前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >GEE错误:Image.select: Band pattern ‘BQA‘ did not match any bands. Available bands:

GEE错误:Image.select: Band pattern ‘BQA‘ did not match any bands. Available bands:

作者头像
此星光明
发布于 2024-09-13 03:20:56
发布于 2024-09-13 03:20:56
12300
代码可运行
举报
运行总次数:0
代码可运行

错误

Error in map(ID=LC08_044034_20130603): Image.select: Band pattern 'BQA' did not match any bands. Available bands: [B1, B2, B3, B4, B5, B6, B7, B8, B9, B10, B11, QA_PIXEL, QA_RADSAT, SAA, SZA, VAA, VZA]

原始代码

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var roi = /* color: #d63000 */ee.Geometry.Point([-121.9353461265564, 37.56180984982223]),
    l8toa = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA");
Map.centerObject(roi, 10);

// This field contains UNIX time in milliseconds.
var timeField = 'system:time_start';

// Use this function to mask clouds in Landsat 8 imagery.
var maskClouds = function(image) {
  var quality = image.select('BQA');
  var cloud01 = quality.eq(61440);
  var cloud02 = quality.eq(53248);
  var cloud03 = quality.eq(28672);
  var mask = cloud01.or(cloud02).or(cloud03).not();
  return image.updateMask(mask);
};

// Use this function to add variables for NDVI, time and a constant
// to Landsat 8 imagery.
var addVariables = function(image) {
  // Compute time in fractional years since the epoch.
  var date = ee.Date(image.get(timeField));
  var years = date.difference(ee.Date('1970-01-01'), 'year');
  // Return the image with the added bands.
  return image
    // Add an NDVI band.
    .addBands(image.normalizedDifference(['B5', 'B4']).rename('NDVI')).float()
    // Add a time band.
    .addBands(ee.Image(years).rename('t').float())
    // Add a constant band.
    .addBands(ee.Image.constant(1));
};

// Remove clouds, add variables and filter to the area of interest.
var filteredLandsat = l8toa
  .filterBounds(roi)
  .map(maskClouds)
  .map(addVariables);

// Plot a time series of NDVI at a single location.
var l8Chart = ui.Chart.image.series(filteredLandsat.select('NDVI'), roi)
    .setChartType('ScatterChart')
    .setOptions({
      title: 'Landsat 8 NDVI time series at ROI',
      trendlines: {0: {
        color: 'CC0000'
      }},
      lineWidth: 1,
      pointSize: 3,
    });
print(l8Chart);

