基于 GEE 利用 WorldPop 数据集批量导出 100 米分辨率人口影像数据与时序分析
目录
一、研究区域与地图初始化
二、影像裁剪函数定义
三、WorldPop 数据集导入与预处理
四、2020 年人口数据可视化
五、2000-2020 年人口动态变化图表
六、影像导出函数定义
七、批量导出影像
八、运行结果
若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！
本代码基于 Google Earth Engine（GEE）平台，以中国区域为研究范围，完成 WorldPop 100 米分辨率人口数据集从数据筛选、空间裁剪、年度数据提取、可视化呈现、时序分析到批量导出的全流程处理，最终实现 2000-2020 年人口分布静态展示与动态变化量化分析，同时生成可用于后续 GIS 分析的 GeoTIFF 格式数据。
一、研究区域与地图初始化
var geometry = table;
Map.centerObject(geometry, 8);
-
var geometry = table;- 作用：定义研究区域的空间边界，是后续所有空间操作（裁剪、统计、导出）的核心基准。
- 关键前提：
table并非代码中定义的变量，而是提前导入 GEE 的矢量边界数据（通常为 Shapefile、KML 或 Fusion Table 格式），需包含研究区域的面状几何信息（如中国省级 / 市级行政边界）。若未导入或table格式错误，后续所有依赖geometry的操作（如裁剪、导出）都会失效。 - 数据本质：
geometry在 GEE 中属于ee.Geometry类型，存储了区域的经纬度坐标串，是连接影像数据与空间范围的 “桥梁”。
-
Map.centerObject(geometry, 8);- 作用：自动调整 GEE 地图窗口的视野，确保研究区域完整、清晰地显示在画布中央。
- 参数解读：
- 第一个参数
geometry：指定地图定位的 “目标对象”，GEE 会计算该几何对象的中心点，将其作为地图视野中心； - 第二个参数
8：代表地图缩放级别（GEE 缩放级范围为 0-24，数值越小视野越广，数值越大细节越清晰）。缩放级 8 对应的空间范围约为 “省级行政区全域”，若研究区域为市级，可将数值调整为 10-12；若为国家级，可调整为 6-7。
- 第一个参数
- 实际效果：运行后无需手动拖动 / 缩放地图，直接定位到目标区域，提升操作效率。
二、影像裁剪函数定义
var clipToCol = function(image) {return image.clip(geometry);
};
- 函数本质：这是一个自定义的影像处理函数，属于 GEE 中典型的 “单景影像输入 - 单景影像输出” 模式，用于批量剔除影像中研究区域外的无效数据。
- 参数与返回值：
- 输入参数
image：代表传入的单景ee.Image类型数据（即 WorldPop 数据集中的某一年份人口影像）； - 返回值
image.clip(geometry)：通过clip()方法对输入影像进行空间裁剪，仅保留geometry边界内的像素，边界外像素会被设为 “无数据”（NoData）。
- 输入参数
- 为何单独定义函数：WorldPop 数据集为全球范围影像，若直接对影像集处理，需重复编写裁剪逻辑；定义函数后，可通过
map()方法一次性对整个影像集批量裁剪，减少代码冗余，提升可维护性。 - 潜在注意事项：若
geometry边界存在拓扑错误（如自相交、边界不闭合），clip()方法可能返回空白影像，需提前在 ArcGIS 或 QGIS 中检查并修复矢量边界。
三、WorldPop 数据集导入与预处理
var worldpop = ee.ImageCollection("WorldPop/GP/100m/pop").filterBounds(geometry).map(clipToCol).filter(ee.Filter.eq('country', 'CHN')).select('population');
print("WorldPop影像集", worldpop);
-
数据集导入：
ee.ImageCollection("WorldPop/GP/100m/pop")- 数据集背景：WorldPop（World Population）是由南安普顿大学等机构构建的全球高分辨率人口数据集，GEE 中提供的
WorldPop/GP/100m/pop版本为100 米分辨率，数据类型为 “人口密度”（单位：人 / 像素，需结合像素面积计算实际人口数），时间跨度覆盖 2000-2020 年（每年 1 景影像）。 - 数据类型：
ee.ImageCollection（影像集），即由多景ee.Image（单景影像）组成的集合，后续需通过筛选、聚合等操作提取单景或多景目标影像。
- 数据集背景：WorldPop（World Population）是由南安普顿大学等机构构建的全球高分辨率人口数据集，GEE 中提供的
