本文以LANDSAT/LC08/C01/T1_SR数据集为例介绍The source parameter is require应该如何解决。
![image-20221125104510835](/i/l/?n=22&i=blog/2638143/202211/2638143-20221125110027987-778742916.png)
问题描述
GEE平台提供了影像在线处理,在完成对数据集处理后,想要对数据进行筛选展示或下载至本地时出现报错 Element.copyProperties: The source parameter is required.这是由于缺少源数据的系统属性,在老版的GEE中只需要copy源数据的‘system’属性,但是在最新的gee中,仅仅是copy源数据的‘system’并不能解决问题。
例:在老版的GEE中只需要使用copyProperties方法,copyProperties(img,['system:footprint','system:time_start'])即可,但是最近不知道是什么原因,copy完系统属性并没有很好的解决问题,虽然影像被筛选出来,但是在展示和下载的时候仍会报错。
有问题的代码
// set study area
var roi = ee.FeatureCollection("users/Zhangzijing/JH");
// reomove cloud for Landsat-8
function rmL8Cloud(image) {
var cloudShadowBitMask = (1 << 3);
var cloudsBitMask = (1 << 5);
var qa = image.select('pixel_qa');
var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
.and(qa.bitwiseAnd(cloudsBitMask).eq(0));
return image.updateMask(mask).toFloat().divide(10000)
.copyProperties(image)
.copyProperties(image, ['system:time_start','system:time_end','system:footprint']);
}
// set time parameter
var year_start = 2019;
var year_end = 2020;
var imgCol = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR")
.filterBounds(roi)
.filter(ee.Filter.calendarRange(year_start, year_end,'year'))
.map(rmL8Cloud);
print(imgCol);
// compute the image total size
var imgSize = imgCol.size();
print("imgSize",imgSize); // result is 805
//compute the image avaibility
var imgCount = imgCol.select("B2").count().clip(roi);
print(imgCount);
// define image render parameters
var visParam = {
min: 10,
max: 40,
palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
'3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
};
Map.addLayer(imgCount,visParam,"imgCount",false);
// 定义空间筛选:利用边界进行叠加筛选.
var spatialFilter = ee.Filter.intersects({
leftField: '.geo',
rightField: '.geo',
maxError: 10
});
// 定义SaveAll-Join.
var saveAllJoin = ee.Join.saveAll({
matchesKey: 'scenes',
});
//运用SaveAll-Join.
var intersectJoined = saveAllJoin.apply(roi, PathRow, spatialFilter);
// 显示结果.
var intersected = ee.FeatureCollection(ee.List(intersectJoined.first().get('scenes')));
var styling = {color:'red',fillColor:'00000000'}
var styling1 = {color:'black',fillColor:'00000000'}
Map.centerObject(roi);
Map.addLayer(intersected.style(styling1), {}, 'WRS-2 polygons',false);
Map.addLayer(roi.style(styling),{}, 'guangdong',false);
Export.image.toDrive({
image:imgCount,
description:'avaibility_Landsat',
folder:'avaibility_Landsat',
region:roi,
scale:30,
crs:'EPSG:4326',
maxPixels:1e13
});
Export.table.toDrive({
collection:intersected,
description:'PathRow',
folder:'avaibility_Landsat'
})
报错情况
![image-20221125105701995](/i/l/?n=22&i=blog/2638143/202211/2638143-20221125110028489-531100172.png)
解决方案
我们在处理数据的时候,将源数据源数据的所有属性赋给结果,最后根据情况再进行选择即可,好处(保留了源数据所有属性)
修改部分
这里是修改后的代码,主要针对去云函数:
function rmL8Cloud(image) {
var cloudShadowBitMask = (1 << 3);
var cloudsBitMask = (1 << 5);
var qa = image.select('pixel_qa');
var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
.and(qa.bitwiseAnd(cloudsBitMask).eq(0));
return image.updateMask(mask).toFloat().divide(10000)
.copyProperties(image)
.set(image.toDictionary(image.propertyNames()));
}