Landsat 8 TOA数据介绍

NameDescriptionResolutionWavelengthB1

Coastal aerosol

30 meters0.43 - 0.45 μmB2

Blue

30 meters0.45 - 0.51 μmB3

Green

30 meters0.53 - 0.59 μmB4

Red

30 meters0.64 - 0.67 μmB5

Near infrared

30 meters0.85 - 0.88 μmB6

Shortwave infrared 1

30 meters1.57 - 1.65 μmB7

Shortwave infrared 2

30 meters2.11 - 2.29 μmB8

Band 8 Panchromatic

15 meters0.52 - 0.90 μmB9

Cirrus

30 meters1.36 - 1.38 μmB10

Thermal infrared 1, resampled from 100m to 30m

30 meters10.60 - 11.19 μmB11

Thermal infrared 2, resampled from 100m to 30m

30 meters11.50 - 12.51 μmQA_PIXEL

Landsat Collection 2 OLI/TIRS QA Bitmask

30 metersQA_PIXEL Bitmask

  • Bit 0: Fill
    • 0: Image data
    • 1: Fill data
  • Bit 1: Dilated Cloud
    • 0: Cloud is not dilated or no cloud
    • 1: Cloud dilation
  • Bit 2: Cirrus
    • 0: Cirrus Confidence: no confidence level set or Low Confidence
    • 1: High confidence cirrus
  • Bit 3: Cloud
    • 0: Cloud confidence is not high
    • 1: High confidence cloud
  • Bit 4: Cloud Shadow
    • 0: Cloud Shadow Confidence is not high
    • 1: High confidence cloud shadow
  • Bit 5: Snow
    • 0: Snow/Ice Confidence is not high
    • 1: High confidence snow cover
  • Bit 6: Clear
    • 0: Cloud or Dilated Cloud bits are set
    • 1: Cloud and Dilated Cloud bits are not set
  • Bit 7: Water
    • 0: Land or cloud
    • 1: Water
  • Bits 8-9: Cloud Confidence
    • 0: No confidence level set
    • 1: Low confidence
    • 2: Medium confidence
    • 3: High confidence
  • Bits 10-11: Cloud Shadow Confidence
    • 0: No confidence level set
    • 1: Low confidence
    • 2: Reserved
    • 3: High confidence
  • Bits 12-13: Snow / Ice Confidence
    • 0: No confidence level set
    • 1: Low confidence
    • 2: Reserved
    • 3: High confidence
  • Bits 14-15: Cirrus Confidence
    • 0: No confidence level set
    • 1: Low confidence
    • 2: Reserved
    • 3: High confidence

QA_RADSAT

Radiometric saturation QA

30 metersQA_RADSAT Bitmask

  • Bit 0: Band 1 data saturated
  • Bit 1: Band 2 data saturated
  • Bit 2: Band 3 data saturated
  • Bit 3: Band 4 data saturated
  • Bit 4: Band 5 data saturated
  • Bit 5: Band 6 data saturated
  • Bit 6: Band 7 data saturated
  • Bit 7: Unused
  • Bit 8: Band 9 data saturated
  • Bits 9-10: Unused
  • Bit 11: Terrian occlusion
    • 0: No terrain occlusion
    • 1: Terrain occlusion

SAA

Solar Azimuth Angle

30 metersSZA

Solar Zenith Angle

30 metersVAA

View Azimuth Angle

30 metersVZA

View Zenith Angle

30 meters

错误解析

这里我们可以看到很明显的提示,这里的波段中是没有BQA这个波段的,所以这里我们需要进行检查,或者是不是错用了landsat C01之前的数据。这里我们应该使用正常的去云的函数。

正确的代码

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var roi = /* color: #d63000 */ee.Geometry.Point([-121.9353461265564, 37.56180984982223]),
    l8toa = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA");
Map.centerObject(roi, 10);

// Use this function to mask clouds in Landsat 8 imagery.
var maskClouds = function(image) {
  var qa = image.select('QA_PIXEL');
  /// Check that the cloud bit is off.
  // See https://www.usgs.gov/media/files/landsat-8-9-olitirs-collection-2-level-1-data-format-control-book
  var mask = qa.bitwiseAnd(1 << 3).eq(0);
  return image.updateMask(mask);
};

// This field contains UNIX time in milliseconds.
var timeField = 'system:time_start';


// Use this function to add variables for NDVI, time and a constant
// to Landsat 8 imagery.
var addVariables = function(image) {
  // Compute time in fractional years since the epoch.
  var date = ee.Date(image.get(timeField));
  var years = date.difference(ee.Date('1970-01-01'), 'year');
  // Return the image with the added bands.
  return image
    // Add an NDVI band.
    .addBands(image.normalizedDifference(['B5', 'B4']).rename('NDVI')).float()
    // Add a time band.
    .addBands(ee.Image(years).rename('t').float())
    // Add a constant band.
    .addBands(ee.Image.constant(1));
};

// Remove clouds, add variables and filter to the area of interest.
var filteredLandsat = l8toa
  .filterBounds(roi)
  .map(maskClouds)
  .map(addVariables);

// Plot a time series of NDVI at a single location.
var l8Chart = ui.Chart.image.series(filteredLandsat.select('NDVI'), roi)
    .setChartType('ScatterChart')
    .setOptions({
      title: 'Landsat 8 NDVI time series at ROI',
      trendlines: {0: {
        color: 'CC0000'
      }},
      lineWidth: 1,
      pointSize: 3,
    });
print(l8Chart);