-
空间初筛：
.filterBounds(geometry)- 作用：从全球影像集中筛选出 “与研究区域有空间交集” 的影像，大幅减少后续处理的数据量（避免加载全球无关影像导致运算卡顿）。
- 筛选逻辑：GEE 会判断每景影像的 “空间范围”（
ee.Image.geometry()）是否与geometry有重叠，仅保留重叠的影像。例如，若geometry为中国边界，会筛选出覆盖中国区域的所有 WorldPop 影像（实际为 2000-2020 年每年 1 景，共 21 景）。 - 与
clip()的区别：filterBounds()是 “筛选影像集”（保留整景影像），clip()是 “裁剪单景影像”（保留影像中的部分区域），二者为 “先筛选、后裁剪” 的逻辑，前者减少影像数量，后者减少单景影像的数据量。
-
批量裁剪：
.map(clipToCol)- 作用：调用第 2 步定义的
clipToCol函数，对filterBounds筛选后的每景影像进行空间裁剪。 - 执行逻辑：
map()是 GEE 中影像集处理的核心方法，会 “遍历影像集中的每景影像，将函数应用于单景影像，最终返回新的影像集”。例如，某景覆盖 “中国 + 周边国家” 的影像，经clipToCol处理后，仅保留中国境内的像素，周边国家像素设为 NoData。
- 作用：调用第 2 步定义的
-
国家筛选：
.filter(ee.Filter.eq('country', 'CHN'))- 作用：通过影像的 “元数据” 筛选出中国专属的人口影像，避免因
geometry边界不完整导致的非中国区域影像残留。 - 元数据背景：WorldPop 影像集中的每景影像都包含
country元数据（存储国家 ISO 代码），中国对应的代码为CHN，其他国家如美国为USA、印度为IND。 - 筛选逻辑：
ee.Filter.eq(key, value)表示 “筛选元数据中key等于value的影像”，此处即保留country元数据为CHN的影像，进一步确保数据区域准确性（即使geometry边界有误差，也能通过元数据排除非中国影像）。
- 作用：通过影像的 “元数据” 筛选出中国专属的人口影像，避免因
-
波段选择：
.select('population')- 作用：从影像中提取 “人口数据波段”，剔除其他无关波段，简化数据结构。
- 波段背景：WorldPop 影像可能包含多个波段（如人口密度波段、数据质量评估波段等），其中
population波段是核心，存储的是 “每 100 米像素对应的人口数量”（注意：并非人口密度，需结合像素面积（100m*100m=10000㎡）计算人口密度，即人口密度 = 像素人口数 / 10000 人 /㎡）。 - 必要性：若不筛选波段，后续分析（如
mean()、sum()）可能误将非人口波段纳入计算，导致结果错误；仅保留目标波段也能减少数据存储和运算压力。
-
数据查看：
print("WorldPop影像集", worldpop)- 作用：在 GEE 控制台的 “Console” 面板输出处理后的影像集信息，用于验证数据是否正确。
- 输出内容：点击控制台中的影像集名称，可查看影像数量（2000-2020 年共 21 景）、每景影像的时间（
system:time_start）、元数据（country、resolution等）、波段信息（population波段的最小值、最大值等）。 - 验证要点：需确认影像数量是否为 21 景、
country元数据是否均为CHN、population波段是否存在，若有异常（如影像数量为 0），需检查table边界是否正确、数据集 ID 是否拼写错误（如误写为WorldPop/GP/30m/pop）。
四、2020 年人口数据可视化
var start = ee.Date.fromYMD(2020, 1, 1);
var end = ee.Date.fromYMD(2020, 12, 31);
var worldpop2020 = ee.Image(worldpop.filterDate(start, end).mean());
worldpop2020 = worldpop2020.clip(geometry);
Map.addLayer(worldpop2020, {min: 0,max: 100,palette: ['24126c', '1fff4f', 'd4ff50']
}, "population 2020");
-
时间范围定义：
ee.Date.fromYMD(2020, 1, 1)与ee.Date.fromYMD(2020, 12, 31)- 作用：创建 GEE 中的
ee.Date类型时间对象，定义 2020 年的完整时间范围（从 1 月 1 日 00:00 到 12 月 31 日 23:59），用于筛选 2020 年的人口影像。 - 时间格式：
