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。
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 << 10;
var cirrusBitMask = 1 << 11;
var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
.and(qa.bitwiseAnd(cirrusBitMask).eq(0));
return image.updateMask(mask).divide(10000);
}
var dataset = ee.ImageCollection('COPERNICUS/S2')
.filterBounds(roi)
.filterDate('2018-04-01', '2018-05-30')
// Pre-filter to get less cloudy granules.
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))
.map(maskS2clouds);
//加入高程数据
var srtm = ee.Image("USGS/SRTMGL1_003");
var dem = ee.Algorithms.Terrain(srtm);
var elevation = dem.select("elevation");
var slope = dem.select("slope");
var s2Image=dataset.median()
.addBands(elevation.rename("ELEVATION"))
.addBands(slope.rename("SLOPE"))
.clip(roi)
.select(['B4', 'B3', 'B2']);
var rgbVis = {
min: 0.0,
max: 0.3,
bands: ['B4', 'B3', 'B2'],
};
print(s2Image)
Map.addLayer(s2Image, rgbVis, 'RGB');
//导出影像
Export.image.toDrive({
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。
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.特定长时间序列影像合成
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 < 0) {
curIndex = total - 1;
}
showTitle.setValue(ids[curIndex]);
showSelectRawImage(sCol, ids[curIndex]);
});
showTitle.setValue(ids[curIndex]);
showSelectRawImage(sCol, ids[curIndex]);
var main = ui.Panel({
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 << 10;
var cirrusBitMask = 1 << 11;
var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
.and(qa.bitwiseAnd(cirrusBitMask).eq(0));
return image.updateMask(mask).divide(10000);
},
}
//每年固定日期影像合成
function getYearCol(sDate, eDate) {
var yearList = ee.List.sequence(ee.Date(sDate).get("year"), ee.Number(ee.Date(eDate).get("year")).subtract(1));
// var monthList = ee.List.sequence(5, 6);
var yearImgList = yearList.map(function(year) {
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<indexs.length; i++) {
var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
image = image.toInt16();
Export.image.toDrive({
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。
3.导出为多幅影像以及导出影像为黑色的问题
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。
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：
scaleImage: function(image) {
var time_start = image.get("system:time_start");
image = image.multiply(0.0001);
image = image.set("system:time_start", time_start);
return image;
},
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。