结果

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-09-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Google Earth Engine ——LANDSAT/LT04/C01/T1_TOA大气层顶反射数据
Landsat 4 TM Collection 1 Tier 1 calibrated top-of-atmosphere (TOA) reflectance. Calibration coefficients are extracted from the image metadata. See Chander et al. (2009) for details on the TOA computation.
此星光明
2024/02/02
1360
Google Earth Engine ——LANDSAT/LT04/C01/T1_TOA大气层顶反射数据
GEE 更新和优化:利用GEE在线处理1985-2024年NDVI、EVI、SAVI、NDMI等指数归一化教程!(Landsat C02 数据)
本次的归一化教程,优化了数据去云,预处理等过程,同事将landsat 5/7/8集合分别进行了数据整合,也就是原始波段的处理,从而我们可以调用1985-至今任何一个时期的影像进行归一化处理。具体的原文介绍 请看原始的博客
此星光明
2024/09/02
6560
GEE 更新和优化:利用GEE在线处理1985-2024年NDVI、EVI、SAVI、NDMI等指数归一化教程!(Landsat C02 数据)
Google Earth Engine ——LANDSAT/LT4/LT5_L1T_ANNUAL_GREENEST_TOA归一化植被指数(NDVI)值最高的像素数据集
These Landsat 4 TM composites are made from Level L1T orthorectified scenes, using the computed top-of-atmosphere (TOA) reflectance. See Chander et al. (2009) for details on the TOA computation.
此星光明
2024/02/02
1330
Google Earth Engine ——LANDSAT/LT4/LT5_L1T_ANNUAL_GREENEST_TOA归一化植被指数(NDVI)值最高的像素数据集
Google Earth Engine ——Landsat 8 Collection 1 Tier 1数据集
Landsat 8 Collection 1 Tier 1 DN values, representing scaled, calibrated at-sensor radiance.
此星光明
2024/02/02
1940
Google Earth Engine ——Landsat 8 Collection 1 Tier 1数据集
Google Earth Engine(GEE)——sentinel2数据介绍
之前有粉丝在公众号问我,对于sentinel2是否需要进行去云的问题,这里就简单写一下关于这个数据的问题:
此星光明
2024/02/02
6030
Google Earth Engine(GEE)——sentinel2数据介绍
google earth engine(GEE)监督分类总结与代码分享
构造样本数据一般有两个方法,一个是本地上传矢量的训练数据;另外一个是在GEE里面自己选点制作。我主要介绍第二种方法。
全栈程序员站长
2022/10/02
3.2K0
google earth engine(GEE)监督分类总结与代码分享
Landsat 8 Landsat8 Collection2表面反射率数据
Landsat8 Collection2表面反射率数据,属Collection2二级数据产品,分辨率为30米,基于陆地表面反射率代码(LaSRC)(版本1.5.0)生成,该算法利用沿海气溶胶波段进行气溶胶反演测试,还利用了MODIS的辅助气候数据和独特的辐射传输模型。 此外,LaSRC算法将观测天顶角硬编码为“0”,太阳天顶角和观测天顶角作为大气校正的一部分参与计算。
此星光明
2024/05/24
2700
Landsat 8 Landsat8 Collection2表面反射率数据
Google Earth Engine ——LANDSAT/LT04/C02/T1系列数据介绍!
This dataset contains atmospherically corrected surface reflectance and land surface temperature derived from the data produced by the Landsat TM sensor. These images contain 4 visible and near-infrared (VNIR) bands and 2 short-wave infrared (SWIR) bands processed to orthorectified surface reflectance, and one thermal infrared (TIR) band processed to orthorectified surface temperature. They also contain intermediate bands used in calculation of the ST products, as well as QA bands.
此星光明
2024/02/02
2840
Google Earth Engine ——LANDSAT/LT04/C02/T1系列数据介绍!
