标签：function img C24 ee 区域 params GEE var 影像

导读：

1.以点为中心缓冲成方形或者圆形；

2.编写和应用带有可选参数的函数；

3.学习什么是区域统计并使用reducer;

4.将计算结果导出到表中;

5.将属性从一个图像复制到另一个图像。

一、原理

1.1从给定区域内的栅格计算统计数据称为区域统计。

1.2在第22章和23章中使用ee.Image.ReduceRegions计算分区统计。本章提出了一个更通用的方式——自定义函数——计算区域统计，适用单幅的影像或者影像集合。（ee.Image 和ee.ImageCollection objects.）这种通用的方式除了比较灵活之外，也不容易出现“计算值太大”的错误。（当使用ReduceRegions处理比较复杂或者数据较大的影像集合时通常会出现“计算值太大”的问题）

二、函数

2.1 bufferPoints()参数

function bufferPoints(radius, bounds) { 
    return function(pt) { 
        pt = ee.Feature(pt); 
        return bounds ? pt.buffer(radius).bounds() : 
pt.buffer(radius); 
    }; 
}

var ptsTopo = pts.map(bufferPoints(45, false)); //缓冲半径为45，缓冲的形状为圆形
var ptsTopo1 = pts.map(bufferPoints(45, true));//缓冲半径为45，缓冲的形状为正方形

2.2 zonalStats（）参数

function zonalStats(ic, fc, params) { 
// 初始化内部参数字典。
var _params = { 
        reducer: ee.Reducer.mean(),
        scale: null,
        crs: null,
        bands: null,
        bandsRename: null,
        imgProps: null,
        imgPropsRename: null,
        datetimeName: 'datetime',
        datetimeFormat: 'YYYY-MM-dd HH:mm:ss'
    }; 
    // 用提供的参数替换初始化的参数。
    if (params) { 
        for (var param in params) { 
            _params[param] = params[param] || _params[param];
        } 
    } 
    // 根据图像代表设置默认参数.
    var imgRep = ic.first(); 
    var nonSystemImgProps = ee.Feature(null)
        .copyProperties(imgRep).propertyNames(); 
    if (!_params.bands) _params.bands = imgRep.bandNames(); 
    if (!_params.bandsRename) _params.bandsRename = _params.bands; 
    if (!_params.imgProps) _params.imgProps = nonSystemImgProps; 
    if (!_params.imgPropsRename) _params.imgPropsRename = _params
        .imgProps; 
    // 对影像集合迭代使用reduceRegions函数. 
    var results = ic.map(function(img) { 
    // 选择波段 (可选重命名)，设置日期时间和时间戳属性。.
        img = ee.Image(img.select(_params.bands, _params 
                .bandsRename)) 
    // Add datetime and timestamp features.
            .set(_params.datetimeName, img.date().format(
                _params.datetimeFormat))
            .set('timestamp', 
img.get('system:time_start')); 
    // Define final image property dictionary to set in output features.
    var propsFrom = ee.List(_params.imgProps)
            .cat(ee.List([_params.datetimeName, 
             'timestamp'])); 
    var propsTo = ee.List(_params.imgPropsRename)
            .cat(ee.List([_params.datetimeName, 
             'timestamp'])); 
    var imgProps = img.toDictionary(propsFrom).rename(
            propsFrom, propsTo); 
            
    // Subset points that intersect the given image. 
    var fcSub = fc.filterBounds(img.geometry()); 
    
    // Reduce the image by regions. 
    return img.reduceRegions({
                collection: fcSub, 
                reducer: _params.reducer, 
                scale: _params.scale, 
                crs: _params.crs
            }) 
     // Add metadata to each feature.
            .map(function(f) { 
                 return f.set(imgProps);
            }); 
     // Converts the feature collection of feature collections to a single 
     //feature collection.
    }).flatten(); 
    return results; 
}

代码解释：

这段代码定义了一个名为 zonalStats 的函数，用于对指定的影像集合（ic）内的每个影像在给定的要素集合（fc）内进行区域统计分析。该函数使用了多个参数，允许用户自定义统计分析的具体细节。下面是对这个函数的详细解释：

