024年4月5日晚，广东省气象部门发布消息称，4月5日0时到20时，广东中北部出现了暴雨到大暴雨，其中从化吕田累计雨量最大达到225.7毫米。累计降水量达到大暴雨的地方还包括惠州龙门县永汉镇205.2毫米、清远佛冈县水头镇188.6毫米、韶关新丰县梅坑镇174.5毫米、河源东源县新回龙镇166.1毫米。 2024年4月7日13时19分起，据市气象台监测，广州市达到启动气象灾害（暴雨）Ⅲ
如何利用ChatGPT辅助下处理：ENVI、GEE、Python等遥感数据
遥感技术主要通过卫星和飞机从远处观察和测量我们的环境，是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型，在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。ChatGPT先进人工智
重磅！结合AI、高光谱与GEE的双碳目标智能监测与模拟前沿
以全球变暖为主要特征的气候变化已成为全球性环境问题，对全球可持续发展带来严峻挑战。2015年多国在《巴黎协定》上明确提出缔约方应尽快实现碳达峰和碳中和目标。2019年第49届 IPCC全会明确增加了基于卫星遥感的排放清单校验方法。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。 卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成
基于GEE遥感影像处理和长时序土地分类以及生物量估算分析
简介 Google Earth Engine云平台是目前全球范围内测绘领域内使用最为广泛的遥感云计算平台，其凭借强大的数据存储和云计算能力，极大了提高了全球科研工作者的科研产出，每年借助GEE平台发布的各类期刊论文超1000篇，在海量遥感数据的今天，如何快速实现GEE云平台的数据处理、数据分析和成果转化成为目前众多学科的老师和学生的必备技能。特别是在长时间序列的研究中，如何克服大面积范围数
GEE训练——如何确定影像数据集多个指定时间范围的影像数量（sentinel-1数据为例）
简介 本次我们使用sentinel-1数据集对4个不同时间段的影像进行数据筛选，也就是确定指定范围内的数据集影像数量。这里我们用map函数来实现循环遍历指定数据数量统计分析。 数据集 Sentinel-1是欧洲空间局（ESA）的一颗雷达卫星，用于进行地表观测。它的主要任务是提供高性能的雷达成像数据，用于监测地球表面的变化情况，例如土地使用变化、冰川变化、森林变化等。 Sentinel-1卫
GEE必须会教程—一文教你华南地区NDVI趋势可视化分析（代码分享）
本期将带来NDVI的变化趋势分析，一个地区究竟是变绿了，还是植被退化了，如何进行量化呢？小编给出了代码，后期将带来详细的解释，大家可以先尝试着分析一下代码。 上代码！ var region=ee.FeatureCollection('users/hesuixinya511/South_China');var empty = ee.Image().toByte();var outline =
GEE：基于光谱距离度量方法的巴以冲突造成的地表覆盖变化检测
作者：CSDN @ _养乐多_ 本文将介绍如何在 Google Earth Engine (GEE) 平台中使用光谱距离度量方法进行地表覆盖变化检测，并以加沙地区为例，使用Sentinel2数据展示2023年3月和2024年3月的地表覆盖变化区域。 结果如下图所示， 文章目录 一、核心函数1.1 spectralDistance函数1.2 光谱距离度量方法 二、代码链接三、完
GEE数据集——美国大陆网格气候数据集PRISM 日数据集和月数据集
简介 PRISM 日数据集和月数据集是由俄勒冈州立大学 PRISM 气候小组制作的美国大陆网格气候数据集。 网格是利用 PRISM（独立斜坡模型参数-海拔回归）开发的。PRISM 插值程序模拟了天气和气候随海拔高度的变化，并考虑了海岸效应、温度反常和可能造成雨影的地形障碍。站点数据来自全国各地的许多网络。更多信息，请参阅 PRISM 空间气候数据集说明。 PRISM气候小组开展了一系列项目，
【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域应用
随着航空、航天、近地空间遥感平台的持续发展，遥感技术近年来取得显著进步。遥感数据的空间、时间、光谱分辨率及数据量均大幅提升，呈现出大数据特征。这为相关研究带来了新机遇，但同时也带来巨大挑战。传统的工作站和服务器已无法满足大区域、多尺度海量遥感数据处理需求。 为解决此问题，全球涌现出多个地球科学数据在线可视化计算和分析云平台，如谷歌Earth Engine（GEE）、航天宏图PIE Engine和
Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用
随着航空、航天、近地空间遥感平台的持续发展，遥感技术近年来取得显著进步。遥感数据的空间、时间、光谱分辨率及数据量均大幅提升，呈现出大数据特征。这为相关研究带来了新机遇，但同时也带来巨大挑战。传统的工作站和服务器已无法满足大区域、多尺度海量遥感数据处理需求。 为解决此问题，全球涌现出多个地球科学数据在线可视化计算和分析云平台，如谷歌Earth Engine（GEE）、航天宏图PIE Engine和
【GEE实践应用】使用MODIS NDVI数据集绘制研究区域每日NDVI序列曲线