Google Earth Engine ——Landsat 4 TM Collection 1 Tier 1 DN值经过缩放、校准的传感器辐射度——8天/32天/年际合成数据集
Landsat 4 TM Collection 1 Tier 1 DN values, representing scaled, calibrated at-sensor radiance.
此星光明
2024/02/02
1310
Google Earth Engine ——Landsat 4 TM Collection 1 Tier 1 DN值经过缩放、校准的传感器辐射度——8天/32天/年际合成数据集
GEE基于Landsat 8数据反演绿度/热度/湿度/干度,并计算生态遥感指数代码分享
//导入自己的研究区,将其定义为roi var star_date = '2018-01-01'//定义起始时间 var end_date = '2018-12-30'//定义终止时间 var L8_SR = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR")//加载L8_SR影像 var img_SR = L8_SR.filterBounds(roi) .filterDate(star_date, end_date) .f
气象学家
2022/01/18
3.1K1
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
Sentinel-2 is a wide-swath, high-resolution, multi-spectral imaging mission supporting Copernicus Land Monitoring studies, including the monitoring of vegetation, soil and water cover, as well as observation of inland waterways and coastal areas.
此星光明
2024/02/02
4230
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
【GEE】5、遥感影像预处理【GEE栅格预处理】
什么是预处理? 您将在 Google 地球引擎 (GEE) 中找到的大部分数据都经过了一定程度的预处理。这涉及几种不同的质量控制方法,以确保栅格集合内的最高准确性和一致性。根据收集的不同,可能有各种可用的预处理级别,了解差异以将遥感数据成功整合到生态研究中非常重要。在 GEE 中提供数据之前,出版商一致解决了图像产品的三个常见错误来源:大气(即空气化学)、地形(即高程)和几何(即像素一致性)。
Twcat_tree
2023/11/07
8530
【GEE】5、遥感影像预处理【GEE栅格预处理】
Landsat 8 Landsat8 Collection2大气层顶反射率数据
Landsat8 TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA,是飞行在大气层之外的航天传感器量测的反射率,包括了云层、气溶胶和气体的贡献,可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储,平台将影像像素值扩大了10000倍。前言 – 人工智能教程 Landsat-8卫星包含OLI(Operational Land Imager 陆地成像仪)和TIRS(Thermal Infrared Sensor 热红外传感器)两种传感器,每16天可以实现一次全球覆盖。 OLI包括9个波段,空间分辨率为30米,其中包括一个15米的全色波段,成像宽幅为185x185km。TIRS用于收集地球两个热区地带的热量流失,能够了解所观测地带水分消耗。
此星光明
2024/05/24
2550
Landsat 8 Landsat8 Collection2大气层顶反射率数据
GEE代码条带问题——sentinel-1接缝处理的问题
我有兴趣确定 NDVI 损失最大的年份。我创建了一个函数来收集所有陆地卫星图像并应用预处理。当我导出结果以识别 NDVI 损失最大年份时,生成的数据产品与陆地卫星场景足迹有可怕的接缝线。造成这种情况的原因是什么以及如何调整代码?
此星光明
2024/03/08
2630
GEE代码条带问题——sentinel-1接缝处理的问题
Google Earth Engine ——LANDSAT8——Real-Time data 数据集
Landsat 8 Collection 1 Tier 1 and Real-Time data DN values, representing scaled, calibrated at-sensor radiance.
此星光明
2024/02/02
1620
Google Earth Engine ——LANDSAT8——Real-Time data 数据集
Google Earth Engine ——LANDSAT 7 Collection 1 Tier 1 and Real-Time data DN values数据集
Landsat 7 Collection 1 Tier 1 and Real-Time data DN values, representing scaled, calibrated at-sensor radiance.
此星光明
2024/02/02
1700
Google Earth Engine ——LANDSAT 7 Collection 1 Tier 1 and Real-Time data DN values数据集
Google Earth Engine ——LANDSAT8_SR数据集
