Google Earth Engine(GEE)——利用sentinel-2数据

简介: Google Earth Engine(GEE)——利用sentinel-2数据

   首先针对感兴趣的时间段和位置过滤动态世界集合sentinel-2土地分类数据集。在这里,我们要绘制一年中该位置的变化图表。因此,我们应用过滤器来选择在感兴趣的时间段内在该区域收集的图像。最后,我们选择所有类别的概率波段。

本次用到的函数:

ui.Chart.image.series(imageCollection, region, reducer, scale, xProperty)

从一个ImageCollection生成一个图表。绘制一个区域内每个波段在不同图像中的衍生值。通常是一个时间序列

X轴。图像,用xProperty值标记。

Y-轴。波段值。

系列。波段名称。

返回一个图表。

参数。

imageCollection(图像集合)。

一个包含数据的ImageCollection,将被包含在图表中。

region (Feature|FeatureCollection|Geometry)。

要减少的区域。

reducer(还原器,可选)。

用于生成Y轴数值的还原器。必须返回一个单一的值。默认为ee.Reducer.mean()。

scale (Number, optional):

与还原器一起使用的刻度,单位是米。

xProperty(字符串,可选)。

作为X轴上每个图像的标签的属性。默认为'system:time_start'。

返回: ui.Chart

代码:

// 随时间变化的类别概率图表
//定义研究区
var table = ee.FeatureCollection("users/bqt2000204051/beijing");
var geometry = table.geometry();
Map.centerObject(geometry, 10);
// 对感兴趣的时间段和地点的动态世界集合进行过滤。
var startDate = '2020-01-01';
var endDate = '2021-01-01';
var dw = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1')
  .filterDate(startDate, endDate)
  .filterBounds(geometry);
//选择所有波段
var probabilityBands = [
    'water', 'trees', 'grass', 'flooded_vegetation', 'crops',
    'shrub_and_scrub', 'built', 'bare', 'snow_and_ice'
    ];
// 选择所有的概率段。
var dwTimeSeries = dw.select(probabilityBands);
// 绘制北京市的时间序列。
var chart = ui.Chart.image.series({
  imageCollection: dwTimeSeries,
  region: geometry,
  scale: 1000,
  //maxPixels:1e13这里设定最大像素值是无法实现的,减小研究区或者设法放款scale
});
print(chart);
// 重新定义我们的chart,然后我们对比查看两者的区别
// 一个辅助函数,用于为图表中的9个系列中的每个系列设置标签、颜色和样式属性。
function lineStyle(label, color) {
  var style_dict = {
      labelInLegend: label,
      color: color,
      lineWidth: 2, 
      pointSize: 3
  };
  return style_dict;
}
// 我们现在创建图表,用配置选项的字典调用setOptions。
var chart = ui.Chart.image.series({
  imageCollection: dwTimeSeries,
  region: geometry,
  scale: 1000,
}).setOptions({
  vAxis: {
    title: 'Class probabilities',
    viewWindow: {min: 0, max: 1}},
  interpolateNulls: true,
  series: {
              0: lineStyle('Bare', '#A59B8F'),
              1: lineStyle('Built', '#C4281B'),
              2: lineStyle('Crops', '#E49635'),
              3: lineStyle('Flooded_vegetation', '#7A87C6'),
              4: lineStyle('Grass', '#88B053'),
              5: lineStyle('Shrub and scrub', '#DFC35A'),
              6: lineStyle('Snow and ice', '#B39FE1'),
              7: lineStyle('Trees', '#397D49'),
              8: lineStyle('Water', '#419BDF')}
});
print(chart);

原始的时间序列:

image.png

这个没有设置title和y轴的标题image.png


相关文章
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
5979 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
1415 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
API Go 网络架构
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
1083 4
|
机器学习/深度学习 存储 人工智能
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
886 3
|
数据可视化 数据挖掘 数据建模
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
|
Java UED Sentinel
微服务守护神:Spring Cloud Sentinel,让你的系统在流量洪峰中稳如磐石!
【8月更文挑战第29天】Spring Cloud Sentinel结合了阿里巴巴Sentinel的流控、降级、熔断和热点规则等特性,为微服务架构下的应用提供了一套完整的流量控制解决方案。它能够有效应对突发流量,保护服务稳定性,避免雪崩效应,确保系统在高并发下健康运行。通过简单的配置和注解即可实现高效流量控制,适用于高并发场景、依赖服务不稳定及资源保护等多种情况,显著提升系统健壮性和用户体验。
416 1
|
监控 Java Sentinel
使用Sentinel进行服务调用的熔断和限流管理(SpringCloud2023实战)
Sentinel是面向分布式、多语言异构化服务架构的流量治理组件,主要以流量为切入点,从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。
957 3
|
负载均衡 算法 Java
蚂蚁面试:Nacos、Sentinel了解吗?Springcloud 核心底层原理,你知道多少?
40岁老架构师尼恩分享了关于SpringCloud核心组件的底层原理,特别是针对蚂蚁集团面试中常见的面试题进行了详细解析。内容涵盖了Nacos注册中心的AP/CP模式、Distro和Raft分布式协议、Sentinel的高可用组件、负载均衡组件的实现原理等。尼恩强调了系统化学习的重要性,推荐了《尼恩Java面试宝典PDF》等资料,帮助读者更好地准备面试,提高技术实力,最终实现“offer自由”。更多技术资料和指导,可关注公众号【技术自由圈】获取。
蚂蚁面试:Nacos、Sentinel了解吗?Springcloud 核心底层原理,你知道多少?
|
监控 Java Nacos
SpringCloud基础5——微服务保护、Sentinel
sentinel、雪崩问题、流量控制、隔离和降级、授权规则、规则持久化
SpringCloud基础5——微服务保护、Sentinel
|
监控 Java 应用服务中间件
SpringCloud面试之流量控制组件Sentinel详解
SpringCloud面试之流量控制组件Sentinel详解
1254 0

热门文章

最新文章

推荐镜像

更多