// 设置研究区域var geometry = table;// 选择MODIS NDVI 数据集var modisNDVI = ee.ImageCollection('MODIS/006/MOD13A2').filterBounds(geometry).filterDate('2000-01-01', '2023-12-31');// 计算每天的平均 NDVIvar dailyMeanND
【GEE实践应用】按照字段提取想要的研究区域
有的时候，我们在GEE中加载研究区域时，我们现有的矢量数据可能不止自己想要的研究区域的范围，这个时候，为了避免在ArcGIS中重新导出打包上传等操作，我们可以在GEE中按照字段进行选择我们想要的研究区域。下面是操作实例： 1.上传矢量数据 在进行按照矢量数据的字段进行研究区域的提取时，首先我们需要提前打包好我们需要的矢量数据（矢量数据包含了我们的研究区，这里以中
GEE数据集——巴基斯坦国家级土壤侵蚀数据集（2005 年和 2015 年）
简介 巴基斯坦国家级土壤侵蚀数据集（2005 年和 2015 年） 该数据集采用修订的通用土壤流失方程 (RUSLE)，并考虑了六个关键影响因素：降雨侵蚀率 (R)、土壤可侵蚀性 (K)、坡长 (L)、坡陡 (S)、覆盖管理 (C) 和保护措施 (P)，对 2005 年至 2015 年巴基斯坦的土壤侵蚀动态进行了全面评估。土壤侵蚀图从低侵蚀率到极高侵蚀率分为四个等级，有助于了解研究期间土壤侵蚀模
GEE数据集——1986年—2022年加拿大全国烧毁面积综合数据 (NBAC)
简介 加拿大全国烧毁面积综合数据 (NBAC)¶ 全国烧毁面积综合数据 (NBAC) 是一个地理信息系统数据库和系统，用于计算自 1986 年以来每年全国范围内烧毁的森林面积。这些数据用于帮助估算加拿大的碳排放量。烧毁面积是通过评估一系列可用数据源确定的，这些数据源使用不同的技术绘制任何特定火灾的地图。该系统为每个烧毁地区选择最佳可用数据源，并建立一个全国综合图。 NBAC 是火灾监测、核算
Google Earth Engine (GEE) 提取某一位置时间序列值
前言 做时间序列相关算法的同学，经常需要下载年际的数据来进行试验。而且算法研究的比较重要的步骤就是利用实测站点数据进行验证。本文讲述如何使用GEE下载指定卫星遥感/再分析数据集指定位置（实测站点位置）的时间序列值。 提取指定点年序列值-imageCollection 整个过程可以在imageCollection上进行操作，并且中间处理过程的返回对象都是image，这种情景非常简单直接。配合上
Google Earth Engine (GEE) 实现对MODIS产品批量质量控制
前言 最近处在学位论文初稿完成和申博面试之间的空档期，所以想学点新东西。GEE火了很久了，一直没有真正使用过，还是坚持下载数据到本地，然后用Python处理。主要是怕一旦接触GEE，就会花费很多心思在上面。再者，我本身是做算法的，不仅仅是数据分析，需要使用本地数据来应用算法。现在觉得下载到本地然后处理数据有很多不确定性，不如直接在GEE上完成预处理然后导出，可以省多很多精力给算法研究本身。所以，
GEE数据变更：MCD12Q1（土地覆盖）和MOD13Q1（植被指数）2020年后请使用MCD12Q2和MYD13Q1（植被指数）
简介 这里我们需要知道一点的是MCD12Q1数据的服务年限是2000-2020年，之后的数据请使用MCD13Q1数据集，这样才能延续2020年之后的数据。 不要使用“ MODIS/006/MCD12Q1 ”（土地覆盖）和“ MODIS/006/MOD13Q1 ”（植被指数），请尝试使用“ MODIS/006/MCD12Q1”和“ MODIS/006/MOD13Q1”。 MCD12Q1 V6
GEE必须会教程—一文教会你GEE下载影像数据的方法
一、基本流程 A.平台进入：网站搜索：https://developers.google.com/earth-engine，进入Google Earth Engine 官网平台（以下简称GEE平台），正常登录该平台需要利用邮箱进行申请，申请通过后可以正常登录该平台。 B.数据检索：在平台上点击“Dataset”，可以查看GEE平台上所有的数据集，此处选择“Landsat”数据，选择“Lands
GEE数据集——澳大利亚1987—2022年30米分辨率地表水数据集
简介 澳大利亚数字地球（DEA）水观测使用一种算法将大地遥感卫星图像中的每个像素分为 "湿"、"干 "或 "无效"。水观测统计提供的信息包括每年大地遥感卫星能够清晰观测到某一区域的次数、这些观测结果中潮湿的次数，以及这意味着在地貌中观测到水的时间百分比。 将分类像素合并成涵盖每年的摘要，就能得到通常有水和很少有水的地方的信息。由于没有对该产品进行置信度过滤，它受到输入的水分类中出现的误分类
【GEE实践应用】GEE下载遥感数据以及下载后在ArcGIS中的常见显示问题处理（以下载哨兵2号数据为例）
本期内容我们使用GEE进行遥感数据的下载，使用的相关代码如下所示，其中table是我们提前导入的下载遥感数据的研究区域的矢量边界数据。 var district = table;var dsize = district.size();print(dsize);var district_geometry = district.geometry();Map.centerObjec
GEE：通过代码和ID引入Assets中的矢量数据和影像数据
在 Google Earth Engine（GEE）平台上除了使用import按钮引入数据以外，还可以通过代码和数据的ID。本文记录了在GEE上，通过代码链接引入Assets中的矢量数据和影像数据的方法。 文章目录 一、矢量数据二、影像数据三、其他 一、矢量数据 var vector = ee.FeatureCollection('projects/User/ass