| Google Earth Engine（GEE）Sentinel2影像特定长时间序列合成，以及导出多幅影像和导出为黑色问题 | 您所在的位置：网站首页 › sentinel2a数据 › Google Earth Engine（GEE）Sentinel2影像特定长时间序列合成，以及导出多幅影像和导出为黑色问题 |
Google Earth Engine（GEE）Sentinel2影像特定长时间序列合成，以及导出多幅影像和导出为黑色问题
|
本篇主要介绍如何加载单幅Sentinel2影像，以及合成长时间序列感兴趣区域的影像集合，自己在写代码的过程中，出现了一些问题，比如导出的影像会以多幅tif影像出现，导出的影像在Arcgis中加载全为黑色，也看了一些博主的博客，有的解释很简单，在这我会详细解释一下，让大家少走弯路（被我走完了）。 遇到问题的同学可以直接跳转到第三部分。 目录 1.单幅影像合成2.特定长时间序列影像合成3.导出为多幅影像以及导出影像为黑色的问题 1.单幅影像合成此代码只对感兴趣区域，并辅以时间范围进行影像筛选，使用了经典的Sentinel去云算法，利用QA60波段进行去云操作，并结合了高程数据，将坡度坡向波段加入到影像的波段中。 //导入自己的感兴趣区域 Map.centerObject(roi, 8); Map.addLayer(roi, {color: "red"}, "roi"); //去云函数 function maskS2clouds(image) { var qa = image.select('QA60'); var cloudBitMask = 1 image:s2Image, description:'sentinel2', region: roi, scale:10, crs: "EPSG:4326", maxPixels:1e13 });在GEE中进行影像显示，显示结果符合预期。
合成长时间序列影像其实就是合成单幅影像向时间范围的推广，可以为进行长时间序列研究提供源数据支持。 以前写过合成landsat影像长时间序列的代码，然后移植到sentinel2影像上时，会发生一些问题，于是进行了一些改进与修改。 var S2SR = ee.ImageCollection('COPERNICUS/S2'); var rawLayer = null; var bands = ['B4', 'B3', 'B2']; //融合DEM高程数据 var srtm = ee.Image("USGS/SRTMGL1_003"); var dem = ee.Algorithms.Terrain(srtm); var elevation = dem.select("elevation"); var slope = dem.select("slope"); //展示影像集合，侧边栏 function addPanel(sCol) { var id_list = sCol.reduceColumns(ee.Reducer.toList(), ['system:index']) .get('list'); id_list.evaluate(function(ids) { // print("id_list ", ids); var total = ids.length; var showTitle = ui.Label("", {fontWeight: 'bold'}); var curIndex = 0; var bPlus = ui.Button("+", function() { curIndex += 1; if (curIndex >= total) { curIndex = 0; } showTitle.setValue(ids[curIndex]); showSelectRawImage(sCol, ids[curIndex]); }); var bReduce = ui.Button("-", function() { curIndex -= 1; if (curIndex widgets: [ ui.Label('click "+" or "-" to move time window', {fontWeight: 'bold'}), bPlus, bReduce, ui.Label("select date: ", {fontWeight: 'bold'}), showTitle ], style: {width: '200px', padding: '8px'} }); ui.root.insert(0, main); }); } function showSelectRawImage(sCol, key) { print("show raw image id is: " + key); if (rawLayer !== null) { Map.remove(rawLayer); rawLayer = null; } var visParam = { min: 0.0, max: 0.3, bands: ['B4', 'B3', 'B2'], }; var image = ee.Image(sCol.filter(ee.Filter.eq("system:index", key)).first()); print(image); // Map.addLayer(image, {'bands':["B4","B3","B2"],min:0,max:3000}, key); rawLayer = Map.addLayer(image, {'bands':["B4","B3","B2"],min:0,max:0.3}, key); } //构建哨兵影像集合 var Sentinel2 = { //利用QA60波段去云操作 maskS2clouds: function(image){ var qa = image.select('QA60'); var cloudBitMask = 1 year = ee.Number(year); var _sdate = ee.Date.fromYMD(year, 4, 1); var _edate = ee.Date.fromYMD(year, 6, 30); //影像筛选 var tempCol = S2SR.filterDate(_sdate, _edate) .filterBounds(roi) .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)) .map(Sentinel2.maskS2clouds) // .select(bands); //影像中值合成 var img = tempCol.median() .clip(roi) .addBands(elevation.rename("ELEVATION")) .addBands(slope.rename("SLOPE")); img = img.set("year", year); img = img.set("system:index", ee.String(year.toInt())); return img; }); var yearImgCol = ee.ImageCollection.fromImages(yearImgList); return yearImgCol; } //导出所有影像 function exportImageCollection(imgCol) { var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]) .get("list"); indexList.evaluate(function(indexs) { for (var i=0; i image: image.clip(roi), description: "s2"+indexs[i], fileNamePrefix: indexs[i], region: roi, scale: 10, crs: "EPSG:4326", maxPixels: 1e13 }); } }); } function main(){ Map.centerObject(roi, 8); var sDate = "2017-1-1"; var eDate = "2022-1-1"; var imgCol = getYearCol(sDate, eDate); print("imgCol", imgCol); exportImageCollection(imgCol) addPanel(imgCol); } main();运行结果图如下所示，本代码生成了2017-2018年4，5，6三个月的中值合成影像，在侧边栏加入了用户交互界面，并可将结果按年份导出。 1.有的同学会发现导出到Drive中的影像会出现多个tif影像文件，并且加载到arcgis中时影像全为黑色，其实打开属性表，会发现波段的值全是未知，所以该影像根本没有波段值，怎么拉伸都不会出现影像。可能是因为导出的影像波段数量过多，导致影像内存过于庞大，GEE会自动将其分为多个文件进行存储，如果网不好，还可能会有波段信息丢失的情况，所以在进行影像导出的时候，先进行波段选择，会大概率避免这种情况。
|
在这里其实我并没有导出全部感兴趣区域的影像，而是选择了一个小范围进行导出，可以发现导出的结果可以正常显示。
在影像导出时还可能会出现一些问题，如果导出的感兴趣区域太大的话，可能会加载很慢，而且会出现导出结果为多幅tif影像，在第三部分会进行解释。 
2. 影像全为黑色还有另一种情况，再进行landsat影像合成的时候，一般都会把landsat影像的波段值乘上0.0001，但是sentinel数据不需要进行波段拉伸，不然就会造成波段值过小，会自动忽略不计，导致波段值全为空，影像自然为黑色。 以下代码为罪魁祸首，在合成哨兵数据时千万不要带着他：
如果还有同学有问题，可以私信我，有些共同的错误可以及时改正。【本文地址】