fromYMD(year, month, day)是 GEE 中创建日期的常用方法，需严格按照 “年 - 月 - 日” 顺序传入整数参数（如ee.Date.fromYMD(2020, 2, 29)可正确识别闰年 2 月 29 日）。 - 替代写法：也可使用
ee.Date('2020-01-01')直接传入字符串格式日期，但fromYMD更便于通过变量动态调整年份（如var year = 2020; ee.Date.fromYMD(year, 1, 1)）。
- 作用：创建 GEE 中的
-
2020 年影像提取：
worldpop.filterDate(start, end).mean()- 步骤 1：
filterDate(start, end)—— 从预处理后的影像集中筛选出 “时间落在start和end之间” 的影像。由于 WorldPop 数据集为 “每年 1 景”，此处会筛选出 2020 年的 1 景影像（若数据集存在季度或月度数据，会筛选出多景）。 - 步骤 2：
.mean()—— 对筛选后的影像集计算 “像素级平均值”。此处因仅 1 景影像，mean()的作用是将ee.ImageCollection（影像集）转换为ee.Image（单景影像），避免后续Map.addLayer因数据类型不匹配报错（Map.addLayer仅支持单景影像或矢量数据，不直接支持影像集）。 - 关键转换：
ee.Image(...)—— 显式将mean()返回的影像对象转换为ee.Image类型，确保数据类型一致性（部分情况下mean()返回的是ee.ComputedObject，需显式转换）。
- 步骤 1：
-
二次裁剪：
worldpop2020.clip(geometry)- 作用：对提取的 2020 年影像进行 “二次裁剪”，进一步确保影像无区域外冗余数据。
- 必要性：虽然第 3 步已对影像集批量裁剪，但可能因
filterBounds或filter筛选不彻底，导致影像边缘存在少量非研究区域像素；二次裁剪可彻底清除这些像素，保证可视化结果的空间准确性。
-
地图添加与可视化配置：
Map.addLayer(...)- 作用：将 2020 年人口影像添加到 GEE 地图窗口，通过颜色差异直观展示人口分布差异。
- 可视化参数详解：
参数 取值 作用与逻辑 min0 定义颜色映射的 “最小值阈值”—— 像素人口数≤0 时，显示配色方案的第一种颜色（深蓝）。 max100 定义颜色映射的 “最大值阈值”—— 像素人口数≥100 时，显示配色方案的最后一种颜色（浅黄）。 palette['24126c','1fff4f','d4ff50'] 定义颜色渐变方案：深蓝（低人口）→亮绿（中人口）→浅黄（高人口），符合 “低数值冷色、高数值暖色” 的视觉习惯，便于快速识别人口密集区。 最后参数 "population 2020" 定义图层名称，显示在地图窗口右上角的 “图层列表” 中，便于区分不同图层（如后续添加 2010 年图层可命名为 “population 2010”）。 - 效果验证：添加后，地图上人口密集的城市区域（如北京、上海）会显示为浅黄，人口稀少的山区会显示为深蓝，直观呈现 2020 年研究区域的人口空间分布格局。
五、2000-2020 年人口动态变化图表
var chart = ui.Chart.image.seriesByRegion({imageCollection: worldpop,regions: geometry,reducer: ee.Reducer.sum(),scale: 100,xProperty: 'system:time_start'
})
.setSeriesNames(['population'])
.setOptions({title: '人口动态变化',hAxis: {title: '年份',titleTextStyle: {italic: false, bold: true}},vAxis: {title: '总人口',titleTextStyle: {italic: false, bold: true}},lineWidth: 5,colors: ['e37d05'],curveType: 'function'
});
print(chart);
-
图表创建核心：
ui.Chart.image.seriesByRegion(...)- 函数功能：GEE 内置的时序图表生成函数，用于计算 “指定区域内影像集的统计指标随时间的变化”，并生成交互式折线图。
- 核心参数详解：