函数参数

- ic：要分析的影像集合（ee.ImageCollection）。
- fc：要在其中进行统计分析的要素集合（ee.FeatureCollection），通常代表一组地理区域。
- params：一个包含多个可选参数的对象，用于控制分析的细节。

参数字典 `_params` 的初始化与自定义

- _params：一个内部参数字典，初始化包含默认的统计分析参数，例如使用 ee.Reducer.mean() 作为默认简化器（reducer），意味着默认计算区域的平均值。
- 如果提供了 params 参数，代码会使用 params 中的值来更新 _params 中的相应值。

设置默认参数

- 通过影像集合的第一个影像（imgRep）来设置一些默认参数，例如波段名（bands）和非系统影像属性（nonSystemImgProps）。

影像集合的迭代处理

- 对 ic 中的每个影像进行迭代，为每个影像执行以下操作：
  - 选择并可选地重命名波段。
  - 设置日期时间和时间戳属性。
  - 定义最终输出要素（features）中要设置的影像属性字典。

减少区域操作

- 对每个影像，使用 reduceRegions 函数将影像数据按照 fc 中定义的区域进行聚合。聚合操作根据 _params 中的简化器、比例尺（scale）和坐标参考系统（CRS）来执行。
- 每个区域（feature）的统计结果被添加上影像的属性。

返回结果

- 最后，map 函数的调用结果（一个特征集合的集合）被 flatten，转换成一个单一的特征集合。这个结果集合包含了原始 fc 中每个区域针对 ic 中每个影像计算得到的统计结果。

使用场景

这个 zonalStats 函数可以用于多种场景，如计算给定区域内的平均温度、降水量、植被指数等，或者进行时间序列分析，以监测某个区域随时间的环境变化。通过提供不同的简化器，用户可以计算总和、最大值、最小值等统计量。此外，该函数的灵活性允许用户根据需求调整比例尺、坐标参考系统以及进行统计分析的波段。

三、创建点要素集合

var pts = ee.FeatureCollection([ 
    ee.Feature(ee.Geometry.Point([-118.6010, 37.0777]), { plot_id: 1 }), 
    ee.Feature(ee.Geometry.Point([-118.5896, 37.0778]), { plot_id: 2 }), 
    ee.Feature(ee.Geometry.Point([-118.5842, 37.0805]), { plot_id: 3 }), 
    ee.Feature(ee.Geometry.Point([-118.5994, 37.0936]), { plot_id: 4 }), 
    ee.Feature(ee.Geometry.Point([-118.5861, 37.0567]), { plot_id: 5 }) 
]); 
print('Points of interest', pts); 
Map.addLayer(pts,{plette:'red'});
Map.centerObject(pts,9);

四、邻域统计示例

4.1 地形变量 Topographic Variables

//==========================section 1=============================================
var pts = ee.FeatureCollection([ 
    ee.Feature(ee.Geometry.Point([-118.6010, 37.0777]), { plot_id: 1 }), 
    ee.Feature(ee.Geometry.Point([-118.5896, 37.0778]), { plot_id: 2 }), 
    ee.Feature(ee.Geometry.Point([-118.5842, 37.0805]), { plot_id: 3 }), 
    ee.Feature(ee.Geometry.Point([-118.5994, 37.0936]), { plot_id: 4 }), 
    ee.Feature(ee.Geometry.Point([-118.5861, 37.0567]), { plot_id: 5 }) 
]); 
print('Points of interest', pts); 
//Map.addLayer(pts);
//Map.centerObject(pts,9);

//==========================section 2 定义函数 bufferPoints和zonalStats =============================================
function bufferPoints(radius, bounds) { 
    return function(pt) { 
        pt = ee.Feature(pt); 
        return bounds ? pt.buffer(radius).bounds() : 
pt.buffer(radius); 
    }; 
}

