怎么建设商业网站上海网络推广软件

怎么建设商业网站,上海网络推广软件,wordpress 教程 插件,泉州网站建设方案开发目录 一、研究区初始化与地图配置 二、数据预处理函数 三、影像集合筛选与预处理 四、影像合成与可视化 五、结果导出至 Google Drive 六、关键技术要点总结与注意事项 七、运行结果 若觉得代码对您的研究 / 项目有帮助#xff0c;欢迎点击打赏支持#xff01;需要完整…目录一、研究区初始化与地图配置二、数据预处理函数三、影像集合筛选与预处理四、影像合成与可视化五、结果导出至 Google Drive六、关键技术要点总结与注意事项七、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 EngineGEE平台利用 Landsat-9 卫星的 Level-2 级数据LANDSAT/LC09/C02/T1_L2通过数据预处理、水体提取、云影剔除等步骤反演 2023 年夏季6-9 月研究区的水体表面温度最终将结果导出至 Google Drive为水文环境监测、生态评估等研究提供数据支持。一、研究区初始化与地图配置var roi geometry; Map.centerObject(roi, 10); var roiLayer ui.Map.Layer(roi, {color: red, fillColor: white}, 研究区); Map.add(roiLayer);研究区定义var roi geometry中geometry是预先在 GEE 地图界面绘制的研究区矢量图形如多边形代码通过该变量锁定分析范围后续所有数据处理均限定在该区域内。地图居中与可视化Map.centerObject(roi, 10)使地图自动居中到研究区第二个参数 “10” 是地图缩放级别范围 1-20数值越大视图越清晰确保研究区完整显示在视野中。ui.Map.Layer(...)构建研究区的可视化图层设置边界颜色为红色color: red、填充色为白色fillColor: white并命名为 “研究区”最后通过Map.add(roiLayer)将图层添加到地图界面方便直观查看分析范围。二、数据预处理函数function preprocess(img) { // 1. 云与云影mask构建 var qa img.select(QA_PIXEL); var cloud qa.bitwiseAnd(1 1).neq(0); var cirrus qa.bitwiseAnd(2 1).neq(0); var cloud2 qa.bitwiseAnd(3 1).neq(0); var shadow qa.bitwiseAnd(4 1).neq(0); var cloud_mask cloud.or(cirrus).or(cloud2).or(shadow); // 2. 地表反射率波段预处理 var ms img.select(SR_B.*).multiply(2.75e-05).add(-0.2); // 3. NDWI计算与水体mask构建 var ndwi ms.normalizedDifference([SR_B3, SR_B5]).rename(ndwi); var water_mask ndwi.gt(0.1); // 4. 地表温度LST反演 var lst img.select(ST_B10).multiply(0.00341802).add(149).subtract(273.15); // 5. 应用mask并保留时间属性 return lst.updateMask(water_mask).updateMask(cloud_mask.not()) .copyProperties(img, [system:time_start]); }该函数是代码核心对单景 Landsat-9 影像执行“质量控制 - 波段处理 - 水体提取 - 温度反演”的完整流程输入为单景影像img输出为预处理后的水体温度影像。云与云影剔除质量控制Landsat-9 的QA_PIXEL波段是质量控制波段通过位运算bitwiseAnd可提取特定质量信息。分别通过位运算识别普通云cloud、卷云cirrus、其他云类cloud2和云影shadow再通过or()函数将各类云及云影合并为cloud_mask掩码图层“1” 代表云 / 云影区域“0” 代表有效区域。地表反射率波段校准img.select(SR_B.*)筛选所有地表反射率波段SR_B1至SR_B7对应不同光谱范围。multiply(2.75e-05).add(-0.2)是 Landsat-9 Level-2 数据的官方校准公式将原始数字量化值DN 值转换为实际地表反射率无量纲范围 0-1为后续植被指数计算提供准确数据。NDWI 计算与水体提取normalizedDifference([SR_B3, SR_B5])计算归一化水体指数NDWI公式为(绿波段 - 近红外波段) / (绿波段 近红外波段)水体在 NDWI 中表现为高值。ndwi.gt(0.1)设置阈值 0.1将 NDWI 大于 0.1 的区域判定为水体生成water_mask“1” 为水体“0” 为非水体。地表温度反演img.select(ST_B10)选择热红外波段ST_B10该波段记录了地物的热辐射信息。