参数 取值 作用与逻辑 imageCollectionworldpop 指定数据源 —— 即预处理后的 2000-2020 年中国人口影像集。 regionsgeometry 指定统计区域 —— 即研究区域，函数会计算该区域内所有像素的统计值（此处为总人口）。 reduceree.Reducer.sum() 指定统计方法 —— sum()表示 “像素值求和”，即对geometry内所有population波段像素值求和，得到研究区域的 “总人口数”（因population波段已为 “每像素人口数”，求和直接为总人口）。若需计算平均人口密度，可改用ee.Reducer.mean()。scale100 指定统计尺度 —— 单位为米，需与数据集分辨率一致（WorldPop 为 100 米）。若设置为 200 米，GEE 会先将影像重采样到 200 米，再计算统计值，可能导致结果误差；若设置过小（如 30 米），会增加运算时间且无精度提升。 xProperty'system:time_start' 指定 X 轴（时间轴）的数据源 —— system:time_start是 GEE 影像集中每景影像的默认时间元数据，存储影像的 “起始时间”（WorldPop 影像的system:time_start通常为每年 1 月 1 日 00:00），函数会自动将其转换为 “年份” 显示在 X 轴。
-
图表系列命名：
setSeriesNames(['population'])- 作用：定义图表中 “数据系列” 的名称，显示在图表图例中。此处仅 1 个数据系列（总人口），命名为
population，若统计多个区域（如多个省份），可传入多个名称（如['北京', '上海', '广州']）。 - 必要性：若不设置，图例默认显示为 “Series 0”，不便于识别数据含义。
- 作用：定义图表中 “数据系列” 的名称，显示在图表图例中。此处仅 1 个数据系列（总人口），命名为
-
图表样式配置：
setOptions(...)title: '人口动态变化'：图表总标题，显示在图表顶部中央，直观说明图表主题。hAxis（水平轴，X 轴）：title: '年份'：X 轴标题，说明 X 轴数据含义；titleTextStyle: {italic: false, bold: true}：X 轴标题样式 —— 非斜体（italic: false）、加粗（bold: true），增强视觉突出度。
vAxis（垂直轴，Y 轴）：title: '总人口'：Y 轴标题，说明 Y 轴数据含义（单位隐含为 “人”）；titleTextStyle：与 X 轴一致，确保样式统一。
lineWidth: 5：折线宽度 —— 单位为像素，设置为 5 可使折线更粗，避免因图表缩放导致线条模糊。colors: ['e37d05']：折线颜色 —— 采用十六进制颜色码（e37d05为橙色），若有多个数据系列，可传入多个颜色码（如['e37d05', '2e86ab', 'a23b72']）。curveType: 'function'：折线类型 ——function表示 “平滑曲线”，使时序趋势更直观；若需显示 “折线”（拐点清晰），可改为curveType: 'none'。
-
图表输出：
print(chart)- 作用：在 GEE 控制台的 “Console” 面板输出交互式图表，可进行以下操作：
- 鼠标悬停在折线上，查看具体年份的 “总人口数”（如悬停在 2020 年，显示 “2020: 1400000000”）；
- 点击图表右上角的 “下载” 按钮，将图表导出为 PNG（图片）或 CSV（数据表格）格式，用于报告撰写或后续数据分析；
- 拖动图表边缘调整大小，或通过 “缩放” 按钮放大某段时间的趋势（如放大 2010-2020 年的变化）。
- 结果解读：正常情况下，图表应呈现 “2000-2020 年研究区域总人口先增长、后趋于稳定” 的趋势（符合中国人口变化实际），若出现异常波动（如某一年总人口骤降），需检查
reducer是否正确、geometry是否完整。
- 作用：在 GEE 控制台的 “Console” 面板输出交互式图表，可进行以下操作：
六、影像导出函数定义
function exportImage(image, region, fileName) {Export.image.toDrive({image: image,description: fileName,fileNamePrefix: fileName,folder: "population",scale: 100,region: geometry,maxPixels: 1e13,fileFormat: "GeoTIFF",crs: "EPSG:4326"});
}
-
函数定义与参数
- 函数名称：
exportImage—— 直观说明函数功能（导出影像）。 - 输入参数：
image：待导出的单景ee.Image类型数据（如 2020 年人口影像）；region：导出区域（此处代码中实际使用的是geometry，参数region未真正生效，属于代码小瑕疵，优化后可改为region: region）；fileName：导出文件的名称前缀，用于区分不同年份的影像。
- 函数名称：
-
导出核心方法：
Export.image.toDrive(...)- 函数功能：GEE 中用于将影像导出到 “Google Drive” 的内置方法，需在 GEE 控制台手动触发 “运行任务” 才能执行导出（代码仅创建导出任务，不自动执行）。
- 关键导出参数解析（直接影响导出结果的准确性和可用性）：