function zonalStats(ic, fc, params) { 
// 初始化内部参数字典。
var _params = { 
        reducer: ee.Reducer.mean(),
        scale: null,
        crs: null,
        bands: null,
        bandsRename: null,
        imgProps: null,
        imgPropsRename: null,
        datetimeName: 'datetime',
        datetimeFormat: 'YYYY-MM-dd HH:mm:ss'
    }; 
    // 用提供的参数替换初始化的参数。
    if (params) { 
        for (var param in params) { 
            _params[param] = params[param] || _params[param];
        } 
    } 
    // 根据图像代表设置默认参数.
    var imgRep = ic.first(); 
    var nonSystemImgProps = ee.Feature(null)
        .copyProperties(imgRep).propertyNames(); 
    if (!_params.bands) _params.bands = imgRep.bandNames(); 
    if (!_params.bandsRename) _params.bandsRename = _params.bands; 
    if (!_params.imgProps) _params.imgProps = nonSystemImgProps; 
    if (!_params.imgPropsRename) _params.imgPropsRename = _params
        .imgProps; 
    // 对影像集合迭代使用reduceRegions函数. 
    var results = ic.map(function(img) { 
    // 选择波段 (可选重命名)，设置日期时间和时间戳属性。.
        img = ee.Image(img.select(_params.bands, _params 
                .bandsRename)) 
    // Add datetime and timestamp features.
            .set(_params.datetimeName, img.date().format(
                _params.datetimeFormat))
            .set('timestamp', 
img.get('system:time_start')); 
    // Define final image property dictionary to set in output features.
    var propsFrom = ee.List(_params.imgProps)
            .cat(ee.List([_params.datetimeName, 
             'timestamp'])); 
    var propsTo = ee.List(_params.imgPropsRename)
            .cat(ee.List([_params.datetimeName, 
             'timestamp'])); 
    var imgProps = img.toDictionary(propsFrom).rename(
            propsFrom, propsTo); 
            
    // Subset points that intersect the given image. 
    var fcSub = fc.filterBounds(img.geometry()); 
    
    // Reduce the image by regions. 
    return img.reduceRegions({
                collection: fcSub, 
                reducer: _params.reducer, 
                scale: _params.scale, 
                crs: _params.crs
            }) 
     // Add metadata to each feature.
            .map(function(f) { 
                 return f.set(imgProps);
            }); 
     // Converts the feature collection of feature collections to a single 
     //feature collection.
    }).flatten(); 
    return results; 
} 

//========================== section 3 调用 bufferPoints =====================================

// Buffer the points. 
var ptsTopo = pts.map(bufferPoints(45, false)); 
print('ptsTopo', ptsTopo);
//var ptsTopo1 = pts.map(bufferPoints(45, true));
//print('ptsTopo1', ptsTopo1);
//Map.addLayer(ptsTopo);
//Map.addLayer(ptsTopo1);

//==========================section 4 调用zonalStats=============================================
//!!!zonalStats函数中的ic参数是影像集合，如果只有单张影像的话，要放到影像集合中。
//此外，影像集合中的每一幅影像必须有‘system:time_start’ 属性，一般影像都会有，没有的话，添加上.

// Import the MERIT global elevation dataset. 
var elev = ee.Image('MERIT/DEM/v1_0_3'); 

// 根据DEM计算坡度. 
var slope = ee.Terrain.slope(elev); 

// Concatenate elevation and slope as two bands of an image. 
// Computed images do not have a 'system:time_start' property; add one based on when the data were collected. 
var topo = ee.Image.cat(elev, slope) 
  .set('system:time_start', ee.Date('2000-01-01').millis());
  
// Wrap the single image in an ImageCollection for use in the zonalStats function. 
var topoCol = ee.ImageCollection([topo]); 

// Define parameters for the zonalStats function. 
var params = { 
    bands: [0, 1], 
    bandsRename: ['elevation', 'slope'] 
}; 

// Extract zonal statistics per point per image. 
var ptsTopoStats = zonalStats(topoCol, ptsTopo, params); 
print('Topo zonal stats table', ptsTopoStats); 

// ================================section 5 Display the layers on the map. ===============================================
Map.setCenter(-118.5957, 37.0775, 13); 
Map.addLayer(topoCol.select(0), { 
    min: 2400, 
    max: 4200 
}, 'Elevation'); 

Map.addLayer(topoCol.select(1), { 
    min: 0, 
    max: 60 
}, 'Slope'); 