This dataset is the atmospherically corrected surface reflectance from the Landsat 8 OLI/TIRS sensors. These images contain 5 visible and near-infrared (VNIR) bands and 2 short-wave infrared (SWIR) bands processed to orthorectified surface reflectance, and two thermal infrared (TIR) bands processed to orthorectified brightness temperature
此星光明
2024/02/02
3070
Google Earth Engine ——LANDSAT8_SR数据集
Google Earth Engine ——LANDSAT 7/LM01/C01/T1Landsat 1 MSS Collection 1 Tier 1 DN值,代表经过缩放、校准的传感器辐射度影像数
Landsat 1 MSS Collection 1 Tier 1 DN values, representing scaled, calibrated at-sensor radiance.
此星光明
2024/02/02
1450
Google Earth Engine ——LANDSAT 7/LM01/C01/T1Landsat 1 MSS Collection 1 Tier 1 DN值,代表经过缩放、校准的传感器辐射度影像数
Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
什么是预处理? 您将在 Google Earth Engine (GEE) 中找到的大部分数据都经过一定程度的预处理。这涉及多种不同的质量控制方法,以确保栅格集合中的最高级别的准确性和一致性。根据收集的不同,可能有多种可用的预处理级别,了解差异以成功地将遥感数据集成到生态研究中是很重要的。在 GEE 中提供数据之前,出版商一致解决图像产品的三个常见错误来源:大气(即空气化学)、地形(即高程)和几何(即像素一致性)。
此星光明
2024/02/02
7360
Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
Google Earth Engine(GEE)——提取指定矢量集合中的NDVI值并附时间属性
本教程的主要目的是实现影像转化为数组,然后我们需要直到其转化为的数组的轴,然后根据轴的信息进行切片,切片后完成时间属性的标准转化,这里一定要对影像结果提取完成后再对矢量集合进行操作,最后就可以提取指定的属性信息。
此星光明
2024/02/02
5120
推荐阅读
Google Earth Engine ——LANDSAT/LT04/C01/T1_TOA大气层顶反射数据
1360
GEE 更新和优化:利用GEE在线处理1985-2024年NDVI、EVI、SAVI、NDMI等指数归一化教程!(Landsat C02 数据)
6560
Google Earth Engine ——LANDSAT/LT4/LT5_L1T_ANNUAL_GREENEST_TOA归一化植被指数(NDVI)值最高的像素数据集
1330
Google Earth Engine ——Landsat 8 Collection 1 Tier 1数据集
1940
Google Earth Engine(GEE)——sentinel2数据介绍
6030
google earth engine(GEE)监督分类总结与代码分享
3.2K0
Landsat 8 Landsat8 Collection2表面反射率数据
2700
Google Earth Engine ——LANDSAT/LT04/C02/T1系列数据介绍!
2840
Google Earth Engine ——Landsat 4 TM Collection 1 Tier 1 DN值经过缩放、校准的传感器辐射度——8天/32天/年际合成数据集
1310
GEE基于Landsat 8数据反演绿度/热度/湿度/干度,并计算生态遥感指数代码分享
3.1K1
Google Earth Engine ——数据全解析专辑(COPERNICUS/S2_SR)20154至今哨兵-2号(SR) 数据集
4230
【GEE】5、遥感影像预处理【GEE栅格预处理】
8530
Landsat 8 Landsat8 Collection2大气层顶反射率数据
2550
GEE代码条带问题——sentinel-1接缝处理的问题
2630
Google Earth Engine ——LANDSAT8——Real-Time data 数据集
1620
Google Earth Engine ——LANDSAT 7 Collection 1 Tier 1 and Real-Time data DN values数据集
1700
Google Earth Engine ——LANDSAT8_SR数据集
3070
Google Earth Engine ——LANDSAT 7/LM01/C01/T1Landsat 1 MSS Collection 1 Tier 1 DN值,代表经过缩放、校准的传感器辐射度影像数
1450
Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
7360
Google Earth Engine(GEE)——提取指定矢量集合中的NDVI值并附时间属性
5120
相关推荐
Google Earth Engine ——LANDSAT/LT04/C01/T1_TOA大气层顶反射数据
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档