参数 取值 作用与逻辑 imageimage 指定待导出的影像 —— 即函数输入的 image参数，需确保为单景ee.Image类型。descriptionfileName 导出任务的名称，显示在 GEE “Tasks” 面板中，便于识别任务（如 “Worldpop-CHN-2020”）。 fileNamePrefixfileName 导出文件的名称前缀 ——Google Drive 中最终的文件名为 “前缀.tif”（如 “Worldpop-CHN-2020.tif”）。若需添加后缀（如 “_clip”），可改为 fileNamePrefix: fileName + "_clip"。folder"population" 指定 Google Drive 中的 “目标文件夹”—— 需提前在 Google Drive 中手动创建该文件夹（路径：Google Drive 首页→新建→文件夹→命名为 “population”）。若文件夹不存在，导出任务会失败，提示 “Folder not found”。 scale100 导出分辨率 —— 与数据集分辨率一致（100 米），确保导出影像的空间精度与原始数据一致。若需降低分辨率（如用于小尺度分析），可设置为 200 米或 500 米，减少文件体积。 regiongeometry 导出区域 —— 与研究区域一致，仅导出 geometry内的像素，避免导出无关区域导致文件过大。此处代码中参数region未使用函数输入的region变量，属于小问题，优化后可改为region: region，增强函数通用性。maxPixels1e13 最大像素限制 ——GEE 默认限制导出影像的像素数为 1e8（1 亿），若研究区域较大（如中国全域），100 米分辨率的像素数会远超 1e8（中国国土面积约 960 万平方公里，100 米分辨率像素数约 9.6e9），需将 maxPixels设置为更大值（如 1e13），避免导出任务因 “像素数超限” 失败。1e13 表示 “10 万亿像素”，远超一般研究区域的需求，可放心使用。fileFormat"GeoTIFF" 导出文件格式 ——GeoTIFF 是 GIS 领域通用的栅格数据格式，支持存储空间参考信息（坐标系、分辨率等），可直接在 ArcGIS、QGIS、ENVI 等软件中打开分析。若需导出为其他格式（如 JPEG），可改为 "JPEG"，但 JPEG 不支持 NoData 值，不适合人口数据。crs: "EPSG:4326"导出坐标系 ——EPSG:4326 是 “WGS84 坐标系”，为全球通用的地理坐标系（经纬度坐标），适用于全球范围的空间分析。若研究区域需使用投影坐标系（如中国常用的 “CGCS2000 / 高斯 - 克吕格”），可改为对应的 EPSG 代码（如 "EPSG:4490"），但需确保投影坐标系与研究区域匹配。/
-
函数通用性
- 优势：该函数将影像导出的所有参数（除
image、region、fileName外）标准化，后续导出不同年份、不同区域的影像时，只需调用exportImage并传入不同参数，无需重复编写Export.image.toDrive的复杂配置，大幅提升代码复用性。 - 潜在优化：可在函数中添加 “数据类型转换”（如
image.int16()），避免每次调用前手动转换；或添加 “压缩参数”（如cloudOptimized: true），导出 “云优化 GeoTIFF”（COG），提升后续加载速度。
- 优势：该函数将影像导出的所有参数（除
七、批量导出影像
var indexList = worldpop.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");
print("时间索引列表", indexList);
indexList.evaluate(function(indexs) {for (var i = 0; i < indexs.length; i++) {var image = worldpop.filter(ee.Filter.eq("system:index", indexs[i])).first().int16();exportImage(image, geometry, "Worldpop-CHN-" + indexs[i]);}
});
-
提取时间索引列表：
worldpop.reduceColumns(...)-
作用：从预处理后的影像集中提取每景影像的 “时间索引”（
system:index），生成一个列表，用于后续循环筛选每景影像。 -
关键方法解析：
reduceColumns(reducer, selectors)：GEE 中用于 “对影像集的元数据进行统计” 的方法，不同于reduce（对影像像素值统计），reduceColumns仅处理元数据。reducer: ee.Reducer.toList()：将筛选出的元数据转换为 “列表”（ee.List类型），此处即把所有影像的system:index元数据整合为一个列表。selectors: ["system:index"]：指定要提取的元数据字段 ——system:index是 GEE 影像集的默认索引元数据，WorldPop 影像的system:index格式为 “年份”（如2000、2001、…、2020），部分数据集可能为 “年份_月份”（如2020_01）。
