win7怎么做网站域名绑定网络平台推广广告费用

  本文介绍在谷歌地球引擎（Google Earth Engine，GEE）中，下载多年的逐日的ERA5土壤湿度数据，并在下载时，将每年同月份内的每一天的图像作为一个波段加以合并的方法。

  在之前的文章GEE谷歌地球引擎批量下载逐日ERA5气象数据的方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/148050136）中，提到了在GEE中下载每一天的ERA5土壤湿度数据的方法。但是，如果我们要下载的时间跨度比较大，那么要生成、运行的任务数量，以及要下载的遥感影像文件数量，就会非常多——比如假设要下载10年的数据，那相当于就要提交3650（左右，因为还有闰年）个任务，然后再批量运行任务，从而下载这大约3650个遥感影像文件。这样就很容易出现任务丢失、文件下载不全的问题，甚至还有可能因为短时间提交大量任务，导致自己的GEE账号被制裁。

  所以，本文希望在实现上述需求的同时，减少提交任务的数量——将每一年的同一个月份内的所有数据，都整合成一张图像；其中这个月内每一天的数据，都是这一张图像中的一个波段。例如，2020年01月的图像，就会有31个波段，每一个波段分别表示01月01日、02日、03日，一直到31日的数据，以此类推。

  当然，和本文需求类似的场景，比如下载其他时间分辨率、或下载其他遥感数据等，都可以参考本文代码。

  本文所用代码如下。

/*jshint loopfunc:true */var ERA5 = ee.ImageCollection('ECMWF/ERA5_LAND/DAILY_AGGR').select(['volumetric_soil_water_layer_1']);
var region = ee.Geometry.Polygon([[[180, 90], [-180, 90], [-180, -90], [180, -90]]], null, false);
var startYear = 2020;
var endYear = 2021;for (var year = startYear; year <= endYear; year++) {for (var month = 1; month <= 12; month++) {var startDate = ee.Date.fromYMD(year, month, 1);var endDate = startDate.advance(1, 'month');var monthlyImages = [];var dailyImages = ERA5.filter(ee.Filter.date(startDate, endDate));// print(dailyImages);var dailyImagesList = dailyImages.toList(dailyImages.size());for (var i = 0; i < dailyImagesList.size().getInfo(); i++) {var dailyImage = ee.Image(dailyImagesList.get(i));var date = ee.Date(dailyImage.get('system:time_start'));var formattedDate = date.format('YYYYMMdd');monthlyImages.push(dailyImage.rename(formattedDate));}var multiBandImage = ee.Image.cat(monthlyImages);// print(multiBandImage);Export.image.toDrive({image: multiBandImage,description: 'ERA5_Soil_Moisture_' + startDate.format('YYYY_MM').getInfo(),folder: 'ERA5_Monthly',scale: 55659.7,region: region,maxPixels: 1e13});}
}

  代码整体的思路也比较简单。

  首先，我们定义数据集与研究区域，这个在本文开头提及的那篇文章中已经介绍过了，所以这里就不赘述。

  接下来，设置时间范围，通过startYear和endYear变量设定需要下载的时间范围——这里需要注意，年份不要设置的跨度太大了，否则会非常卡，建议每次运行代码就选择3年左右的跨度即可。

  随后，循环遍历每个年份和月份。其中，外层循环遍历年份，内层循环遍历月份。对于每一个月份，首先确定该月的第一天作为startDate，并计算下个月的第一天作为endDate。

  紧接着，获取并处理每日影像。使用filter方法基于日期过滤出每月的每日影像，并将每日影像列表化，然后遍历这个列表，对每张影像进行重命名（以影像的日期格式命名），并将它们添加到monthlyImages数组中。不过这里需要提一句，在此我们是给每一日的数据重命名的，换句话说也就是给后续下载的遥感影像文件中的每一个波段重命名——而GEE中导出的这个波段名称，是无法直接在ArcGIS或者ENVI等软件中看到的；但基于GDAL用代码读取栅格文件的属性，或者据说用QGIS打开图像文件，则是可以看到这个波段名称的属性的。

  最后，即可生成多波段影像并导出。首先，使用ee.Image.cat方法将当前年份与月份的每日影像合并成一个包含多个波段的影像，每个波段对应一天的数据；使用Export.image.toDrive方法将这个多波段影像导出至Google Drive中的ERA5_Monthly文件夹内，导出时设置像素大小scale、研究区域region和最大像素数量maxPixels等参数。

  执行上述代码，还是同样的，即可在GEE右侧的Tasks一栏中看到自己的导出任务。可以看到，导出时每一个月份就是一个任务，如下图所示；点击RUN即可运行任务，下载的图像也是一个月份是一个图像文件。

  如果要下载的数据比较多，手动一个一个点击RUN比较麻烦，可参考文章Google Earth Engine谷歌地球引擎计算遥感影像在每个8天间隔内的多年平均值（https://fkxxgis.blog.csdn.net/article/details/138588432）中提到的批量点RUN方法来运行任务。

  至此，大功告成。

欢迎关注：疯狂学习GIS