Map.addLayer(pts, { 
    color: 'purple' 
}, 'Points'); 

Map.addLayer(ptsTopo, { 
    color: 'yellow' 
}, 'Points w/ buffer');

代码解释：

.set('system:time_start', ee.Date('2000-01-01').millis())：这部分代码使用 .set() 方法为上面创建的组合影像设置一个属性，具体是设置 system:time_start 属性的值。ee.Date('2000-01-01').millis() 生成了一个代表2000年1月1日的 ee.Date 对象，并通过 .millis() 方法将这个日期转换为毫秒值（自1970年1月1日以来的毫秒数）。这意味着新的组合影像被赋予了一个时间戳，标记为2000年1月1日。

续：

//===============================第二个例子  MODIS Time Series========================================
var ptsModis = pts.map(bufferPoints(50, true));

var modisCol = ee.ImageCollection('MODIS/006/MOD09A1') 
    .filterDate('2015-01-01', '2020-01-01') 
    .filter(ee.Filter.calendarRange(183, 245, 
'DAY_OF_YEAR')); 
//.filter(ee.Filter.calendarRange(183, 245, 'DAY_OF_YEAR'))：
//这个方法进一步过滤影像集合，只保留每年的第183天至第245天之间的影像。
//这个日期范围大约对应每年的7月初到9月初，常用于分析特定季节的地表特征，如植被生长情况。

// Define parameters for the zonalStats function. 
var params = { 
    reducer: ee.Reducer.median(), 
    scale: 500, 
    crs: 'EPSG:5070', 
    bands: ['sur_refl_b01', 'sur_refl_b02', 'sur_refl_b06'], 
    bandsRename: ['modis_red', 'modis_nir', 'modis_swir'], 
    datetimeName: 'date', 
    datetimeFormat: 'YYYY-MM-dd' 
}; 

// Extract zonal statistics per point per image. 
var ptsModisStats = zonalStats(modisCol, ptsModis, params); 
print('Limited MODIS zonal stats table', ptsModisStats.limit(50));


//===============================第3个例子  Landsat Time Series ========================================
//--------------- Mask clouds from images and apply scaling factors.-------------------------- 
function maskScale(img) { 
    var qaMask = img.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0); 
    var saturationMask = img.select('QA_RADSAT').eq(0); 
    
    // Apply the scaling factors to the appropriate bands. 
    var getFactorImg = function(factorNames) { 
        var factorList = img.toDictionary().select(factorNames) .values(); 
        return ee.Image.constant(factorList); 
    }; 
    var scaleImg = getFactorImg(['REFLECTANCE_MULT_BAND_.']); 
    var offsetImg = getFactorImg(['REFLECTANCE_ADD_BAND_.']); 
    var scaled = img.select('SR_B.').multiply(scaleImg).add( offsetImg); 
    
    // Replace the original bands with the scaled ones and apply the masks. 
    return img.addBands(scaled, null, true) 
        .updateMask(qaMask) 
        .updateMask(saturationMask); 
} 


// ------------------------Selects and renames bands of interest for Landsat OLI-------------------. 
function renameOli(img) { 
    return img.select( 
        ['SR_B2', 'SR_B3', 'SR_B4', 'SR_B5', 'SR_B6', 'SR_B7'], 
        ['Blue', 'Green', 'Red', 'NIR', 'SWIR1', 'SWIR2']); 
} 


// ----------------------Selects and renames bands of interest for TM/ETM+.--------------------- 
function renameEtm(img) { 
    return img.select( 
        ['SR_B1', 'SR_B2', 'SR_B3', 'SR_B4', 'SR_B5', 'SR_B7'], 
        ['Blue', 'Green', 'Red', 'NIR', 'SWIR1', 'SWIR2']); 
} 