.get("list")：reduceColumns返回的是一个ee.Dictionary（字典）对象，键为"list"，值为system:index列表，通过get("list")提取出列表（ee.List类型），赋值给indexList。
-
输出验证：
print("时间索引列表", indexList)在控制台输出列表，正常情况下应显示为[2000, 2001, ..., 2020]（共 21 个元素），若索引格式不符（如CHN_2000），需调整后续筛选逻辑（如filter(ee.Filter.stringEndsWith("system:index", indexs[i]))）。
-
-
服务器端与客户端数据转换：
indexList.evaluate(...)-
核心背景：GEE 的数据处理分为 “服务器端” 和 “客户端”：
- 服务器端：
ee.List、ee.Image、ee.ImageCollection等 GEE 原生数据类型，存储在 GEE 服务器中，需通过 GEE 的方法（如filter、map）处理，无法直接在客户端（如 JavaScript 的for循环）中使用； - 客户端：JavaScript 原生数据类型，如
Array、Number、String等，可在本地使用for循环、if判断等逻辑处理。
- 服务器端：
-
evaluate方法作用：将服务器端的ee.List类型（indexList）转换为客户端的Array类型（indexs），为后续for循环批量处理提供条件。若不使用evaluate，直接对indexList进行for循环，会因数据类型不匹配报错（JavaScript 无法识别ee.List）。 -
执行逻辑：
indexList.evaluate(function(indexs) { ... })——evaluate是一个 “异步函数”，会先向 GEE 服务器发送请求，获取indexList的实际数据，转换为客户端Array后，再执行回调函数（function(indexs) { ... }）中的逻辑。
-
-
循环筛选与数据转换：
for循环内部逻辑- 作用：通过
for循环遍历每个时间索引，筛选出对应的单景影像，并进行数据类型转换，为导出做准备。 for (var i = 0; i < indexs.length; i++)：标准 JavaScriptfor循环，遍历客户端Array（indexs）的每个元素（即每个年份索引），i为循环变量，从 0 到indexs.length-1（共 21 次循环，对应 2000-2020 年）。worldpop.filter(ee.Filter.eq("system:index", indexs[i]))：根据当前循环的时间索引（indexs[i]），从影像集中筛选出 “system:index等于indexs[i]” 的影像。例如，当i=0时，indexs[i] = 2000，筛选出 2000 年的人口影像（影像集）。.first()：从筛选出的影像集中提取 “第一景影像”（因system:index唯一，筛选出的影像集仅 1 景），将ee.ImageCollection转换为ee.Image（单景影像），便于后续处理。.int16()：将影像的数据类型转换为Int16（16 位有符号整数）。WorldPop 原始数据可能为Float32（32 位浮点数），转换为Int16的优势：- 减少文件体积：
Int16每个像素占 2 字节，Float32占 4 字节，转换后文件体积减半，便于存储和传输； - 避免浮点误差：人口数为整数，
Float32可能存在小数位（如 123.0），转换为Int16可去除小数位，确保数据准确性（需注意：若原始数据存在小数人口数，转换可能导致精度损失，但 WorldPop 数据已为整数，无此问题）。
- 减少文件体积：
- 作用：通过
-
批量调用导出函数：
exportImage(...)- 作用：对每景处理后的影像，调用第 6 步定义的
exportImage函数，生成导出任务。 - 参数传递：
image：当前循环筛选并转换后的单景影像（如 2000 年Int16类型影像）；geometry：导出区域（即研究区域）；fileName：导出文件名称，格式为 “Worldpop-CHN - 年份”（如Worldpop-CHN-2000），通过字符串拼接（"Worldpop-CHN-" + indexs[i]）生成，确保每个年份的文件名称唯一，避免导出时覆盖。
- 作用：对每景处理后的影像，调用第 6 步定义的
八、运行结果
若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！