国土资源和建设部网站中山免费企业网站建设

在 Google Earth Engine (GEE) 中，影像集（ImageCollection）的过滤是数据处理的关键步骤，可以通过时间、空间范围、元数据属性（如云量）等条件筛选出目标影像。以下是详细的过滤方法介绍：

---

1. 按时间范围过滤

使用 filterDate() 筛选指定时间范围内的影像。

// 示例：筛选2020年全年的Landsat 8影像
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2').filterDate('2020-01-01', '2020-12-31');

---

2. 按空间范围过滤

使用 filterBounds() 筛选覆盖指定几何区域的影像。

// 示例：筛选覆盖某点或区域的影像
var point = ee.Geometry.Point([116.39, 39.91]); // 北京坐标
var region = ee.Geometry.Rectangle([xmin, ymin, xmax, ymax]);var filtered = collection.filterBounds(point) // 或 filterBounds(region);

---

3. 按元数据属性过滤

使用 filter() 和 ee.Filter 条件，结合影像的元数据（如云量、传感器类型等）。

3.1 按数值范围过滤

// 示例：筛选云量低于10%的Landsat影像
var cloudFiltered = collection.filter(ee.Filter.lt('CLOUD_COVER', 10));

3.2 按字符串属性过滤

// 示例：筛选Landsat 9影像
var landsat9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2').filter(ee.Filter.eq('SPACECRAFT_ID', 'LANDSAT_9'));

3.3 多条件组合过滤

// 使用 ee.Filter.and() 或链式调用
var complexFilter = collection.filter(ee.Filter.and(ee.Filter.gt('SUN_ELEVATION', 50),ee.Filter.lt('CLOUD_COVER', 5)));

---

4. 按云量过滤（以Sentinel-2为例）

云量过滤需结合数据集特有的属性，常用方法：

// 示例：筛选Sentinel-2影像中云量<20%的影像
var s2 = ee.ImageCollection('COPERNICUS/S2_SR').filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20));

动态云量过滤（客户端计算）

若需根据计算后的云量过滤（如自定义云掩膜后的统计），需使用 map() 和 evaluate()：

var filtered = s2.filter(ee.Filter.lt('cloud_score', 10));// 定义云量计算函数
var addCloudScore = function(image) {var score = // 自定义云量计算逻辑return image.set('cloud_score', score);
};var withCloudScore = s2.map(addCloudScore);
var cloudFiltered = withCloudScore.filter(ee.Filter.lt('cloud_score', 10));

---

5. 组合多个过滤条件

通过链式调用 filter() 组合时间、空间和属性条件：

var finalCollection = ee.ImageCollection('COPERNICUS/S2_SR').filterDate('2021-05-01', '2021-05-31').filterBounds(roi).filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 5));

---

6. 其他过滤方法

6.1 按影像ID过滤

var specificImage = collection.filter(ee.Filter.eq('system:index', '20210501T030541_20210501T030543_T50SPA'));

6.2 按质量标记（QA Band）过滤

部分数据集（如MODIS）提供质量标记波段：

var modis = ee.ImageCollection('MODIS/006/MOD09GA').filter(ee.Filter.eq('QC_250m', 0)); // 筛选最佳质量数据

---

注意事项

1. 属性名称差异：不同数据集的元数据属性名称不同（如Landsat的云量是 CLOUD_COVER，Sentinel-2是 CLOUDY_PIXEL_PERCENTAGE）。
2. 客户端与服务器端操作：evaluate() 是异步操作，需在回调函数中处理结果。
3. 性能优化：优先使用服务器端过滤（如 filter()），减少客户端计算。

---

通过灵活组合上述方法，可高效地从海量遥感数据中提取所需影像。