multiply(0.00341802).add(149)是官方辐射定标公式将 DN 值转换为绝对辐射亮度subtract(273.15)将开尔文温度K转换为摄氏度℃最终得到地表温度LST。掩码应用与属性保留updateMask(water_mask)保留水体区域、剔除非水体区域updateMask(cloud_mask.not())保留非云 / 云影区域、剔除云污染区域双重掩码确保最终结果仅包含 “无云的水体”。copyProperties(img, [system:time_start])保留原始影像的时间属性拍摄时间为后续时间序列分析提供依据。三、影像集合筛选与预处理var l9 ee.ImageCollection(LANDSAT/LC09/C02/T1_L2) .filterDate(2023-06-01, 2023-09-30) .filterBounds(roi) .map(preprocess);影像集合调用ee.ImageCollection(LANDSAT/LC09/C02/T1_L2)调用 GEE 内置的 Landsat-9 Level-2 影像集合该集合已完成大气校正、辐射定标等预处理可直接用于定量分析。时间筛选filterDate(2023-06-01, 2023-09-30)筛选 2023 年 6 月 1 日至 9 月 30 日的影像聚焦夏季时段符合研究目标。空间筛选filterBounds(roi)仅保留覆盖研究区的影像剔除与研究区无关的影像减少计算量。批量预处理map(preprocess)对筛选后的每景影像批量应用上述preprocess函数生成预处理后的水体温度影像集合l9。四、影像合成与可视化var composite l9.mean().clip(roi); var visParams { min: -20, max: 35, palette: [blue, cyan, green, yellow, red] }; Map.addLayer(composite, visParams, Landsat9 Water Temp (°C));时间平均合成l9.mean()对夏季所有预处理后的影像计算平均值生成夏季水体温度均值影像可减少单景影像的随机误差和云残留影响clip(roi)确保结果严格限定在研究区内避免边界外冗余数据。可视化参数设置min: -20, max: 35设定温度显示范围-20℃至 35℃超出该范围的温度将被渲染为对应极值颜色。palette定义颜色渐变方案蓝色低温→青色→绿色→黄色→红色高温直观反映温度空间分布差异。地图添加图层Map.addLayer(...)将合成后的水体温度影像添加到地图命名为 “Landsat9 Water Temp (°C)”方便实时查看温度分布格局。五、结果导出至 Google DriveExport.image.toDrive({ image: composite, description: L9_WaterTemp_2023_Summer, folder: GEE_Exports, fileNamePrefix: L9_WaterTemp_2023_Summer, region: roi, scale: 30, crs: EPSG:4326, maxPixels: 1e13 });导出核心设置image: composite指定导出的影像为夏季温度合成影像。description和fileNamePrefix设定导出任务名称和文件前缀便于后续在 Drive 中查找。folder: GEE_Exports指定导出文件存储在 Google Drive 中的 “GEE_Exports” 文件夹需提前创建或允许 GEE 自动创建。导出参数配置region: roi限定导出范围为研究区。scale: 30设定导出影像的空间分辨率为 30 米Landsat-9 热红外波段原始分辨率为 100 米此处通过重采样至 30 米与反射率波段分辨率一致便于后续分析。crs: EPSG:4326设定空间参考系为 WGS84全球通用地理坐标系确保数据兼容性。maxPixels: 1e13设定最大导出像素数避免因研究区过大导致导出失败1e13 足以覆盖大面积区域。六、关键技术要点总结与注意事项关键技术要点总结数据质量控制通过QA_PIXEL波段的位运算精准剔除云、卷云、云影等污染区域确保水体温度数据的准确性。水体提取逻辑利用 NDWI 指数对水体的敏感性通过阈值法0.1快速分离水体与非水体为温度反演限定目标区域。温度反演精度采用 Landsat 官方提供的辐射定标公式和温度转换方法保证反演结果的科学性和可比性。GEE 高效性通过ImageCollection的筛选、map批量处理和mean合成实现大规模影像数据的快速处理无需本地存储和计算资源。注意事项研究区geometry需提前在 GEE 地图界面绘制支持点、线、面等矢量类型面状区域需确保闭合。导出前需确保 Google 账号已登录且 Drive 有足够存储空间30 米分辨率的大面积影像可能占用较多空间。夏季影像可能存在云量较多的情况若合成后仍有云残留可缩小时间范围或增加云掩膜的严格程度如调整 NDWI 阈值或云识别位运算规则。温度反演结果为地表温度LST而非水体内部温度适用于表层水体环境监测若需深层水温需结合实测数据校正。七、运行结果研究区地理位置研究区水体表面温度反演结果可视化点击RUN即可下载数据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