当前位置：首页 > news >正文

基于 GEE 处理、可视化和导出 Landsat 5 和 Landsat 8 卫星遥感影像数据

news 2025/10/4 6:03:22

1 前言

1.1 核心功能亮点

1.2 技术细节

1.3 适用场景和注意事项

2 代码解析

2.1 研究区定义与地图初始化

2.2 可调整参数设置

2.3 Landsat 5 数据处理

2.3.1 影像集合筛选

2.3.2 去云处理函数

2.3.3 影像合成

2.4 Landsat 8 数据处理

2.4.1 影像集合筛选

2.4.2 去云处理函数

2.4.3 影像合成

2.5 可视化参数设置

2.6 影像可视化

2.7 影像导出到 Google Drive

2.8 统计信息与覆盖度分析

3 完整代码

4 运行结果

5 总结

1 前言

分享一段实用的 Google Earth Earth Engine 代码，轻松实现 Landsat 5/8 卫星影像的自动化处理流程，从数据筛选到可视化导出一站式完成，非常适合遥感分析初学者和科研人员！

1.1 核心功能亮点

✅ 灵活定义研究区：支持通过外部矢量数据（table）快速设定任意形状研究区域，无需手动输入坐标；
✅ 智能数据筛选：可自定义时间范围和云量阈值（默认 30%），自动过滤低质量影像；
✅ 专业去云处理：基于 QA_PIXEL 波段的位运算，精准去除云、云阴影和雪等干扰因素；
✅ 多波段合成：同时生成真彩色（模拟人眼视觉）和假彩色（突出植被特征）两种常用合成方案；
✅ 完整可视化：自动添加研究区边界和多类型影像图层，支持自定义显示参数（亮度、对比度）；
✅ 便捷导出功能：一键将处理结果导出到 Google Drive，保留 30 米原始分辨率；
✅ 数据质量评估：自动计算可用影像数量和覆盖度，控制台直观展示统计信息。

1.2 技术细节

▫️ 支持 Landsat 5（1984-2012）和 Landsat 8（2013 至今）两个传感器数据；
▫️ 采用 TOA（大气层顶部反射率）数据产品，预处理更完善；
▫️ 通过 mosaic () 实现多幅影像无缝拼接，clip () 精准裁剪至研究区范围；
▫️ 内置覆盖度分析图层，直观评估影像数据完整性。

1.3 适用场景和注意事项

适用场景：

土地利用变化监测、植被生长分析、生态环境评估、城市扩张研究等多个领域。只需修改时间范围和研究区参数，即可快速适配不同研究需求。

代码结构清晰，注释详尽，包含可调整参数区、数据处理区、可视化区和导出区四个模块，便于理解和二次开发。无论是遥感新手还是专业人员，都能快速上手使用！

注意事项：

请确保选择的时间范围在卫星运行期内
如果某个时间段云量过高，可能会导致有效数据不足
可以通过调整云量过滤阈值来增加可用影像数量

2 代码解析

2.1 研究区定义与地图初始化

// 定义研究区（示例：以北京为例）
var roi = table;
Map.centerObject(roi, 8);// 添加研究区边界到地图
Map.addLayer(roi, {}, '研究区');

研究区定义：var roi = table 表示将预先导入的矢量数据（table）赋值给研究区变量roi。table通常是外部上传的矢量文件（如 Shapefile、KML）或 GEE 内置的矢量数据集（如行政边界），支持任意形状的研究区域，比矩形坐标更灵活。
地图定位：Map.centerObject(roi, 8) 自动将地图视图中心定位到roi的几何中心，缩放级别为 8（数值越大视图越近）。无需手动指定经纬度，适用于任何形状的区域。
添加边界图层：Map.addLayer(roi, {}, '研究区') 将roi对应的矢量边界添加到地图，使用默认样式（黑色边界、透明填充），图层名称为 “研究区”，便于直观确认研究区范围。

（注意：table必须预先导入 GEE（通过 Assets 面板），且需为ee.FeatureCollection或ee.Feature类型的矢量数据，否则会导致代码报错。）

2.2 可调整参数设置

// ********** 可调整参数 **********
// 设置时间范围 - 可根据需要修改
var startDate = '2025-01-01';
var endDate = '2025-05-19';// 设置云量过滤阈值 - 可根据需要修改
var cloudCoverThreshold = 30; // 百分比