// Prepares (cloud masks and renames) OLI images. 
function prepOli(img) { 
    img = maskScale(img); 
    img = renameOli(img); 
    return img; 
} 
// Prepares (cloud masks and renames) TM/ETM+ images. 
function prepEtm(img) { 
    img = maskScale(img); 
    img = renameEtm(img); 
    return img; 
} 


var ptsLandsat = pts.map(bufferPoints(15, true)); 

var oliCol = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') 
    .filterBounds(ptsLandsat) 
    .map(prepOli); 
    
var etmCol = ee.ImageCollection('LANDSAT/LE07/C02/T1_L2') 
    .filterBounds(ptsLandsat) 
    .map(prepEtm); 
    
var tmCol = ee.ImageCollection('LANDSAT/LT05/C02/T1_L2') 
    .filterBounds(ptsLandsat) 
    .map(prepEtm); 
    
var landsatCol = oliCol.merge(etmCol).merge(tmCol); 

//---------------------------Calculate Zonal Statistics----------------------------------------
// Define parameters for the zonalStats function. 
var params = { 
    reducer: ee.Reducer.max(), 
    scale: 30, 
    crs: 'EPSG:5070', 
    bands: ['Blue', 'Green', 'Red', 'NIR', 'SWIR1', 'SWIR2'], 
    bandsRename: ['ls_blue', 'ls_green', 'ls_red', 'ls_nir', 'ls_swir1', 'ls_swir2' ], 
    imgProps: ['SENSOR_ID', 'SPACECRAFT_ID'], 
    imgPropsRename: ['img_id', 'satellite'], 
    datetimeName: 'date', 
    datetimeFormat: 'YYYY-MM-dd' 
};

// Extract zonal statistics per point per image. 
// Filter out observations where image pixels were all masked. 
var ptsLandsatStats = zonalStats(landsatCol, ptsLandsat, params)
    .filter(ee.Filter.notNull(params.bandsRename)); 
print('Limited Landsat zonal stats table', ptsLandsatStats.limit(50)); 


Export.table.toAsset({ 
    collection: ptsLandsatStats, 
    description: 'EEFA_export_Landsat_to_points', 
    assetId: 'EEFA_export_values_to_points' 
}); 

Export.table.toDrive({ 
    collection: ptsLandsatStats, 
    folder: 'EEFA_outputs', // this will create a new folder if it doesn't exist 
    description: 'EEFA_export_values_to_points', 
    fileFormat: 'CSV' 
});

五、其他

5.1 Weighted Versus Unweighted Region Reduction

5.2 Copy Properties to Computed Images

copyProperties（）

5.3 Understanding Which Pixels Are Included in Polygon Statistics

标签：function,img,C24,ee,区域,params,GEE,var,影像
From： https://www.cnblogs.com/bltstop/p/18113199

GEE C24 区域统计

导读：

1.以点为中心缓冲成方形或者圆形；

2.编写和应用带有可选参数的函数；

3.学习什么是区域统计并使用reducer;

4.将计算结果导出到表中;

5.将属性从一个图像复制到另一个图像。

一、原理

二、函数

2.1 bufferPoints()参数

2.2 zonalStats（）参数

代码解释：

函数参数

参数字典 `_params` 的初始化与自定义

设置默认参数

影像集合的迭代处理

减少区域操作

返回结果

使用场景

三、创建点要素集合

四、邻域统计示例

4.1 地形变量 Topographic Variables

代码解释：

续：

五、其他

5.1 Weighted Versus Unweighted Region Reduction

5.2 Copy Properties to Computed Images

5.3 Understanding Which Pixels Are Included in Polygon Statistics

相关文章

赞助商

阅读排行

GEE C24 区域统计

导读：

1.以点为中心缓冲成方形或者圆形；

2.编写和应用带有可选参数的函数；

3.学习什么是区域统计并使用reducer;

4.将计算结果导出到表中;

5.将属性从一个图像复制到另一个图像。

一、原理

二、函数

2.1 bufferPoints()参数

2.2 zonalStats（）参数

代码解释：

函数参数

参数字典 _params 的初始化与自定义

设置默认参数

影像集合的迭代处理

减少区域操作

返回结果

使用场景

三、创建点要素集合

四、邻域统计示例

4.1 地形变量 Topographic Variables

代码解释：

续：

五、其他

5.1 Weighted Versus Unweighted Region Reduction

5.2 Copy Properties to Computed Images

5.3 Understanding Which Pixels Are Included in Polygon Statistics

相关文章

赞助商

阅读排行

参数字典 `_params` 的初始化与自定义